AI-Code-Lesbarkeit misst, ob eine Codebasis für ein Sprachmodell lesbar ist: ob der Code maschinell prüfbare Typinformationen trägt und ob die Dateien bequem in den Arbeitskontext eines Modells passen. Dieselben Eigenschaften, die einem Menschen bei der Orientierung in einer unbekannten Codebasis helfen, helfen auch einem Modell — nur sind überlange Dateien für Modelle eine harte Beschränkung statt eines Ärgernisses.
- Kategorie: AI Readiness (15% innerhalb der Kategorie)
- Gewicht im Gesamtindex: 0% — Teil des unabhängigen AI-Readiness-Badges
- Metrikschlüssel:
ai_code_legibility nullfür Repositories ohne erkennbare Quelldateien — reine Dokumentationsprojekte werden nicht bestraft
Wie der Wert berechnet wird
| Komponente | Gewicht | Kriterien |
|---|---|---|
| Typprüfbarer Code | 45 | statisch typisierte Sprache → 45 Pkt.; dynamisch typisiert mit Typprüf-Konfiguration → 27; keines von beidem → 0 |
| Handhabbare Dateigrößen | 55 | (1 − oversized / total) × 55, wobei eine Quelldatei über ~60 KB (~1.500 Zeilen) als überlang zählt; vendorierte und generierte Pfade sind ausgenommen |
Warum diese zwei Signale
- Typen sind komprimierte Dokumentation. Eine typisierte Signatur sagt einem Modell, was eine Funktion annimmt und zurückgibt, ohne dass ihr Rumpf gelesen werden muss — und ein Type-Checker verwandelt die Missverständnisse des Modells in sofortige, mechanische Fehler statt in latente Bugs. Teilpunkte für dynamisch typisierte Projekte mit einem Checker (mypy, pyright, tsconfig) tragen dem Umstand Rechnung, dass graduelle Typisierung einen Großteil des Nutzens einfängt.
- Die Verteilung der Dateigrößen entscheidet, ob ein Modell eine Code-Einheit als Ganzes im Kontext halten kann. Eine Codebasis aus fokussierten Modulen lässt sich stückweise lesen; eine Datei mit 5.000 Zeilen erzwingt Kürzung, und in der Kürzung konzentrieren sich Agentenfehler.
Vendorierter und generierter Code ist ausgenommen, damit ein eingecheckter vendor/-Baum oder generierte Bindings die Messung nicht verzerren.
Das Ergebnis lesen
- Die Metrik liest Struktur, nicht Stil — Benennung, Kommentare und Architektur werden nicht benotet (siehe die Ehrlichkeitsregeln in AI Readiness).
- Die Dateigrößen-Komponente ist proportional: Eine überlange Datei unter fünfzig kostet wenig; eine Codebasis aus Monolithen liest sich entsprechend.
Den Wert verbessern
- Einen Type-Checker einführen; in dynamischen Sprachen bringt schon eine großzügige Anfangskonfiguration die Teilpunkte und setzt die Ratsche in Gang.
- Dateien, die sich ~1.500 Zeilen nähern, entlang ihrer natürlichen Nahtstellen aufteilen.
- Generierten und vendorierten Code in konventionell benannten Pfaden halten, damit er von der Messung ausgenommen bleibt.
Verwandt: AI-Verify-Loop · AI-Schnittstellen