OpenClaw entfernt 400.000 Zeilen Testcode mit spezialisiertem Agent-Skill

X-PostPeter SteinbergerNews

Peter Steinberger berichtet, dass das Open-Source-Projekt OpenClaw rund 400.000 Zeilen eigener Tests gelöscht hat, ohne die Testabdeckung nennenswert zu verändern. Ermöglicht wurde dies durch den Agent-Skill „test-audit“, der minderwertige, redundante oder stark an Implementierungsdetails gekoppelte Tests aufspürt.

Das Wichtigste

  1. OpenClaw entfernte etwa 400.000 Zeilen Testcode bei weitgehend unveränderter Code Coverage.
  2. Laut Steinberger neigen moderne KI-Modelle dazu, für jede kleinste Codeänderung Tests zu verfassen, selbst wenn diese keinen funktionalen Mehrwert bieten.
  3. Der Agent-Skill „test-audit“ arbeitet in drei Modi: Authoring Mode für neue Tests, Audit Mode für gezielte Bereinigungsläufe und Campaign Mode für die Bereinigung ganzer Subsysteme.
  4. Ein vorgeschaltetes Authoring Gate verlangt vor dem Erstellen eines Tests Antworten auf vier Kernfragen zu Verhalten, Regressionen, bestehender Abdeckung und unnötigen Test-Schnittstellen im Produktivcode.
  5. Der Leitfaden listet konkrete „Junk Patterns“ auf, darunter assertion-freie Tests, zirkuläre Mocks und Tests, deren einziger Zweck der Erhalt von Test-Wrappern oder totem Produktivcode ist.

Warum das relevant ist

KI-Modelle neigen bei der Softwareentwicklung dazu, Codebasen mit redundanten Tests aufzublähen, was Wartungsaufwand und Ausführungszeiten erhöht. Strukturierte Kriterienkataloge für Coding-Agents können helfen, Testsuiten schlank zu halten und den Fokus auf echtes Systemverhalten statt reine Zeilenabdeckung zu lenken.

Einordnung

Die Bereinigung bei OpenClaw verdeutlicht ein typisches Problem agentischer Programmierung: Modelle optimieren oft blind auf Code-Coverage-Metriken und erzeugen fragile Scheintests. Der im Repository hinterlegte Skill begegnet dem durch klare Ausschlusskriterien und bindet das Schreiben neuer Tests an den Nachweis konkreter Regressionsrisiken.

Original-Post

Peter Steinberger 🦞

@steipete · 24. September 2026

OpenClaw deleted around 400k LOC of its own tests without much change in code coverage. Modern models just love writing tests for every tiny change, even if they aren't useful. This skill helped. t.co/a1jSBpfpns

6673 Likes231 Antworten10.797 Lesezeichen1,3 Mio. Aufrufe

Auf X ansehen
Weitere Posts im Thread (3)
  1. @PavelVanchugov Google rejected the update and it’s stalling. Working on it.
  2. @bvirlet It’s not meant for humans.
  3. That /goal is still running.
Ausgewählte Antworten (5)
  • @ZainanZhou @steipete Bill Gates has a great analogy: "Measuring programming progress by lines of code is like measuring aircraft building progress by weight." Reducing the lines of code in testing is like reducing the weight of ... the hangar. Yeah maybe it's helpful but also doesn't makes sense to
  • @akshaymarch7 @steipete A useful follow-up would be to reintroduce a few previously fixed bugs and check whether the smaller suite still catches them. That would give me more confidence in the cleanup than the coverage number alone.
  • @gauravdhiman_ai @steipete How can you trust them now, that what they did is right .. when you earlier trusted them assuming what they did was right 😄 You are just driving the car blindly without knowing when it's going to get into an accident.
  • @ChristianLempa @steipete @NousResearch did it first 😜
  • @CycleOrpington @steipete All tests are useful t.co/wNjKWr7Eci

Erwähnte Links

Links und Tools aus diesem Beitrag

Zusammenfassung von KI erstellt (Gemini 3.8 Flash, 30. September 2026). Sie kann Fehler enthalten – maßgeblich ist die Originalquelle.

Ähnliche Einträge

Inhaltlich ähnlich, ermittelt über die KI-Suche.

  • X-Post:Peter Steinberger

    KI-Agenten mit messbaren Zielen für Test-Bereinigungen steuern

    Peter Steinberger empfiehlt, KI-Agenten bei Aufräumarbeiten keine vagen Anweisungen zu geben, da sie die Aufgabe sonst vorzeitig beenden. Stattdessen sollten präzise Zielvorgaben wie das Löschen von 20 Prozent der am wenigsten nützlichen Tests bei maximal zwei Prozent Abdeckungsverlust formuliert werden.

    515Lesezeichen102.657Aufrufe

    KI & AI· Meinung

  • X-Post:Miles Cranmer

    Ponytail: Agenten-Skill gegen überkomplexen Code

    Miles Cranmer empfiehlt das Open-Source-Projekt »ponytail« als effektives Prompting-Tool gegen überdimensionierten Code von KI-Agenten. Das System bringt Coding-Agenten dazu, minimale Lösungen wie native Plattformfunktionen zu bevorzugen, anstatt unnötige Bibliotheken und Wrapper zu erzeugen.

    1523Lesezeichen47.467Aufrufe

    KI & AI· Tool

  • X-Post:Peter Steinberger

    OpenClaw migriert Web-Frontend mit KI-Agenten von Lit zu Solid 2.0

    Peter Steinberger berichtet über die weitgehend automatisierte Migration des OpenClaw-Web-Frontends von Lit zu Solid 2.0. Der Umstieg dauerte etwa zwei Wochen, umfasste rund 600 Pull Requests und erforderte nur minimale manuelle Eingriffe.

    322Lesezeichen113.170Aufrufe

    KI & AI· Ankündigung

  • X-Post:Juampi

    Übersicht von Anti-Slop-Skills für KI-gestützte Code-Bereinigung

    Juampi stellt eine kuratierte Liste von Skills für KI-Codierungsassistenten vor, die darauf abzielen, minderwertigen oder überflüssigen KI-generierten Code («Slop») zu erkennen und zu bereinigen.

    3329Lesezeichen175.570Aufrufe

    KI & AI· Sammlung

  • Repository:DietrichGebert/ponytail

    Ponytail: Agent-Regeln gegen Over-Engineering beim KI-gestützten Coden

    Ponytail ist ein Open-Source-Tool und Agent-Skill, das KI-Assistenten dazu bringt, minimalistischen Code nach dem YAGNI-Prinzip zu schreiben. Es soll unnötigen Code reduzieren und die Entwicklung mit Coding-Agenten wie Claude Code oder Cursor beschleunigen und verbilligen.

    127.097SterneJavaScript

    KI & AI· Tool

  • Artikel:Nate

    Agent Skills prüfen: Warum geteilte Workflows oft enttäuschen

    Wer fertige Agent Skills in Tools wie Claude Code oder Codex installiert, übernimmt ungeprüft fremde Qualitätsstandards und Arbeitsweisen. Zu viele Skills führen zudem zu Abstrichen bei der Modellleistung.

    KI & AI· Sammlung

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.