lab: code-miner / repo context / LLM handoff
Kontext: LLMs helfen im Code, wenn sie den richtigen Kontext bekommen. Ein großes Projekt kann man aber nicht einfach komplett in einen Prompt legen: zu viel Rauschen, zu wenig Struktur.
Problem: String-Suche findet Treffer, erklärt aber nicht das System. Für eine Aufgabe sind Entrypoints, Ownership-Grenzen, verwandte Models, Migrations, Side Effects und Tests wichtiger, die Verhalten wirklich absichern.
Ansatz: code-miner sollte eine Karte bauen: Routes, Controller, Models, Views, Assets, Commands, Config und letzte verwandte Änderungen. Das Ergebnis ist ein kompaktes Context Pack für LLM oder Mensch.
Fazit: Die Qualität von AI-Hilfe in Entwicklung hängt oft weniger am Modell und mehr an der Verpackung des Kontexts. Ein gutes Pack senkt Halluzinationen und beschleunigt Reviews.
Nächster Schritt: Dateien nach Nähe zur Aufgabe ranken und automatisch Fragen erzeugen, wenn Kontext fehlt.