AI-Agentenkontext misst, ob ein Repository KI-Coding-Agenten Anleitung und maschinenlesbare Dokumentation gibt. Ein Agent, der in eine unbekannte Codebasis gesetzt wird, steht vor demselben Problem wie eine neue Arbeitskraft — nur liest er das Onboarding-Material in Millisekunden, in jeder Sitzung. Projekte, die dieses Material niederschreiben, erhalten messbar bessere Agentenergebnisse.
- Kategorie: AI Readiness (30% innerhalb der Kategorie)
- Gewicht im Gesamtindex: 0% — Teil des unabhängigen AI-Readiness-Badges
- Metrikschlüssel:
ai_agent_context
Wie der Wert berechnet wird
| Komponente | Gewicht | Beleg |
|---|---|---|
| Agenten-Instruktionen | 60 | CLAUDE.md, AGENTS.md, .cursor/rules, Copilot-Instruktionen, GEMINI.md oder Gleichwertiges; eine Datei unter ~200 Bytes wird als Stub gewertet und erhält Teilpunkte |
| Maschinenlesbare Dokumentation | 40 | llms.txt oder llms-full.txt vorhanden |
Was guter Agentenkontext enthält
Eine wirksame Instruktionsdatei sagt einem Agenten, was das README einem Menschen sagt, plus das, was nur Maintainer wissen: wie gebaut und getestet wird, welche Verzeichnisse zählen, die Konventionen des Projekts und die Fallstricke („der Container liefert gebaute Images aus — nach dem Bearbeiten neu bauen“). Die llms.txt-Konvention ergänzt sie, indem sie Sprachmodellen einen kuratierten Index der Projektdokumentation gibt.
Die Stub-Regel existiert, weil sich Präsenzsignale manipulieren lassen: Eine leere, für das Badge angelegte CLAUDE.md unterscheidet sich nachweisbar von einer echten, und die Methodik gewichtet Substanz dort, wo sie günstig zu erkennen ist.
Das Ergebnis lesen
- Die Signale sind präsenz- und größenbasiert aus dem Dateibaum; Inhalte werden nicht benotet — die ehrliche Grenze, die für die gesamte Kategorie AI Readiness gilt.
- Jede der anerkannten Instruktionskonventionen zählt; die Methodik ist herstellerneutral gegenüber Agenten-Tooling und spiegelt damit die werkzeugagnostische Haltung der Sicherheitslage.
Den Wert verbessern
- Eine substanzielle
CLAUDE.mdoderAGENTS.mdschreiben: Build- und Testbefehle, Struktur, Konventionen und bekannte Fallstricke. Aktuell halten — es ist Dokumentation mit einem ausführenden Publikum. - Eine
llms.txtergänzen, die die Projektdokumentation für die Nutzung durch Sprachmodelle indexiert.
Verwandt: AI-Verify-Loop · AI Readiness