Specsmaxxing: KI-Psychose mit YAML-Spezifikationen und ACAI bekämpfen

Der neueste Blogbeitrag von Acai.sh, „Specsmaxxing – Überwindung der KI-Psychose und warum ich Spezifikationen in YAML schreibe“, befasst sich mit dem Problem, dass KI-Agenten aus dem Ruder laufen, wenn Kontextfenster volllaufen oder Sitzungen abbrechen. Der Autor teilt einen praktischen Workflow: strukturierte Spezifikationen in YAML statt nur in Markdown und nummerierte Anforderungen (z. B. AUTH-1, AUTH-2), auf die Agenten direkt im Code verweisen können. Diese Methode, genannt Acceptance Criteria for AI (ACAI), entstand, als ein Sub-Agent Anforderungen automatisch nummerierte und in der Implementierung darauf verwies, was die Rückverfolgbarkeit verbesserte und Regressionen reduzierte.

Der Beitrag beschreibt einen vierstufigen Prozess: Specify (Anforderungen in YAML schreiben), Ship (Agenten implementieren lassen), Review (Code gegen Spezifikationen prüfen) und Iterate. Der Autor gibt zu, zuvor mit Markdown-Spezifikationen (PRDs, TRDs, Architekturdokumenten) übertrieben und an „KI-Psychose“ gelitten zu haben – mehr Zeit mit dem Bau von KI-Geschirren als mit Produkten verbracht zu haben. Der YAML-basierte Ansatz soll leichter und besser maschinenlesbar sein.

Wichtige Erkenntnis: Ein einfaches README.md und AGENTS.md verbessern die Agentenausgabe bereits erheblich. Der Beitrag argumentiert, dass „Peak Slop“ vorbei ist und strukturierte Spezifikationen die nächste Entwicklung darstellen. Ein Code-Snippet zeigt das Muster:

# Requirements
AUTH-1: Accepts `Authorization: Bearer <token>` header
AUTH-2: Tokens are user-scoped, providing access to any of the user's resources
AUTH-3: Rejects with 401 Unauthorized

// AUTH-1
const authHeader = req.headers["authorization"];
// AUTH-2
const isAuthorized = verifyBearerToken(authHeader);
// AUTH-3
if (!isValid) return res.status(401).json({ error: "Unauthorized" });

Der Beitrag bewertet auch Alternativen: GitHub SpecKit, OpenSpec, Kiro, Traycer.ai – und listet Gründe auf, warum einem acai.sh nicht gefallen könnte (z. B. Overhead, eigenwilliges Format). Es ist ein pragmatischer Ansatz für Entwickler, die möchten, dass ihre KI-Agenten zuverlässigen Code ausliefern, ohne ständige Nachjustierungen.

Für wen es gedacht ist: Entwickler, die KI-Codierungsagenten (Claude, Copilot usw.) verwenden und auf Kontextgrenzen stoßen, die eine leichte Spezifikationsebene wünschen, um Agenten auf Kurs zu halten.