Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
medium.com23. Januar 2026 · Q011309

Bad AGENTS.md Are Making Your Coding Agent Worse

medium.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der Beitrag behauptet, dass überladene AGENTS.md-Dateien Coding-Agenten mit irrelevanten, veralteten oder widersprüchlichen Regeln belasten und dadurch Qualität sowie Tokenverbrauch verschlechtern können. Der Autor empfiehlt eine knappe Root-Datei mit nur allgemein gültigen Hinweisen und das Auslagern spezieller Regeln in passende Dokumente oder Paketdateien; die berichtete Verbesserung beruht auf seiner persönlichen Erfahrung und wird nicht durch Tests belegt.

Mittel

Code Coup warnt davor, dass umfangreiche AGENTS.md-Dateien Coding-Agenten durch widersprüchliche, überholte oder irrelevante Regeln verwirren können. Da der Inhalt bei jeder Anfrage geladen werde, koste er Kontext und Aufmerksamkeit. Als grobe Richtwerte nennt der Autor ein begrenztes Anweisungsbudget von etwa 150 bis 200 zuverlässig befolgbaren Vorgaben bei leistungsfähigen Modellen; kleinere Modelle könnten weniger bewältigen. Auch veraltete Pfade seien problematisch, weil Agenten ihnen laut Beitrag möglicherweise zu unkritisch folgen.

Die Root-Datei solle nach Ansicht des Autors nur Informationen enthalten, die für fast jede Aufgabe wichtig sind: eine kurze Projektbeschreibung, den verwendeten Paketmanager, wenn es nicht npm ist, und besondere Build- oder Typprüfungsbefehle. Fachregeln gehören in thematische Dokumente, auf die knapp verwiesen wird; Monorepos können zusätzlich Paketregeln in verschachtelten AGENTS.md-Dateien ablegen. Für bestehende Regelwerke schlägt der Beitrag eine schrittweise Bereinigung vor. Der Autor berichtet, seine Dateien um 80 Prozent gekürzt und eine sofortige Qualitätssteigerung bemerkt zu haben. Diese Ergebnisse bleiben persönliche Erfahrungsberichte ohne dokumentierte Messung oder Vergleichstest.

Ausführlich lesen

Der Beitrag von Code Coup argumentiert, dass überladene AGENTS.md-Dateien die Leistung von KI-Coding-Agenten beeinträchtigen können. Solche Dateien enthalten dauerhaft geladene Hinweise dazu, wie ein Agent in einem Repository arbeiten soll. Der Autor unterscheidet persönliche Vorlieben, etwa zum Stil von Commits, von projektbezogenen Informationen über Aufbau und Werkzeuge. Mit der Zeit würden Teams jedoch häufig immer neue Regeln ergänzen, während alte, widersprüchliche oder überholte Hinweise bestehen blieben. So entstehe eine umfangreiche Datei, die auch lokale Paketregeln oder veraltete Pfade als allgemein gültig erscheinen lasse.

Als Erklärung führt der Autor ein „Anweisungsbudget“ an: Modelle könnten nur eine begrenzte Zahl von Vorgaben zuverlässig befolgen. Er nennt dafür grobe Schätzungen von etwa 150 bis 200 Anweisungen bei leistungsfähigen Modellen und niedrigeren Werten bei kleineren oder nicht denkenden Modellen. Da der Inhalt bei jeder Anfrage geladen werde, könnten irrelevante Regeln außerdem Kontext und Aufmerksamkeit beanspruchen. Der Beitrag stellt dies als mögliche Ursache für widersprüchliches Verhalten, übersehene Anforderungen und zusätzlichen Tokenverbrauch dar.

Eine weitere Gefahr sieht der Autor in veralteten Details. Agenten würden Dokumentation möglicherweise weniger skeptisch lesen als Menschen und dadurch falschen oder verschobenen Dateipfaden folgen. Er empfiehlt deshalb, dauerhafte Beschreibungen von Fähigkeiten oder Verantwortlichkeiten gegenüber konkreten Pfadangaben zu bevorzugen und die tatsächliche Struktur bei der Planung ermitteln zu lassen.

Für die Root-Datei schlägt der Beitrag eine strenge Auswahl vor: Nur Regeln, die für praktisch jede Aufgabe relevant sind, sollten dort stehen. Als Kern nennt er eine einzeilige Projektbeschreibung, den Paketmanager, falls nicht npm verwendet wird, sowie ungewöhnliche Build- oder Typprüfungsbefehle. Spezifische Konventionen sollen stattdessen in thematisch passende Dokumente ausgelagert werden, auf die die Root-Datei knapp verweist. In Monorepos empfiehlt er zusätzliche AGENTS.md-Dateien auf Paketebene, damit Hinweise jeweils im passenden Geltungsbereich stehen.

Für bereits umfangreiche Dateien liefert der Beitrag einen Prompt, der Widersprüche auffinden, vor der Auswahl zwischen ihnen nachfragen, Wesentliches in der Root-Datei belassen und übrige Regeln nach Themen ordnen soll. Der Autor berichtet aus eigener Erfahrung, dass seine Dateien dadurch um 80 Prozent geschrumpft und die Agentenqualität unmittelbar gestiegen sei. Das Vorgehen und diese Verbesserung werden im Text jedoch nicht durch Messwerte, Vergleichstests oder weitere Belege dokumentiert. Die genannten Budgetzahlen sind ausdrücklich grobe Richtwerte; der Beitrag präsentiert seine Empfehlungen vor allem als persönliche Erfahrung und praktische Faustregel.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Bewertet wurde die Zusammenfassung unter „mittel“; die Kurzfassung ist ebenfalls treu, weil sie sich auf die persönliche Erfahrung und fehlende Tests stützt. Lunas Stufen der Einordnung bleiben bei dieser Prüfung unberührt, da der Bericht zu den Sammelfragen nur am Rande Bezug nimmt. Die Angabe „ohne dokumentierte Messung“ ist eine sinnvolle Schlussfolgerung, nicht im Text belegt.

Im Bericht, aber nicht in der Zusammenfassung

  • Das Kernprinzip des Progressive Disclosure: Regeln werden nicht in die Root-Datei geschrieben, sondern auf Dokumente verwiesen, die der Agent nur bei Bedarf lädt
  • Die Empfehlung, Fähigkeiten statt konkreter Dateipfade zu beschreiben, weil Strukturen schneller veralten als Fähigkeiten
  • Die Faustregel, dass nur Informationen in die Root-Datei gehören, die für jede Aufgabe relevant sind

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Fähigkeiten messen
  1. SF-F4 Für welche Modelle, Entwickler und Einsätze gelten Prüfregeln, und wann muss neu geprüft werden?
    • clef 100 %kein Bezug
    • Luna 26 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
Tempo und Grenzen
Vertrauen in Modelle
  1. SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 39 %einzelne zitierbare Belege
    • amos 42 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 44 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  2. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 47 %einzelne zitierbare Belege
    • JEV 37 %beantwortet teilweise oder widerspricht
    • amos 27 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 46 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung gleiches Oberthema, hilft nicht

Agenten und vernetzte Systeme
  1. SF-A1 Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
    • clef 100 %kein Bezug
    • Luna 66 %Hintergrund, keine Belege
    • JEV 32 %gleiches Oberthema, hilft nicht
    • amos 33 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung nur am Rande erwähnt
Beteiligung und Gemeinwohl
  1. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 44 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung kein Bezug
  2. SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 33 %einzelne zitierbare Belege
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →