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

Durchquerbarer Fähigkeitsgraph für persistente KI-Agenten-Erinnerung in Codebasen
Werkzeuge

Durchquerbarer Fähigkeitsgraph für persistente KI-Agenten-Erinnerung in Codebasen

Ein Entwickler hat ein dreischichtiges Skill-Graph-System erstellt, das direkt im Codebase lebt und es KI-Coding-Assistenten ermöglicht, persistenten Speicher über Sitzungen hinweg zu erhalten. Das System nutzt progressive Offenlegung mit selbstlenkenden Anweisungen anstelle von monolithischen Kontextdateien.

OpenClawRadar
de: Ein kontextbewusster Berechtigungswächter für Claude Code
Werkzeuge

de: Ein kontextbewusster Berechtigungswächter für Claude Code

nah ist ein PreToolUse-Hook, der jeden Tool-Aufruf in Claude Code abfängt, Befehle nach Aktionstypen wie filesystem_read oder git_history_rewrite klassifiziert und basierend auf dem Kontext Richtlinien anwendet. Es führt einen deterministischen Klassifikator in Millisekunden aus, mit optionaler LLM-Eskalation für unklare Fälle.

OpenClawRadar
**Claude Code Routines: Planen und Ausführen von Agenten-Aufgaben wie mit Cron, inkl. logischer Entscheidungsfindung**

Oder kürzer und prägnanter:

**Claude Code Routines: Agenten-Aufgaben wie mit Cron planen – mit logischer Entscheidungsfindung**
Werkzeuge

**Claude Code Routines: Planen und Ausführen von Agenten-Aufgaben wie mit Cron, inkl. logischer Entscheidungsfindung** Oder kürzer und prägnanter: **Claude Code Routines: Agenten-Aufgaben wie mit Cron planen – mit logischer Entscheidungsfindung**

Mit Claude Code Routines können Sie Agentenaufgaben planen, ohne eine Sitzung offen halten zu müssen. Ein Reddit-Nutzer teilt konkrete Beispiele: nächtliche Commit-Überprüfung, wöchentlicher Abhängigkeitscheck, tägliche Fehlerlog-Analyse – mit KI-Schlussfolgerungen statt roher Skriptausgabe.

OpenClawRadar
codebase-md: Tool generiert automatisch CLAUDE.md mit Git-Hook-Wartung
Werkzeuge

codebase-md: Tool generiert automatisch CLAUDE.md mit Git-Hook-Wartung

codebase-md v0.1.0 scannt Projekte, um CLAUDE.md-Dateien mit Architekturerkennung, Abhängigkeitsgesundheitsprüfungen und Git-Einblicken zu generieren. Es enthält Git-Hooks, um die Dokumentation aktuell zu halten, und unterstützt andere KI-Codierungstools mit zusätzlichen Konfigurationsdateien.

OpenClawRadar