Was macht Projektkontext-Generator?
Erstelle oder aktualisiere .claude/docs/project.md – die prägnante Projektreferenz, die Claude in jeder Konversation lädt. Anders als eine README (für Menschen geschrieben) ist project.md für Claude geschrieben: dicht, sachlich, ohne Marketingprosa.
Warum diese Fähigkeit existiert
.claude/docs/project.md wird über CLAUDE.md automatisch in jede Claude-Konversation geladen. Fehlt sie oder ist sie veraltet, verschwendet Claude Konversationsrunde damit, den Tech-Stack, Testbefehle und die Architektur neu zu entdecken. Diese Fähigkeit automatisiert diese Entdeckung und erstellt eine straffe, genaue Referenzdatei.
Arbeitsablauf
Schritt 1: Analysiere die Codebasis
Führe eine strukturierte Drei-Phasen-Analyse durch, um Projektfakten zu sammeln. Markiere jedes Faktum mit einem Konfidenzlevel: [confirmed] (aus Quelle gelesen), [inferred-high] (starke Belege), [inferred-low] (teilweise Belege) oder [unknown].
Siehe references/analysis-methodology.md für detaillierte Tool-Aktionen, Glob/Grep-Muster und Record-Vorlagen.
Phase 1 – Projektmetadaten: Glob für Paketmanager-Dateien, Umgebungsvorlagen, CI-Konfigurationen und Toolchain-Dateien. Extrahiere: Projektname, Sprache, Python-Version, Abhängigkeiten (mit Zweck), Skripte/Befehle, Umgebungsvariablen, CI-Stufen, Test-Marker.
Phase 2 – Architekturscan: Glob für alle Quelldateien. Identifiziere Einstiegspunkte, erstelle den Importgraphen, klassifiziere Module (Core/Leaf/Orchestrator) und identifiziere das Architekturmuster. Lese Konfigurationsdateien, auf die im Quellcode verwiesen wird.
Phase 3 – Datenquellen & Infrastruktur: Identifiziere externe Datenquellen (Datenbanken, APIs, Dateien), Ausgabeziele (Dateien, Uploads, APIs), Teststruktur und benutzerdefinierte Exception-Hierarchie.
Schritt 2: Stelle klärende Fragen
Nach der Analyse frage den Nutzer zu den Elementen mit [inferred-low] und [unknown]. Halte es fokussiert – frage nicht nach Dingen, die du bereits weißt. Häufige Lücken:
- Projektzweck: Welches Problem löst dieses Projekt? (falls nicht offensichtlich aus dem Code)
- Datenquellen: Welche Systeme speisen Daten ein? Was empfängt die Ausgabe?
- Bereitstellung: Wie/wo wird dieses Projekt ausgeführt? (lokal, geplant, Cloud)
Wenn die Codebasis unkompliziert ist, genügen vielleicht 1–2 Fragen – oder keine.
Schritt 3: Generiere project.md
Schreibe die Datei mit der untenstehenden Struktur. Wenn .claude/docs/project.md bereits existiert, bestätige mit dem Nutzer, bevor du sie überschreibst.
Ausgabestruktur
Die generierte project.md muss dieser Struktur folgen. Passe die Tiefe an das Projekt an – kleine Projekte können Abschnitte überspringen, komplexe Projekte können Unterabschnitte hinzufügen.
# {Projektname} – Projektkontext
{Ein-Satz-Beschreibung: Was es ist, was es tut, Schlüsseltechnologie.}
## Tech-Stack
- **{Sprache/Laufzeitumgebung}** – {Versionsbeschränkung falls bekannt}
- **{Framework}** – {wofür es verwendet wird}
- **{Schlüsselbibliothek}** – {Zweck}
- ...Aufzählungsliste, fett für den Toolnamen, annotiere den Zweck
## Projektstruktur
```text
{annotierter Verzeichnisbaum – ein kurzer Satz pro Eintrag}
Datenfluss
{ASCII-Diagramm, das die Quelle → Transformation → Ausgabe-Pipeline zeigt}
Datenquellen
{QUELLENNAME}– {was sie bereitstellt}- ...für Datenbanken, APIs, lokale Dateien usw.
Test-Marker
{Testbefehl}– {was er ausführt}{Markername}– {was er abgrenzt}
Wichtige Architekturmuster
- {Musterbezeichnung} (
{Datei}): {Ein-Satz-Erklärung} - ...nur nicht offensichtliche Muster, die eine Erwähnung wert sind
Schreibrichtlinien
- Dicht statt weitschweifig. Jede Zeile sollte ihren Platz verdienen. Claude braucht keine Motivation oder Kontexteinordnung – nur Fakten.
- Spezifisch statt allgemein. "Führe
uv run pytest -m 'not snowflake'aus" ist besser als "Führe die Tests ohne externe Abhängigkeiten aus." - Ein Satz pro Muster. Architekturmuster sollten jeweils eine Zeile lang sein – Name, Datei, Erklärung.
- Echte Befehle. Kopiere Testbefehle aus
pyproject.tomloder CI-Konfigurationen, nicht paraphrasierte Versionen. - Abhängigkeiten annotieren. Liste nicht nur
polarsauf – sage stattdessenpolars – leistungsstarke DataFrames. - Datenquellen sind entscheidend. Claude muss wissen, welche externen Systeme existieren. Liste jede Datenbank, API und Dateiquelle auf.
- Halte es unter 100 Zeilen. Wenn project.md mehr als ~100 Zeilen Inhalt umfasst, ist es zu detailliert – verschiebe Details in dedizierte Dokumente und verlinke darauf.
Ausgabe
Speichere die Datei als .claude/docs/project.md (erstelle das Verzeichnis bei Bedarf). Wenn die Datei bereits existiert, zeige dem Nutzer eine Diff-Zusammenfassung, bevor du sie überschreibst.
Nach dem Generieren von project.md prüfe, ob CLAUDE.md darauf verweist. Falls nicht, schlage vor, eine Zeile wie diese hinzuzufügen:
Siehe [.claude/docs/project.md](.claude/docs/project.md) für projektspezifische Details (Tech-Stack, Architektur, Test-Marker).