Context Engineering: Warum Prompts verblassen und Kontext-Loops übernehmen

X-Postvartekx16. August 2026Sammlung

In einem Beitrag und Leitfaden skizziert vartekx den Wechsel von einfachem Prompt Engineering zu Context- und Loop-Engineering. Gestützt auf Konzepte von Andrej Karpathy und Boris Cherny sowie eine Demonstration zweier Anthropic-Entwickler wird dargelegt, wie die gezielte Steuerung des Kontextfensters robuste, selbstkorrigierende Agenten ermöglicht.

Das Wichtigste

Software 3.0 nach Karpathy: Das Sprachmodell fungiert als CPU, während das Kontextfenster der Arbeitsspeicher (RAM) ist, der gezielt kuratiert werden muss.
Vier Kernoperationen: Write (Persistierung außerhalb des Fensters, z. B. CLAUDE.md), Select (gezieltes Abrufen relevanter Daten), Compress (Verdichten alter Historie) und Isolate (Kontext-Firewalls für Teilaufgaben).
Context Rot vermeiden: Unstrukturierte oder überladene Kontextfenster senken die Trefferquote desselben Modells drastisch, da das Signal-Rausch-Verhältnis kippt.
Vom Prompt zum Loop: Claude-Code-Schöpfer Boris Cherny plädiert für das Entwerfen kontinuierlicher Schleifen, die Agenten autonom steuern und Verbesserungen einpflegen.
Anthropic-Session: Entwickler zeigen Agenten, die über Sitzungsgrenzen hinweg ein Gedächtnis behalten, Fehler abfangen und über nächtliche Prozesse ('Dreaming') lernen.

Warum das relevant ist

Die reine Modellwahl verliert in der Praxis an Bedeutung gegenüber der Frage, welche Daten zum Ausführungszeitpunkt im Prompt-Fenster liegen. Entwickler von KI-Agenten müssen Kontext dynamisch verwalten, isolieren und persistieren, um halluzinationsarme und kontinuierlich arbeitende Systeme zu betreiben.

Einordnung

vartekx fasst zwei zentrale Strömungen der KI-Entwicklung des Jahres 2026 zusammen: Karpathys theoretisches RAM-Modell und Cherneys praxisnahes Loop-Konzept aus Claude Code. Die Botschaft ist eindeutig: Wer Agenten produktiv einsetzen will, muss den Zustand auslagern, Subagenten isolieren und Historie komprimieren, anstatt an einzelnen Prompts zu feilen.

Original-Post

vartekx

@vartekxx · 16. August 2026

Anthropic engineer: "You don't need better prompts, you need context engineering that makes agents remember everything." In 30 minutes two Anthropic engineers show how agent-building has evolved. Then they build agents from scratch that recover from failures, remember across t.co/wZJFjUdMPn t.co/4eAXalb6NS

60 Likes13 Antworten59 Lesezeichen6458 Aufrufe

Auf X ansehen

Weitere Posts im Thread (5)

@0xCarnagee appreciate it man! glad to hear that
@0xRafy haha true man, def worth learning it
@jurlycat knowing what to forget is the real challenge
@choopyplug1 yeah, agents improving while you sleep is wild
@brainrulax facts bro, i never miss the context part

Ausgewählte Antworten (5)

@DanielMiessler @vartekxx Stolen Authority post. The person you linked to didn’t endorse this content. It’s your content appended to look as if they did. Shame.
@0xCarnagee @vartekxx context engineering is the real key, alpha article
@0xRafy @vartekxx i dont know how people still build without context, its gem
@jurlycat @vartekxx the hard part will be deciding which memories deserve to survive a failed run
@choopyplug1 @vartekxx the dreaming part is next level stuff

Erwähnte Links

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

Inhaltlich ähnlich, ermittelt über die KI-Suche.

Artikel:Anthropic5. Sep. 2026
Context Engineering fuer KI-Agenten: Strategien fuer den Attention-Budget-Umgang
Anthropic beschreibt den Wandel vom reinen Prompt Engineering hin zum umfassenden Context Engineering fuer autonome KI-Agenten. Da das Kontextfenster von Sprachmodellen durch transformer-bedingte Aufmerksamkeitsgrenzen limitiert ist, muessen Tokens gezielt kuratiert und dynamisch nachgeladen werden.
KI & AI· Sammlung
X-Post:Mahax10. Sep. 2026
Anthropic-Workshop zu Agentic Loops und autonomer Softwareentwicklung
Mahax empfiehlt einen einstündigen Workshop von Anthropic über die Entwicklung mit KI im Jahr 2026 und verweist auf einen eigenen Leitfaden zu Agenten, Loops und Graphen.
493Lesezeichen45.413Aufrufe
KI & AI· Sammlung
Artikel:Thariq Shihipar9. Sep. 2026
Neue Regeln für Context Engineering bei Claude 5
Anthropic-Entwickler Thariq Shihipar beschreibt, wie das Team den System-Prompt von Claude Code für Claude 5-Modelle um über 80 Prozent reduzierte. Moderne LLMs wie Claude Opus 5 und Claude Fable 5 benötigen weniger starre Regeln und Beispiele. Stattdessen setzen Entwickler verstärkt auf sauberes Schnittstellendesign, progressive Offenlegung von Kontext und dynamische Referenzen.
KI & AI· Meinung
X-Post:Mahax6. Aug. 2026
Von einfachen Prompts zu Loops und Graphs in KI-Workflows
Unter Berufung auf Andrew Ng argumentiert Mahax, dass einfaches Prompting durch agentische Loops und Graphs abgelöst wird. Ein begleitender Leitfaden erläutert die Funktionsweise von Agents, iterativen Prüfschleifen und vernetzten Abhängigkeiten am Beispiel von Claude.
11.832Lesezeichen1 Mio.Aufrufe
KI & AI· Sammlung
Link:IndyDevDan5. Sep. 2026
Tactical Agentic Coding: Weiterentwicklung vom Prompting zum Agentic Engineering
Mit dem Kursangebot Tactical Agentic Coding (TAC) propagiert der Entwickler IndyDevDan den Übergang vom interaktiven KI-Coding hin zu vollautonomen Agenten-Pipelines. Statt kontinuierlich im Prompting-Kreislauf („In the Loop“) zu verweilen, sollen Software-Entwickler lernen, deterministischen Code mit nicht-deterministischen KI-Agenten wie Claude Code zu kombinieren, um autonome Entwicklungsabläufe („Out of the Loop“) zu etablieren.
KI & AI· Sammlung
Artikel:Anthropic5. Sep. 2026
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