Intentionskontinuität: Eine neue Lösung für das Langzeitverlaufsproblem von Codierungsagenten
Codierungsagenten in langlebigen Projekten vergessen oft frühe Regeln, was zu Problemen wie dem Leck von internen Datenbank-IDs führt. Herkömmliche Lösungen setzen auf größere Kontextfenster oder RAG-Retrieval, aber selbst wenn das Modell den gesamten Text „erinnern“ kann, kann es nicht automatisch beurteilen, ob eine alte Regel für die aktuelle Aufgabe relevant ist. Dieser Artikel führt das Konzept der „Intentionskontinuität“ ein und bietet eine leichte reine Python-Implementierung: Durch Hinzufügen einer Verifikationsschicht zur grundlegenden Suche steigt die Abdeckung der Anforderungen von 57 % auf 100 %, wobei alle 8 Testaufgaben korrekt sind. Das Design verwendet keine Vektordatenbanken, keine Embeddings und keine LLM-Aufrufe, was die Bereitstellung extrem einfach macht. Der Autor gibt auch ehrlich einen Fehler im ursprünglichen Experiment zu, was eine strenge Ingenieurshaltung demonstriert.
Hintergrund und Problemstellung
In langfristigen Codierungsagenten-Projekten tritt ein frustrierendes Phänomen regelmäßig auf: Frühe Kernregeln verschwinden scheinbar aus dem Gedächtnis des Agenten. Niemand hat sie gelöscht, der Kontextfenster ist nicht voll, und sie liegen noch in den Chatprotokollen – doch sobald eine neue Anfrage eingeht, prüft der Agent nicht mehr, ob diese alten Entscheidungen für die aktuelle Aufgabe relevant sind. Ein reales Szenario aus der Autorenvalidierung: Am ersten Tag wird explizit festgelegt, „niemals interne Datenbank-IDs in API-Antworten preiszugeben“. Sechzig Dialogrunden später soll der Agent einen neuen Authentifizierungsablauf implementieren. Da die Anfrage keine IDs erwähnt, überspringt er die Regel und liefert einen Endpunkt, der genau diese IDs leakt. Dies ist kein konstruiertes Gedankenspiel, sondern ein reproduzierbarer Testfall.
Bestehende technische Ansätze lösen das Problem nicht wirklich. Größere Kontextfenster (GPT-4-32k, Claude 100k) erlauben zwar die Aufnahme von mehr Text, doch Liu et al. (2023) haben nachgewiesen, dass Modelle Details in der Mitte langer Prompts systematisch ignorieren. Retrieval-Augmented Generation (RAG) versucht, relevante Informationen aus der Historie zu extrahieren, aber die zugrundeliegende Frage lautet lediglich: „Welche Informationen könnten für die aktuelle Abfrage relevant sein?“ Es wird nie gefragt: „Sind diese Informationen noch gültig?“ und erst recht nicht: „Welcher historische Intent sollte die aktuelle Aufgabe beeinflussen?“ Das Ergebnis: Der Agent kann sich an alle Regeln erinnern, aber nicht entscheiden, welche davon im aktuellen Moment noch gelten. Das Gedächtnisversagen ist nicht das Problem – die Entscheidung, was wichtig ist, ist es.
Architektur und Mechanismus
Die Autoren bezeichnen diese Fähigkeit als **Intentionskontinuität** (Intent Continuity) und unterscheiden drei Ebenen: Retrieval (Abruf), Verification (Verifikation) und Intentionskontinuität. Retrieval fragt: „Welche historischen Informationen sind möglicherweise relevant?“ Verification fragt: „Ist diese Information noch gültig?“ Intentionskontinuität geht einen Schritt weiter: „Welcher historische Intent sollte die aktuelle Aufgabe beeinflussen, und zwar so lange, bis eine neue Regel ihn explizit überschreibt?“ Diese drei Ebenen bilden eine Pyramide, wobei die meisten aktuellen Agentengedächtnissysteme nur auf der untersten Ebene operieren.
Die Implementierung erfolgt in reinem Python (Python 3.12) – ohne Vektordatenbank, ohne Embedding-Modell, ohne einen einzigen LLM-Aufruf. Der Kernansatz: Statt auf semantischer Ähnlichkeit aufzubauen, wird eine leichtgewichtige „Anforderungsregistrierungs- und -validierungspipeline“ konstruiert. Das System führt eine Anforderungsliste. Bei jeder neuen Aufgabe wird eine einfache Suche (Keyword-Matching oder direkte Satzverknüpfung) durchgeführt, die eine vorläufige Kandidatenmenge liefert (Abdeckung ca. 57%). Anschließend kommt eine separate Verifikationsschicht zum Einsatz, die prüft, ob jede Kandidatenanforderung im aktuellen Kontext noch gültig ist (z. B. ob eine neuere Regel sie überschreibt). Erst dann wird die endgültige, zu befolgende Anforderungsliste ausgegeben. Genau diese Verifikationsschicht hebt die Abdeckung von 57 % auf 100 %.
