Was macht unoplat-code-confluence?
Halte deine Codebasen stets bereit für KI-Agenten. Verbessere jeden Codierungs-Workflow um mindestens das 2-fache, indem du eine lebendige, pluggable Kontextschicht pro Repository pflegst, die Agents.md erstellt und aktualisiert.
Übersicht
Diese Fähigkeit erzeugt und aktualisiert automatisch eine Agents.md-Datei in deinem Repository. Diese Datei dient als zentrale Kontextquelle für KI-Agenten und enthält:
- Projektstruktur: Eine übersichtliche Darstellung der Verzeichnis- und Dateistruktur
- Architektur: Wichtige architektonische Entscheidungen und Muster
- Abhängigkeiten: Aufgelistete externe Pakete und Bibliotheken mit Versionen
- Konventionen: Code-Stil-Richtlinien, Namenskonventionen und Best Practices
- Häufige Aufgaben: Wiederkehrende Entwicklungsaufgaben mit Lösungsansätzen
- Umgebungsvariablen: Erforderliche Konfigurationen für verschiedene Setups
Funktionsweise
- Initialisierung: Beim ersten Einsatz scannt die Fähigkeit das gesamte Repository und erstellt eine Basis-
Agents.md. - Aktualisierung: Nach jeder Änderung (neue Dateien, Refactoring, Abhängigkeitsupdates) wird die Datei automatisch aktualisiert.
- Pluggability: Die Kontextschicht kann nahtlos in verschiedene Agenten integriert werden und erfordert keine manuelle Anpassung.
Vorteile
- Zeitersparnis: Agenten müssen nicht jedes Mal den Kontext neu erfassen – spart mindestens 50 % der Zeit bei typischen Codierungs-Aufgaben.
- Konsistenz: Alle Agenten arbeiten mit denselben aktuellen Informationen.
- Einfachheit: Keine zusätzlichen Tools oder Konfigurationen erforderlich – nur eine Markdown-Datei.
- Skalierbarkeit: Funktioniert für Monorepos, Microservices und gemischte Tech-Stacks.
Nutzung mit Agenten
Claude Code
Füge Agents.md dem Kontext deiner Claude-Sitzung hinzu:
code --context agents.md
Oder integriere es in deine .cursorrules-Datei.
Cursor
Lege die Agents.md im Stammverzeichnis des Repos ab. Cursor wird sie automatisch als Kontextreferenz erkennen.
Codex
Binde die Datei in deine Prompt-Vorlage ein, um Codex mit den aktuellen Projektdetails zu versorgen.
Beispiel einer generierten Agents.md
# Agents Context for MyProject
## Project Structure
- `src/`: Hauptquellcode
- `tests/`: Unit- und Integrationstests
- `docs/`: Dokumentation
## Architecture
- Verwendet Model-View-ViewModel (MVVM) mit Dependency Injection
- Wichtige Module: `core`, `services`, `ui`
## Dependencies
- Python 3.11+
- FastAPI 0.100+
- SQLAlchemy 2.0+
## Conventions
- Type Hints sind obligatorisch
- Tests mit pytest schreiben
- Commit-Nachrichten im Conventional Commits-Stil
Installation
Um die Fähigkeit zu nutzen, klone das Repository oder installiere das Paket:
# via pip (falls als Paket verfügbar)
pip install unoplat-code-confluence
# oder als Git-Submodul
git submodule add https://github.com/unoplat/unoplat-code-confluence.git
Konfiguration
Keine zusätzliche Konfiguration erforderlich. Die Fähigkeit erkennt automatisch die wichtigsten Aspekte deines Repos. Für benutzerdefinierte Einstellungen erstelle eine unoplat.config.yml im Stammverzeichnis.