PathruleDie Kontextschicht
für KI-Coding.
Eine Kontextschicht indexiert die Memories, Regeln und Skills eines Teams nach Pfad und liefert den Agenten, die das Team nutzt, nur den Ausschnitt, der gilt, und zwar vor dem ersten Tool-Aufruf. Hier sind die fünf Wege, wie Teams das umsetzen, und wie du erkennst, welcher passt.
Ohne Kontextschicht
- Der Assistent öffnet das Bestellmodul, liest das Schema, folgt den Imports in Preisberechnung und Steuern und liest den Rabatt-Handler, um herzuleiten, wo ein Gutschein ansetzt.
- Er schreibt eine plausible Änderung, die den Rabatt an die Bestellsumme hängt. Der Diff kompiliert und ist genau auf die Weise falsch, die das Team schon kennt.
- Ein Reviewer bemerkt es, erklärt die Positions-Konvention noch einmal, und die Schleife beginnt von vorn. Das Wissen bleibt im Kopf einer Person.
- Viele gelesene Dateien, viele Tool-Aufrufe, ein langes Eingabefenster und ein Irrweg, der einen Review-Zyklus kostet.
Mit Kontextschicht
- Der passende Ausschnitt für den Bestellpfad kommt zum Hook-Zeitpunkt an, vor dem ersten Tool-Aufruf. Das Modell weiß schon, dass Gutscheine an der Position hängen.
- Er wendet den Rabatt im ersten Durchgang auf die Position an, weil die Regel im Kontext war, bevor er anfing.
- Eine strikte Regel kann eine Änderung, die den Rabatt an der falschen Stelle ansetzt, blockieren, bevor sie landet, sodass die Korrektur vor dem Review passiert, nicht danach.
- Ein kurzes, fokussiertes Kontextfenster und eine gezielte Änderung, weil nur die Regeln für diesen Pfad eingespeist wurden.
Fünf Wege, einem Agenten Kontext zu geben.
- Anweisungsdateien
- wähle es, wenn
- Eine Person, ein Repository, wenige Konventionen
- Wissen kommt an
- In jeder Runde, alles
- übersteht einen Tool-Wechsel
- Nein, jedes Tool liest seine eigene Datei
- scheitert
- Bei der zweiten Person oder dem zweiten Agenten: Jedes Tool will seine eigene Kopie.
- Memory-API
- wähle es, wenn
- Du baust Gedächtnis in dein eigenes Produkt
- Wissen kommt an
- Wenn etwas sie abfragt
- übersteht einen Tool-Wechsel
- Ja, wenn dir die Aufrufstelle gehört
- scheitert
- Bewusst still. Eine Vorgabe, nach der niemand fragt, kommt nie an.
- Vektorsuche
- wähle es, wenn
- Die Antwort ist aufgeschrieben, der Ort unbekannt
- Wissen kommt an
- Wenn etwas sie abfragt
- übersteht einen Tool-Wechsel
- Ja, aber den Index betreibst du selbst
- scheitert
- Kann keine Entscheidung liefern, die in gar keiner Datei steht.
- Agent-Workspace
- wähle es, wenn
- Parallele Agenten sind der Engpass
- Wissen kommt an
- Pro Session, nicht pro Pfad
- übersteht einen Tool-Wechsel
- Darum geht es nicht: Er ist das Tool
- scheitert
- Ein zweiter Checkout entscheidet nicht, welches Wissen wohin gehört.
- Pfadbezogene Schicht
- wähle es, wenn
- Eine Person mit mehreren Engines oder ein Team in einem Repository
- Wissen kommt an
- Vor dem ersten Tool-Aufruf, auf den Pfad bezogen
- übersteht einen Tool-Wechsel
- Ja, das Wissen liegt außerhalb jedes Tools
- scheitert
- Zu viel des Guten für eine Person mit einem Agenten.
Zwei davon sind keine Konkurrenten. Eine Memory-API in deinem eigenen Produkt und eine Kontextschicht für deine Agenten schließen einander nicht aus.
Wann du keine brauchst.
