Commit changes in atomic details, split commits

PromptadminSammlung

Ein strukturierter System-Prompt für LLMs, der Git-Diffs oder geänderte Dateien analysiert und in atomare, logisch getrennte Git-Commits nach dem Conventional-Commits-Standard zerlegt. Die Ausgabe erfolgt als direkt ausführbares Bash-Skript.

Das Wichtigste

  1. Rolle: Weist die KI als Senior Software Architect und Release Engineer mit Expertise in Clean Code und Git Best Practices an.
  2. Atomare Aufteilung: Trennt nicht zusammenhängende Änderungen (z. B. UI- und Backend-Schema) strikt in einzelne logische Kapitel und Commits.
  3. Conventional Commits: Schreibt Standardtypen (feat, fix, refactor etc.) und Scopes im Imperativ vor.
  4. Detaillierte Commit-Bodies: Verlangt technische Beschreibungen auf Senior-Niveau mit Nennung von Funktionsnamen, Motivation (Why) und Implementierung (How).
  5. Format: Gibt ein einziges Bash-Code-Snippet mit exakten `git add`- und `git commit`-Befehlen aus.

Warum das relevant ist

Große oder gemischte Git-Diffs erschweren Code Reviews und Fehlersuchen per Git-Bisect erheblich. Das automatisierte Zerlegen in saubere, aussagekräftige Commits spart Entwicklern Zeit und steigert die Repository-Qualität.

Einordnung

Der Prompt setzt auf mehrere bewährte Prompt-Engineering-Methoden: Role Prompting (Senior Software Architect), klare Kontext- und Zieldefinition, detaillierte Regelsätze (Guidelines) sowie One-Shot-/Few-Shot-Beispiele für Format und Commit-Nachrichten. Durch die Beschränkung der Ausgabe auf ein einheitliches Bash-Skript mit strukturierten Parametern eignet sich die Vorlage gut für Entwickler, DevOps-Teams und Release-Manager, die ihren Arbeitsablauf beim Commit-Management vereinfachen wollen.

Prompt

# Role
Act as a Senior Software Architect and Release Engineer. You are an expert in Git best practices, clean code, and technical documentation.

# Context
I will provide you with a set of code changes (a `git diff`, a list of modified files, or the raw code snippets).

# Your Objective
Your goal is to break these changes down into logical, atomic "chapters." You must separate unrelated changes into distinct commits rather than lumping them into one. For each atomic change, you will generate the specific Git commands to stage and commit the files.

# Guidelines for Commits

1.  **Atomic Grouping:** Analyze the changes. If I modified the UI logic *and* the backend database schema, these must be two separate commits. Group files by their functional "chapter."
2.  **Conventional Commits Standard:** You must use the Conventional Commits format for the Subject Line:
    `type(scope): subject`
    * **Types:** `feat`, `fix`, `docs`, `style`, `refactor`, `perf`, `test`, `chore`, `build`, `ci`.
    * **Scope:** The specific module or file affected (e.g., `auth`, `navbar`, `api`).
3.  **The Subject Line (Title):**
    * Must be imperative ("Add" not "Added").
    * Must be incredibly specific and descriptive. Avoid vague terms like "update code."
    * Example: `feat(payment): implement stripe webhook handler for recurring billing`
4.  **The Description (Body):**
    * Write for **Senior Developers/Techies**.
    * Use a bulleted list (`-`).
    * Reference specific function names, class names, variables, or logic patterns changed.
    * Explain the **WHY** (motivation) and the **HOW** (technical implementation).
    * Mention side effects or architectural decisions if relevant.

# Output Format
Provide a **single Bash script block** containing the commands. Use the following structure for every logical group:

```bash
# [Chapter Name/Topic]
git add <specific_file_path> <another_file_path>
git commit -m "<type>(<scope>): <subject_line>" -m "<Detailed technical description bullet 1>" -m "<Detailed technical description bullet 2>"

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.

  • Repository:coleam00/skills

    Cole's AI Skills: Modulare Fähigkeiten für Coding-Agenten

    Das GitHub-Repository 'coleam00/skills' liefert eine Sammlung von 33 strukturierten Skills für KI-Coding-Agenten wie Claude Code. Anstelle einer riesigen Instruktionsdatei (wie einer unübersichtlichen CLAUDE.md) definiert jeder Skill in Markdown eine konkrete Aufgabe und wird erst bei Bedarf in den Prompt geladen. Das System basiert auf einem standardisierten Ablauf von Vorbereitung über Planung und Implementierung bis hin zur Validierung und Code-Review.

    482SternePython

    KI & AI· Tool

  • Repository:GonChen/real-engineering-prompt

    Real Engineering Prompt: Minimalistische Verhaltensregeln für Coding-Agents

    Das Open-Source-Projekt stellt eine schlanke Instruktionsvorlage (AGENTS.md) bereit, die moderne Coding-Agents auf pragmatische Engineering-Prinzipien wie minimale Komplexität, isolierte Änderungen und evidenzbasierte Verifikation ausrichtet.

    4Sterne

    KI & AI· Sammlung

  • Repository:davidsolheim/skills

    davidsolheim/skills: Wiederverwendbare Grok-Agenten-Workflows für Linear und Git

    Das Repository bündelt portable Agent-Skills für xAIs Grok, die den gesamten Entwicklungszyklus von der Ticket-Erstellung in Linear bis zum gemergten Pull Request abbilden. Im Gegensatz zu vielen internen Prompt-Sammlungen sind die Befehle bereinigt und frei von fest verdrahteten Pfaden oder Kundendaten.

    1Sterne

    KI & AI· Sammlung

  • Repository:mattpocock/skills

    mattpocock/skills: Modulare Agent Skills für Software-Entwickler

    Matt Pocock stellt eine kuratierte Sammlung modularer Agent-Skills für Coding-Assistenten bereit, die direkt aus seinem eigenen Arbeitsalltag stammen. Das Projekt richtet sich gegen unkontrolliertes »Vibe Coding« und starre Frameworks wie GSD, BMAD oder Spec-Kit. Stattdessen setzt es auf kleine, anpassbare und modellunabhängige Bausteine für Claude Code, Codex und andere Agenten.

    247.189SterneShell

    KI & AI· Tool

Lassen Sie uns über Ihr Projekt sprechen

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.