Die Autoren räumen offen einen Fehler im ursprünglichen Experimentdesign ein: In der Erstversion führte eine unzureichende Entkopplung von Such- und Verifikationsschicht dazu, dass eigentlich ungültige Regeln fälschlicherweise beibehalten wurden – die Ergebnisse sahen besser aus, als sie tatsächlich waren. Die korrigierten Daten sind realistischer, bestätigen aber umso klarer die entscheidende Rolle der Verifikation: Ohne sie kommt es zu einer „Übererfüllung“ von Regeln, die unnötige Einschränkungen in den Agentenablauf einbringt.
Benchmarks und praktischer Nutzen
Die Autoren führten Vergleichsexperimente mit acht repräsentativen Aufgaben durch. Die Baseline (kein historischer Abruf, nur die aktuelle Anfrage) erzielte null korrekte Ergebnisse. Der alleinige Einsatz der Basissuche führte zu vier korrekten Aufgaben. Das vollständige intentionsbewusste System (Suche + Verifikation) löste alle acht Aufgaben korrekt. Alle Daten stammen aus realen Läufen mit Python 3.12, ohne externe Abhängigkeiten. Der Quellcode ist auf GitHub unter `Emmimal/intent-continuity` verfügbar und kann via `run_experiment.py` reproduziert werden.
Der praktische Nutzen liegt in den extrem niedrigen Infrastrukturkosten. Keine Vektordatenbank, keine teuren LLM-Embedding-Aufrufe, kein Indexdienst. Eine reine Python-Bibliothek mit minimalem Footprint kann langlaufenden Codierungsagenten zuverlässige Regelkontinuität bieten. Besonders wertvoll ist dies in Szenarien wie mehrwöchigen Refactorings, der Rückverfolgung historischer Einschränkungen in großen Codebasen oder bei Prompt-Wechseln in Teams mit mehreren Entwicklern. Der Ansatz erhöht die Stabilität und Sicherheit des Agentenverhaltens mit vernachlässigbarem Overhead.
Ausblick und industrielle Bedeutung
Die aktuelle Diskussion über Agentengedächtnis konzentriert sich fast ausschließlich auf „wie speichert man mehr Historie“ und „wie findet man schneller“. Diese Arbeit zeigt einen anderen Weg auf: Statt die Speicherkapazität unendlich zu vergrößern, sollte der Agent lernen zu beurteilen, welche Erinnerungen im Moment noch relevant sind. Intentionskontinuität führt im Kern eine metakognitive Fähigkeit in die Agentenarchitektur ein – nicht passiv „alles zu behalten“, sondern aktiv „zu entscheiden, was vergessen oder vererbt werden soll“.
Zukünftige Entwicklungen könnten explizite Abhängigkeitsgraphen für Regeln umfassen, um Versionierung und automatischen Verfall von Regeln zu ermöglichen. Auch die Integration mit leichtgewichtigen Verifikationsmodellen ist denkbar, die bei Regelkonflikten automatisch die Priorität aushandeln. Für Codierungsagenten, die langfristig gewartet werden müssen, könnte Intentionskontinuität praktischer sein als jedes noch so große Kontextfenster. Sie zwingt uns, umzudenken: Ein Agent braucht keine längere Geschichte, sondern eine intelligentere Intentionsvererbung.
Sources
FAQ
Was ist das Kernproblem von Code-Agenten in langfristigen Projekten?
Sie vergessen häufig frühe Regeln, was zu schwerwiegenden Problemen wie Datenbank-ID-Leaks führt und die Konsistenz und Sicherheit des Projekts beeinträchtigt.
Warum können traditionelle Lösungen (große Kontextfenster, RAG) das Vergessen nicht vollständig beheben?
Selbst wenn das Modell den gesamten Text speichert, kann es nicht automatisch entscheiden, ob alte Regeln für die aktuelle Aufgabe wichtig sind; traditionelle Ansätze erweitern nur den Speicher, ohne aktive Validierung oder Prioritätsbewertung.
Was ist die Kernidee des 'Intent Continuity'-Ansatzes und seine Implementierungsmerkmale?
Er nutzt eine einfache Suche plus Validierungsschicht, null Vektordatenbank, null Embedding, null LLM-Aufrufe, steigert die Anforderungsabdeckung von 57 % auf 100 %, besteht alle 8 Testaufgaben und legt offen Bugs der ursprünglichen Experimente.