Eine Person, ein Repository, ein Agent und Konventionen, die auf eine Seite passen: Dann ist eine eingecheckte CLAUDE.md die richtige Antwort und eine Kontextschicht Overhead. Der Kipppunkt ist nicht die Größe des Repositorys, und auch nicht die Größe des Teams. Es ist der zweite Agent oder die zweite Person, je nachdem, was zuerst kommt. Auch als einzelner Entwickler mit Claude Code und Codex im selben Repository hast du das Problem schon: Was du dem einen beibringst, weiß der andere nicht, und jeder liest eine andere Datei.
Was eine Kontextschicht trägt
- MemoriesWas das Team gelernt hatDie Fakten der Sorte „haben wir probiert, hat nicht funktioniert“, die verschwinden, wenn der Engineer, der sie gelernt hat, weiterzieht. An den Pfad gebunden, für den sie gelten. Mehr: persistentes Gedächtnis für KI-Coding-Agenten.
- RegelnWas zu tun oder zu lassen istEmpfehlende und strikte Vorgaben. Die harten Leitplanken (kein
console.login/apps/web) und die weichen Vorlieben (benannte Exporte in/packages/uibevorzugen). Mehr: Regeln für KI-Coding-Agenten. - SkillsMehrstufige PlaybooksAbläufe, die das Team erarbeitet hat: wie man eine Migration hinzufügt, wie man ein Feature-Flag ausliefert, wie man das Security-Review durchführt. Per Name aufrufbar. Mehr: Skills für KI-Coding-Agenten.
- Nach Pfaden indiziertWissen liegt nah am Code, für den es giltJede Memory, jede Regel und jeder Skill hängt an einem Pfad. Eine Regel für
/services/billinggreift nie, wenn das Modell in/apps/mobilearbeitet.
Einzelne Datei vs. Kontextschicht
- Native Anweisungsdateien lassen sich nach Pfad eingrenzen und über die Versionskontrolle teilen.
- Die Token-Kosten wachsen linear mit den Team-Regeln.
- Ein Assistent pro Datei. Ein Tool-Wechsel kostet Teamwissen.
- Von jedem mit Push-Rechten bearbeitbar. Kein strukturiertes Review.
- Wissen wird mündlich weitergegeben.
- Pfadbezogener Ausschnitt für das Verzeichnis, in dem das Modell gerade arbeitet.
- Die Token-Kosten skalieren mit dem relevanten Ausschnitt, nicht mit dem ganzen Regelwerk.
- Eine Schicht, viele Assistenten. Ein Tool-Wechsel setzt das Team nicht zurück.
- Überprüfbarer Wissensgraph mit serverseitig durchgesetztem Workspace-Zugriff und einer Erkennung veralteter Regeln.
- Wissen wird einmal geschrieben und automatisch in die Session des nächsten Teammitglieds geliefert.
Unterstützte KI-Coding-Assistenten
Claude Code
Codex
Cursor
GitHub Copilot
WindsurfHäufige Fragen.
Was ist eine Kontextschicht für KI-Coding?
Die Routing-Schicht zwischen dem typisierten Wissen eines Teams (Memories, Regeln und Skills) und den KI-Coding-Assistenten, die das Team nutzt. Sie indiziert dieses Wissen nach Pfad und liefert dem Modell zum Hook-Zeitpunkt nur den relevanten Ausschnitt, vor dem ersten Tool-Aufruf.
Was unterscheidet eine Kontextschicht von CLAUDE.md oder AGENTS.md?
CLAUDE.md und AGENTS.md sind flache Dateien, die in jeder Runde jede Anweisung mitschicken. Eine Kontextschicht liegt eine Ebene höher: Sie speichert Wissen in einem nach Pfaden indizierten Graphen und routet nur den passenden Teilbaum ins Modell, sodass jede Anweisung, die das Modell sieht, für den aktuellen Pfad tragend ist.
Ist eine Kontextschicht ein KI-Coding-Tool?
Nein. Eine Kontextschicht erzeugt keinen Code, führt keine Inferenz aus und ersetzt nicht deine IDE. Sie ist die Schicht zwischen deinem Team und dem KI-Coding-Assistenten, für den du dich entscheidest, und macht jede Session klüger, ohne das Team an ein einziges Tool zu binden.
