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

✍️ OpenClawRadar📅 Veröffentlicht: 3. Mai 2026🔗 Source
Specsmaxxing: KI-Psychose mit YAML-Spezifikationen und ACAI bekämpfen
Ad

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:

Ad
# 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.

📖 Lesen Sie die vollständige Quelle: HN AI Agents

Ad

👀 Siehe auch

Tacit: Eine LLM-erste Programmiersprache, entwickelt mit Claude Code und Opus 4.7
Werkzeuge

Tacit: Eine LLM-erste Programmiersprache, entwickelt mit Claude Code und Opus 4.7

Tacit ist eine experimentelle, LLM-zentrierte Programmiersprache, die mit Claude Code und Opus 4.7 entwickelt und implementiert wurde. Sie entfernt menschliche Annehmlichkeiten, um die Token-Nutzung zu minimieren, und enthält eine Einführung, die mittleren und höheren LLMs (Sonnet und aufwärts) beibringt, Tacit-Code zu schreiben.

OpenClawRadar
Sammlung von 177 OpenClaw SOUL.md-Vorlagen, organisiert in 24 Kategorien
Werkzeuge

Sammlung von 177 OpenClaw SOUL.md-Vorlagen, organisiert in 24 Kategorien

Ein Entwickler hat 177 sofort einsatzbereite SOUL.md-Vorlagen für OpenClaw-Agenten in 24 Kategorien zusammengestellt, darunter Marketing, Entwicklung, Business, DevOps, Finanzen, Kreatives, Daten, Sicherheit, Gesundheit, Recht, Personalwesen und Bildung. Alle Vorlagen sind unter der MIT-Lizenz verfügbar und auf GitHub zu finden.

OpenClawRadar
Lobster Cage: Dockerisierte Sicherheitsumgebung für Self-Hosting von OpenClaw auf Raspberry Pi
Werkzeuge

Lobster Cage: Dockerisierte Sicherheitsumgebung für Self-Hosting von OpenClaw auf Raspberry Pi

Ein Entwickler hat Lobster Cage erstellt, eine Docker Compose-Umgebung mit eingeschränktem ausgehendem Zugriff und Proxy-basiertem Routing, um OpenClaw sicher auf einem Raspberry Pi für Experimente auszuführen.

OpenClawRadar
SkyClaw v2.2 Rust AI Agent Runtime fügt OpenAI OAuth und benutzerdefinierte Tool-Erstellung hinzu
Werkzeuge

SkyClaw v2.2 Rust AI Agent Runtime fügt OpenAI OAuth und benutzerdefinierte Tool-Erstellung hinzu

SkyClaw v2.2 führt die OpenAI OAuth-Authentifizierung mit ChatGPT Plus/Pro-Abonnements ein, ermöglicht die Erstellung benutzerdefinierter Tools, bei denen Agenten zur Laufzeit eigene Bash/Python/Node-Tools schreiben, und bietet einen Daemon-Modus für den Hintergrundbetrieb. Die Rust-basierte Laufzeitumgebung erreicht Benchmarks von 31 ms Kaltstart, 15 MB Leerlauf-RAM und 9,3 MB Binärgröße.

OpenClawRadar