AGENTS.md wie ein neuronales Netz trainieren: Kun Chens Methode für Agent-Konfigurationsdateien

X-PostKun ChenMeinung

Kun Chen schlägt ein neues Paradigma zur Pflege von AGENTS.md- und CLAUDE.md-Dateien vor: Während benutzerweite Dateien mit persönlichen Präferenzen manuell geschrieben werden sollten, seien projektbezogene Konfigurationen wie neuronale Netze zu behandeln – mit Token-Budget und Gradientenabstieg auf Basis echter Session-Logs.

Das Wichtigste

  1. Typische Fehlzustände älterer Memory-Dateien: leer, überladen (900 Zeilen voller Ad-hoc-Regeln), veraltet oder widersprüchlich (Drift zwischen CLAUDE.md und AGENTS.md).
  2. Trennung in zwei Ebenen: Die globale Datei (User-Level) enthält unveränderliche persönliche Arbeitsprinzipien und wird manuell verfasst.
  3. Die Projektdatei fungiert wie ein neuronales Netz (Gewichte): Jede Agent-Session ist ein Forward Pass, Abweichungen vom Wunschergebnis bilden den Loss.
  4. Der Backward Pass erfolgt durch systematische Auswertung von Session-Transkripten (z. B. aus Claude Code, Cursor oder Codex) statt durch anekdotische Einzelkorrekturen.
  5. Ein festes Token-Budget erzwingt das Konsolidieren und Löschen irrelevanter Anweisungen, um Verwässerung von Prompts zu verhindern.

Warum das relevant ist

Viele Teams füllen AGENTS.md-Dateien inkrementell bei jedem Fehler eines Coding-Agenten, bis das Context Window unnötig belastet wird und Regeln ignoriert werden. Die Betrachtung als parametrisiertes System mit Batch-Updates aus Logdaten bietet einen strukturierten Ausweg aus unkontrolliertem Prompt-Wachstum.

Einordnung

Chen überträgt Prinzipien des maschinellen Lernens pragmatisch auf das Prompt Engineering im Projektalltag. Statt nach jedem Agent-Ausrutscher reflexartig neue Verbote in Markdown-Dateien anzuhängen, plädiert er für datengetriebene Wartung: Da moderne Agent-Harnesses wie Claude Code oder Cursor ohnehin Transkripte speichern, liefern diese den konkreten Beleg für tatsächliche Reibungspunkte und veraltete Annahmen. Das strikte Festhalten an einem Größenbudget zwingt zudem zur kontinuierlichen Bereinigung veralteter Vorgaben.

Original-Post

Kun Chen

@kunchenguid · 23. August 2026

many people asked me how to write CLAUDE.md or AGENTS.md, and i see lots of bad advice flying around so i took some time to write down a guide in t.co/QLAWfVhCFV tl;dr - handwrite your user level AGENTS.md - for project level ones, you don't write it. you train it like

1309 Likes50 Antworten2756 Lesezeichen93.549 Aufrufe

Auf X ansehen

Erwähnte Links

Links und Tools aus diesem Beitrag

Zusammenfassung von KI erstellt (Gemini 3.8 Flash, 27. September 2026). Sie kann Fehler enthalten – maßgeblich ist die Originalquelle.

Ähnliche Einträge

Inhaltlich ähnlich, ermittelt über die KI-Suche.

  • Artikel:Kun Chen

    AGENTS.md wie ein neuronales Netz trainieren: Kun Chen stellt Backpass vor

    Kun Chen schlägt vor, projektbezogene Instruktionsdateien wie AGENTS.md oder CLAUDE.md als neuronales Netz zu behandeln. Anstatt Regeln ad hoc manuell hinzuzufügen, nutzt er ein Gradientenabstiegs-Verfahren auf Basis echter Session-Transkripte, implementiert im Open-Source-Tool backpass.

    KI & AI· Tool

  • X-Post:Kun Chen

    backpass: Gradientenabstieg für AGENTS.md und CLAUDE.md

    Kun Chen empfiehlt, Konfigurationsdateien wie CLAUDE.md oder AGENTS.md nach einem Wechsel auf neuere Modelle nicht sofort manuell neu zu verfassen. Stattdessen sollten Entwickler bestehende Regeln weiterverwenden und mit dem Open-Source-Tool backpass schrittweise auf Basis realer Sitzungstranskripte optimieren.

    633Lesezeichen57.166Aufrufe

    KI & AI· Tool

  • X-Post:Kun Chen

    Optimierung von KI-Skills durch Backward Pass auf Transkripten

    Kun Chen schlägt vor, Memory- und Skill-Dateien von KI-Assistenten systematisch mittels eines sogenannten Backward Pass zu optimieren. Statt auf Einzelfälle zu reagieren, sollen größere Mengen vergangener Session-Transkripte analysiert und Fehlerquellen destilliert werden.

    378Lesezeichen9498Aufrufe

    KI & AI· Diskussion

  • Artikel:Anthropic

    Wie Claude Code Kontext speichert: CLAUDE.md und Auto Memory erklärt

    Anthropic dokumentiert das Speichersystem von Claude Code. Da jede Sitzung mit einem leeren Kontextfenster startet, greift das CLI-Tool auf zwei Mechanismen zurück: manuell definierte CLAUDE.md-Dateien für persistente Regeln und Auto Memory für automatische Notizen aus Nutzerkorrekturen.

    KI & AI· Sammlung

  • Repository:kunchenguid/backpass

    backpass: Gradientenabstieg für Agent-Memory und AGENTS.md

    backpass ist ein Open-Source-CLI-Tool, das lokale Transkripte von KI-Coding-Sessions analysiert und evidenzbasierte Optimierungen für AGENTS.md oder CLAUDE.md vorschlägt.

    776SterneJavaScript

    KI & AI· Tool

Zurück zur Wissensbasis

Lassen Sie uns über Ihr Projekt sprechen

Kontakt aufnehmen

Standorte

  • Mattersburg
    Johann Nepomuk Bergerstraße 7/2/14
    7210 Mattersburg, Austria
  • Wien
    Ungargasse 64-66/3/404
    1030 Wien, Austria

Dieser Inhalt wurde teilweise mithilfe von KI erstellt.