# vasilopoulos-codified-context-infrastructure-ai-agents-2026-02-24

## Veille

Kodifizierte Kontextinfrastruktur für KI-Agenten: 3-Ebenen-Architektur, persistenter Speicher, 283 Sitzungen, MCP, spezialisierte Agenten, komplexe Codebasis

## Titre Article

Codified Context: Infrastructure for AI Agents in a Complex Codebase

## Date

2026-02-24

## URL

https://arxiv.org/html/2602.20478v1

## Keywords

kodifizierter Kontext, KI-Agenten-Infrastruktur, persistenter Speicher, 3-Ebenen-Architektur, Constitution, spezialisierte Agenten, Wissensdatenbank, MCP, Model Context Protocol, Claude Code, KI-gestützte Entwicklung, Spezifikationen, Dokumentationspflege, Expertise-Routing, Entwicklungssitzungen, C#, verteiltes System

## Authors

Aristidis Vasilopoulos (Chercheur indépendant, USA)

## Ton

**Profil**: Perspektive eines unabhängigen Forscher-Praktikers, rigoroses akademisches Register, fortgeschrittenes Niveau

**Beschreibung**: Vasilopoulos übernimmt den Ton eines empirischen Forschungspapiers mit Abstract, Methodik, quantitativen Ergebnissen und expliziten Einschränkungen. Der Stil ist methodisch und ehrlich, räumt Verzerrungen ein (Einzelentwickler, Einzelprojekt, beobachtend) und präsentiert zugleich beeindruckende konkrete Daten (283 Sitzungen, 2.801 Prompts, 16.522 autonome Turns). Der Autor vermeidet einen evangelistischen Ton und zieht beobachtende Fallstudien kategorischen Behauptungen vor. Der Wortschatz speist sich aus der Softwarearchitektur (Ebenen, Hot/Cold Memory, Routing) und der Forschung (Störfaktoren, quantitative Kennzahlen). Die Zielgruppe besteht aus Entwicklern, die KI-Agenten bei komplexen Projekten einsetzen, sowie Forschern im Bereich KI-gestützter Softwaretechnik.

## Pense-betes

- **Fundamentales Problem**: LLM-Agenten fehlt ein persistenter Speicher über Sitzungen hinweg. Sie verlieren die Projektkohärenz und wiederholen dieselben Fehler. Dasselbe Problem wird von CLAUDE.md, AGENTS.md und Patrick Debois' Context Development Lifecycle adressiert.
- **3-Ebenen-Architektur**:
- **Ebene 1 — Constitution (Hot Memory)**: Eine einzige 660-zeilige Markdown-Datei, stets geladen. Namenskonventionen, Build-Befehle, Architekturmuster, bekannte Fehlermodi, Routing-Tabellen zu spezialisierten Agenten.
- **Ebene 2 — Spezialisierte Agenten (Domain Experts)**: 19 Agenten-Spezifikationen (9.300 Zeilen). Mehr als die Hälfte des Inhalts besteht aus Fakten, Formeln, Mustern und Fehlermodi der Codebasis — nicht aus Verhaltensanweisungen.
- **Ebene 3 — Knowledge Base (Cold Memory)**: 34 bedarfsweise abrufbare Spezifikationsdokumente (16.250 Zeilen), abgerufen über einen MCP-Server.
- **Beeindruckende Kennzahlen**: 283 Sitzungen über 70 Tage, 2.801 menschliche Prompts, 1.197 Agenten-Aufrufe, 16.522 autonome Turns. Die Kontextinfrastruktur macht 24,2 % der Gesamtdokumentation aus.
- **Sitzungsmuster**: 87 % ad hoc mit optionalen Spezialisten-Agenten, 13 % strukturiert (Plan-Ausführung-Review). Über 80 % der Prompts umfassen weniger als 100 Wörter — vorab geladener Kontext reduziert den Erklärungsbedarf.
- **Am häufigsten aufgerufene Agenten**: Code Reviewer (154 Aufrufe), network-protocol-designer (85). Zeigt, dass die primären Anwendungsfälle Qualitätskontrolle und domänenspezifische Korrektur sind.
- **4 Fallstudien**: 1. Backup-System: 283-zeilige Spezifikation, referenziert in 74 Sitzungen → null Korruptionsfehler 2. UI-Synchronisation: Dokumentation manuell entdeckter Muster → Erfolg im ersten Versuch beim nachfolgenden Feature 3. Drop-System: Spezifikationserstellung vor Refactoring → Beschleunigung Dutzender nachfolgender Interaktionen 4. Deterministischer RNG: 915-zeiliger Agent mit Determinismus-Theorie → Identifikation von 3 subtilen Fehlern nach 5 gescheiterten Versuchen
- **6 Leitlinien für die Praxis**: 1. Eine grundlegende Constitution liefert ab Tag 1 substanzielle Verbesserungen 2. Planungs-Agenten sollten erforderliche Spezifikationen und Spezialisten automatisch zutage fördern 3. Trigger-Tabellen kodieren Expertise-Routing 4. Wiederholte Erklärungen signalisieren die Notwendigkeit, eine Spezifikation zu erstellen 5. Die Erstellung spezialisierter Agenten löst festgefahrene Sitzungen 6. Veraltete Spezifikationen führen aktiv in die Irre (primärer Fehlermodus)
- **Wartungskosten**: ~5 Min. pro betroffener Sitzung + zweiwöchentliches 30–45-minütiges Review = 1–2 Std./Woche
- **Kumulierendes Wissen**: Jedes dokumentierte Subsystem beschleunigt nicht nur seine eigenen künftigen Änderungen, sondern auch jedes benachbarte Feature, das davon abhängt. Anknüpfung an Patrick Debois' Konzept des "Context Flywheel".
- **Starker Bezug zum Veille-Korpus**: Dieser Artikel ist die empirische, quantifizierte Version dessen, was Debois (CDLC, Context Flywheel), Anthropics Skills, CLAUDE.md und der spezifikationsgetriebene Ansatz beschreiben. Wohl das datenreichste Papier zu diesem Thema.