Was trägt eine Kontextschicht?
Drei Arten von typisiertem Teamwissen: Memories (was ihr gelernt habt), Regeln (was zu tun oder zu lassen ist) und Skills (mehrstufige Playbooks). Deinen Quellcode oder einen Index deines Repositorys trägt sie nicht.
Wie setzt Pathrule die Kontextschicht für KI-Coding um?
Pathrule speichert Teamwissen in einem nach Pfaden indizierten Graphen, stellt einen MCP-Server bereit und erreicht jeden Agenten so, wie er es zulässt: Hooks einschließlich eines Prompt-Hooks für Claude Code und Codex, Session- und Tool-Hooks für Cursor und GitHub Copilot und eine Regeldatei für Windsurf. An das Modell geliefert wird nur der Ausschnitt, der zum aktuellen Arbeitsverzeichnis passt.
Sieht eine Kontextschicht den Quellcode?
Sie muss es nicht. Pathrule lädt den Quellcode deines Repositorys nicht automatisch hoch. Im Cloud-Modus speichert Pathrule Cloud die Memories, Regeln und Skills, die das Team schreibt, der Anfang jedes Prompts wird gesendet, damit gerankt werden kann, was gilt, und pathrule snapshot lädt, wenn du oder dein Agent es ausführt, den Dateibaum, Manifeste, kurze Auszüge aus der Doku und aktuelle Git-Metadaten hoch. Im lokalen Modus gibt es kein Konto. Die vollständige Aufschlüsselung steht auf der Seite Sicherheit.
Welches Kontext-Tool sollte ich wählen?
Das hängt davon ab, welches Problem du tatsächlich hast. Eine Person mit einem Agenten in einem Repository ist mit einer eingecheckten CLAUDE.md gut bedient. Gedächtnis in deinem eigenen Produkt ist eine Memory-API. Wissen, das aufgeschrieben, aber schwer zu finden ist, ist Vektorsuche. Parallele Agenten in isolierten Checkouts sind ein Agent-Workspace. Eine pfadbezogene Kontextschicht ist für den Moment, in dem eine zweite Engine oder eine zweite Person dazukommt, und für die meisten ist das die zweite Engine. Die fünf Ansätze und wo jeder an Grenzen stößt, stehen oben.
Was ist der Unterschied zwischen einer Kontextschicht und einer Memory-API?
Der Zeitpunkt der Auslieferung. Eine Memory-API antwortet, wenn sie abgefragt wird, also kommt eine Vorgabe, nach der der Agent nie zu fragen dachte, nie an. Eine Kontextschicht liest den Pfad, in dem der Agent gleich arbeitet, und liefert das passende Wissen vor dem ersten Tool-Aufruf, ob der Agent danach gefragt hätte oder nicht.
Ist Vektor-RAG eine Kontextschicht?
Nein. Vektorabruf findet Text, der schon aufgeschrieben ist, gerankt nach Ähnlichkeit zu einer Abfrage. Eine Kontextschicht trägt Entscheidungen, die in keiner Datei stehen, verknüpft mit dem Pfad, für den sie gelten, und sie kann sie durchsetzen: Eine Regel hat einen Geltungsbereich, eine Priorität und eine Durchsetzungsstufe, wo ein Store nur Text zurückgibt. Ähnlichkeit ist eine Vermutung über Relevanz; ein Pfad ist ein Fakt darüber. Ausführlich: Vektor-RAG vs. pfadbezogener Kontext.
Brauche ich eine Kontextschicht, wenn ich allein arbeite?
Ob du allein arbeitest, ist eigentlich nicht die Frage. Wie viele Agenten du nutzt, schon. Eine Person mit einem Agenten und einer Seite Konventionen ist genau der Fall, für den eine Anweisungsdatei gut ist. Nutzt du allein Claude Code, Codex und Cursor im selben Repository, hast du schon das Problem, das eine Kontextschicht löst: Was du einem davon beibringst, bleibt in ihm, und jeder liest eine andere Datei. Deshalb ist Pathrule kostenlos für die Einzelnutzung.