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

ArtikelAnthropicSammlung

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.

Das Wichtigste

  1. Zwei Speicherebenen: CLAUDE.md für manuelle Vorgaben und Auto Memory für Notizen, die Claude selbstständig aus Feedback generiert (bis zu 200 Zeilen bzw. 25 KB).
  2. Hierarchische Konfiguration: Anweisungen können global auf Organisationsebene, nutzerweit (~/.claude/CLAUDE.md), im Repository (./CLAUDE.md) oder lokal ignoriert (CLAUDE.local.md) abgelegt werden.
  3. Keine erzwungene Durchsetzung: Beide Mechanismen gelten für das Modell als semantischer Kontext; harte Aktionsblockaden erfordern PreToolUse-Hooks.
  4. Best Practices für Regeln: Empfohlen werden maximal 200 Zeilen pro Datei, präzise und überprüfbare Anweisungen sowie der Verzicht auf widersprüchliche Direktiven.
  5. Modularität und Interoperabilität: Externe Dateien lassen sich per @-Syntax bis zu vier Ebenen tief importieren; bestehende Formate wie AGENTS.md, Cursor- oder Copilot-Regeln können via /init und /import eingebunden werden.

Warum das relevant ist

Bei der agentenbasierten Softwareentwicklung ist persistenter Kontext entscheidend, um wiederholte Korrekturen zu vermeiden und Projektstandards teamweit durchzusetzen. Die Aufteilung in statische Richtlinien und dynamisches Lernen verdeutlicht, wie LLM-Entwicklungswerkzeuge Kontextmanagement pragmatisch strukturieren.

Einordnung

Anthropic trennt bewusst zwischen deterministischer Regelverwaltung und lernfähigem Assistentenverhalten. Da CLAUDE.md-Dateien Token-Budget im Prompt verbrauchen, setzt das System auf Modularität und On-Demand-Laden statt monolithischer Prompt-Dateien. Die explizite Sicherheitsabfrage bei externen Dateireferenzen verhindert zudem, dass manipulierte Repositories unbemerkt Daten ausserhalb des Projektordners in den Modellkontext schleusen.

Erwähnte Links

Gefunden in

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:Rui Sousa, Luis Sousa

    Tutorial: CLAUDE.md für Claude Code gezielt konfigurieren

    Rui und Luis Sousa beschreiben ein System, um Claude Code über eine zentrale Datei namens CLAUDE.md dauerhaft mit Geschäftskontext auszustatten. Ziel ist es, den wiederholten Erklärungsaufwand zu Beginn neuer Arbeitssitzungen zu vermeiden.

    KI & AI· Anleitung

  • Artikel:Anthropic

    Claude Code mit Skills erweitern: Architektur und Best Practices

    Anthropic dokumentiert das Skill-System für Claude Code. Entwickler können Arbeitsabläufe, Workflows und wiederkehrende Prompts über SKILL.md-Dateien definieren, die auf dem offenen Agent-Skills-Standard basieren und dynamische Kontext-Injektion sowie Subagenten unterstützen.

    KI & AI· Tool

  • Repository:thedotmack/claude-mem

    claude-mem: Persistentes Sitzungsgedächtnis für KI-Agenten

    Das Open-Source-Projekt claude-mem (auch unter dem Namen Grok Mem geführt) erfasst Aktionen und Kontext von KI-Agenten während laufender Sitzungen. Es komprimiert diese Daten mittels KI und speist relevante Kontexte automatisch in spätere Sessions ein.

    93.098SterneJavaScript

    KI & AI· Tool

  • Link:Anthropic

    Anthropic Claude Code: Agentisches Coding im Terminal und in IDEs

    Anthropic stellt Claude Code vor, einen KI-Coding-Agenten für Terminal, IDEs, Web und Slack. Das Tool liest Codebasen per agentischer Suche ein, führt Multi-File-Edits durch, führt Tests aus und erstellt Pull Requests direkt aus der Arbeitsumgebung heraus.

    KI & AI· Tool

  • Repository:anthropics/claude-code

    Claude Code: Terminal-basiertes Agenten-Tool für Softwareentwicklung

    Claude Code von Anthropic ist ein agentenbasiertes Coding-Werkzeug für das Terminal. Es analysiert bestehenden Code, erledigt Routineaufgaben, erklärt komplexe Logik und steuert Git-Abläufe über natürliche Sprachanweisungen.

    144.128SternePython

    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.