## RésuméDe400mots

Aristidis Vasilopoulos stellt eine **kodifizierte Kontext**-Infrastruktur vor, die bei der Entwicklung eines 108.000 Zeilen umfassenden verteilten C#-Systems entstand und ein fundamentales Problem adressiert: LLM-Agenten fehlt ein persistenter Speicher über Sitzungen hinweg, wodurch sie die Projektkohärenz verlieren und Fehler wiederholen.

Die Architektur ist in **drei Ebenen** gegliedert. Ebene 1 (Constitution) ist eine einzige 660-zeilige Markdown-Datei, die stets im Speicher geladen ist und Konventionen, Muster, Fehlermodi sowie Routing-Tabellen zu spezialisierten Agenten kodiert. Ebene 2 umfasst 19 spezialisierte Agenten (9.300 Zeilen), die als Domänen-Priming-Mechanismen fungieren — mehr als die Hälfte ihres Inhalts besteht aus Fakten zur Codebasis statt aus Verhaltensanweisungen. Ebene 3 ist eine Wissensdatenbank aus 34 Dokumenten (16.250 Zeilen), die bei Bedarf über einen **MCP**-Server (Model Context Protocol) abgerufen werden.

Die quantitative Auswertung umfasst **283 Sitzungen** über 70 Tage, 2.801 menschliche Prompts, die 1.197 Agenten-Aufrufe und 16.522 autonome Turns erzeugten. Die Kontextinfrastruktur macht 24,2 % der Gesamtdokumentation aus. 87 % der Sitzungen sind ad hoc, 13 % strukturiert (Plan-Ausführung-Review). Über 80 % der Prompts umfassen weniger als 100 Wörter, was zeigt, dass vorab geladener Kontext den Erklärungsbedarf erheblich reduziert.

Vier **beobachtende Fallstudien** veranschaulichen den Nutzen des Systems. Eine 283-zeilige Backup-Spezifikation, referenziert in 74 Sitzungen, führte zu null Korruptionsfehlern. Die Dokumentation von UI-Synchronisationsmustern ermöglichte den Erfolg im ersten Versuch beim nachfolgenden Feature. Die Erstellung einer Spezifikation vor einem Drop-System-Refactoring beschleunigte Dutzende nachfolgender Interaktionen. Ein 915-zeiliger Netzwerk-Agent identifizierte drei subtile Synchronisationsfehler, die fünf vorangegangenen Versuchen widerstanden hatten.

Der Autor schlägt **sechs Leitlinien** vor: Eine grundlegende Constitution liefert sofortige Gewinne; Planungs-Agenten sollten erforderliche Spezifikationen automatisch zutage fördern; Routing-Tabellen ersetzen menschliches Gedächtnis; wiederholte Erklärungen signalisieren die Notwendigkeit, eine Spezifikation zu erstellen; spezialisierte Agenten lösen festgefahrene Sitzungen; und veraltete Spezifikationen stellen den primären Fehlermodus dar.

Die Wartungskosten werden auf 1–2 Stunden pro Woche geschätzt. Der Artikel zeigt, dass dokumentiertes Wissen **kumuliert**: Jedes dokumentierte Subsystem beschleunigt sowohl seine eigenen künftigen Änderungen als auch jedes benachbarte Feature, das davon abhängt. Der Autor räumt Einschränkungen ein (Einzelentwickler, beobachtend), liefert jedoch eine der detailliertesten quantitativen Auswertungen KI-agentengestützter Entwicklung an einem realen, komplexen Projekt.

## GrapheDeConnaissance

- Aristidis Vasilopoulos —a_créé→ infrastructure contexte codifié (METHODOLOGIE, 0.98)
- infrastructure contexte codifié —utilise→ Claude Code (TECHNOLOGIE, 0.97)
- infrastructure contexte codifié —utilise→ Model Context Protocol (TECHNOLOGIE, 0.97)
- conventions, patterns, tables routage —fait_partie_de→ Tier 1 Constitution (CONCEPT, 0.96)
- 19 spécifications domain experts —fait_partie_de→ Tier 2 Agents spécialisés (CONCEPT, 0.96)
- Tier 3 Knowledge Base —utilise→ serveur MCP (TECHNOLOGIE, 0.95)
- infrastructure contexte codifié —améliore→ cohérence agents IA entre sessions (CONCEPT, 0.95)
- specs obsolètes —réduit→ qualité output agents IA (CONCEPT, 0.93)
- connaissance documentée —améliore→ productivité développement agentique (CONCEPT, 0.92)
- infrastructure contexte codifié —est_basé_sur→ architecture 3 tiers hot/warm/cold (CONCEPT, 0.95)
- Aristidis Vasilopoulos —affirme_que→ constitution basique améliore output dès jour 1 (AFFIRMATION, 0.94)
- Tier 2 Agents spécialisés —fait_partie_de→ infrastructure contexte codifié (METHODOLOGIE, 0.96)

---
Canonical: https://www.thekb.eu/de/fiches/vasilopoulos-codified-context-infrastructure-ai-agents-2026-02-24/