Dateibasierte Planung gegen KI-Agenten-Kontextkollaps
Verhindern Sie Kontextkollaps bei langlaufenden KI-Agenten-Aufgaben, indem Sie Pläne, Forschungsnotizen und Fortschrittsprotokolle als drei Markdown-Dateien persistieren. Injizieren Sie sie zu Beginn jeder Runde erneut, um Zielabweichungen zu vermeiden. Funktioniert mit Claude Code (Plugin) oder anderen Agenten über npx. Für fortgeschrittene Entwickler, die Claude Code, Codex usw. verwenden.
Hintergrund
Im September 2026 reagierte die Entwicklergemeinschaft auf ein wiederkehrendes Problem bei KI-Agenten: den Kontextkollaps. Bei stundenlangen Aufgaben mit Claude Code oder Codex überstieg die Konversationshistorie das Kontextfenster. Automatische Kompaktierung oder /clear ließen den Agenten Ziele und Zwischenergebnisse vergessen, was zu unzuverlässigen Ergebnissen führte.
Die Lösung: planning-with-files. Statt auf internes Kontextmanagement zu setzen, werden Pläne, Notizen und Logs in drei Markdown-Dateien (plan.md, research.md, progress.md) externalisiert. Zu Beginn jeder Runde werden sie als Kontext injiziert und stellen den Aufgabenstand wieder her. Das Verfahren erschien zuerst als Claude-Code-Plugin und ist per npx auf andere Agenten übertragbar.
Tiefenanalyse
Der Ansatz umgeht eine architektonische Schwäche von LLM-Agenten. Selbst große Kontextfenster reichen für lange Tasks nicht aus. Übliche Kompaktierung verwirft feingranularen Zustand. Die dateibasierte Persistenz nutzt das Dateisystem als externes Langzeitgedächtnis. Die drei Dateien haben klare Rollen: plan.md für Aufgabenzerlegung und Meilensteine, research.md für gesammelte Referenzen und Entscheidungsgrundlagen, progress.md für das chronologische Protokoll.
Im Vergleich zu vektorbasiertem Retrieval-Augmented Memory entfallen Einbettungsmodelle und Infrastruktur – die Kosten sind nahe null. Zudem ist der Ansatz deterministisch: Entwickler können die Dateien jederzeit einsehen und so den Agentenprozess nachvollziehen. Anders als Zusammenfassungen bewahrt das Markdown-Format Details und logische Zusammenhänge. Für Einzelentwickler und kleine Teams bietet dies eine optimale Balance aus Einfachheit und Kontrolle.
Branchenwirkung
Planning-with-files verändert die Erwartungen an Agenten-Toolchains. Die geringere Fehlerquote ermutigt Entwickler, komplexere Aufgaben wie repositoryübergreifende Refactorings oder mehrtägige Recherchen an Claude Code und Codex CLI zu delegieren. Das steigert den praktischen Nutzen dieser Werkzeuge.
Gleichzeitig offenbart die Methode Lücken in den Plattformen: Anthropic und OpenAI stehen unter Druck, integriertes Zustandsmanagement nachzurüsten. Das Claude-Code-Team prüft bereits offizielle Checkpoint-Funktionen. Im weiteren Ökosystem werden Frameworks wie LangChain und AutoGPT neu bewertet. Der Minimalismus der dateibasierten Planung treibt die Branche zu einem expliziten, dateibasierten Gedächtnismodell – mit Einfluss auf kommende Agenten-IDEs wie Cursor und Windsurf.
Ausblick
Kurzfristig sind spezialisierte Varianten zu erwarten: Literaturdateien für Recherche-Agenten, Testfall-Statusdateien für QA und geteilte Planungsdateien für Multi-Agenten-Setups. Die Toolchain könnte diese Dateien künftig automatisch generieren und verwalten. Spannend bleibt, ob Claude Code native Persistenz mit Vorlagen integriert, ob Codex CLI oder GitHub Copilot Workspace Checkpoints einführen und wie neue IDEs dateibasierte Planung einbetten.
Selbst bei Kontextfenstern mit Millionen Token bleibt der Wert der Dateipersistenz erhalten. Statusdateien helfen Agenten, fokussiert zu bleiben, ermöglichen Wiederherstellung nach Unterbrechungen und liefern einen prüfbaren Entscheidungspfad. Letztlich adressiert planning-with-files eine Kernfrage des KI-Engineerings: die Verbindung probabilistischer Generierung mit deterministischer Zustandsverwaltung. Dateien – als älteste Informationsträger – könnten die ideale Brücke sein.