Einfache Markdown-Datei schlägt komplexes Skill-System für KI-Coding-Agenten
Vercel wollte herausfinden, wie KI-Coding-Agenten am besten aktuelles Framework-Wissen erhalten. Die Antwort war überraschend simpel.
KI-Coding-Agenten basieren auf Trainingsdaten, die unweigerlich veralten. Wenn ein Framework wie Next.js neue APIs einführt, generieren die Agenten entweder falschen Code oder greifen auf veraltete Muster zurück.
Das US-Software-Unternehmen Vercel testete zwei Ansätze: das Skill-System, bei dem Agenten aktiv Dokumentation abrufen, und AGENTS.md, eine Markdown-Datei mit persistentem Kontext. Das Ergebnis überraschte das Team selbst. Die komprimierte AGENTS.md-Datei erreichte eine perfekte Erfolgsrate von 100 Prozent, während das aufwendigere Skills-System bei maximal 79 Prozent stagnierte.
Skills wurden in mehr als der Hälfte der Fälle ignoriert
Das Skill-System bündelt Wissen in Paketen, die KI-Agenten bei Bedarf abrufen können. Der Agent sollte erkennen, wann er Framework-spezifische Hilfe benötigt, den Skill aufrufen und Zugang zu relevanter Dokumentation erhalten.
Die Realität sah laut Vercel anders aus. In 56 Prozent der Evaluierungsfälle wurde der Skill nie aufgerufen. Der Agent hatte Zugang zur Dokumentation, nutzte sie aber schlicht nicht. Die Pass-Rate mit Skills entsprach exakt der Baseline ohne jegliche Dokumentation, nämlich 53 Prozent.
Erst explizite Anweisungen, die den Agenten zur Skill-Nutzung aufforderten, steigerten die Trigger-Rate auf über 95 Prozent und die Pass-Rate auf 79 Prozent. Doch hier offenbarte sich ein neues Problem. Die genaue Formulierung beeinflusste die Ergebnisse dramatisch. "You MUST invoke the skill" führte dazu, dass der Agent den Projektkontext verpasste, während "Explore project first, then invoke skill" bessere Ergebnisse produzierte.
Passiver Kontext erreichte perfekte Ergebnisse
Die Alternative war denkbar simpel. Statt auf die Entscheidung des Agenten zu hoffen, bettete das Team einen komprimierten Dokumentationsindex direkt in die AGENTS.md-Datei ein. Diese Markdown-Datei im Projektstamm stellt persistenten Kontext bereit, der dem Agenten bei jedem Turn zur Verfügung steht, ohne dass dieser aktiv entscheiden muss.
Der ursprünglich 40 Kilobyte große Dokumentationsindex wurde auf 8 Kilobyte komprimiert, eine Reduktion um 80 Prozent, ohne Einbußen bei der Erfolgsrate. Der Agent weiß dadurch, wo er spezifische Dokumentation findet, ohne den vollständigen Inhalt im Kontext zu haben.
Das Vercel-Team nennt drei Faktoren für die Überlegenheit des passiven Kontexts. Erstens entfalle der Entscheidungspunkt, da die Information bereits präsent ist. Zweitens sei die Verfügbarkeit konsistent, weil AGENTS.md-Inhalte im System-Prompt für jeden Turn enthalten sind. Drittens gebe es keine Reihenfolge-Probleme, die bei Skills zu inkonsistenten Ergebnissen führten.
Framework-Autoren sollten AGENTS.md-Snippets bereitstellen
Vercel betont, dass Skills nicht nutzlos seien. Sie eignen sich laut dem Unternehmen besser für vertikale, aktionsspezifische Workflows wie "upgrade my Next.js version". Für allgemeines Framework-Wissen jedoch übertreffe passiver Kontext derzeit das On-Demand-Retrieval.
Für Next.js-Projekte stellt Vercel einen Befehl bereit, der die Einrichtung automatisiert. npx @next/codemod@canary agents-md erkennt die installierte Version, lädt passende Dokumentation und injiziert den komprimierten Index.
AGENTS.md als Teil eines neuen Industriestandards
Die Vercel-Ergebnisse unterstreichen die Relevanz von AGENTS.md, das mittlerweile Teil eines breiteren Industriestandards geworden ist. Im Dezember 2025 gründete die Linux Foundation die Agentic AI Foundation (AAIF), unter deren Dach direkte Konkurrenten wie OpenAI, Anthropic, Google und Microsoft an offenen Standards für KI-Agenten arbeiten.
Den Kern bilden drei Open-Source-Projekte. Anthropics Model Context Protocol (MCP) verbindet Modelle mit externen Daten, Blocks goose dient als Framework für Agenten-Workflows, und OpenAIs AGENTS.md liefert Standards für Coding-Anleitungen. Letzteres wurde laut der Linux Foundation bereits von mehr als 60 000 Open-Source-Projekten übernommen und wird von Agent-Frameworks wie Cursor, Devin, GitHub Copilot und Gemini CLI nativ unterstützt.
Coding-Tools wie Claude Code sorgen derzeit für Aufsehen in der Entwicklerszene. Eine leitende Google-Ingenieurin berichtete kürzlich, dass Anthropics Tool in einer Stunde ein System für verteilte Agenten-Orchestratoren generierte, an dem ihr Team ein Jahr gearbeitet hatte. Das Ergebnis sei zwar nicht perfekt, aber ein nützlicher Ausgangspunkt.
Das von Vercel getestete Skill-System ist ein offener Standard, den auch Anthropic in seinen Claude-Produkten einsetzt. Im Oktober 2025 führte das Unternehmen Skills als modulares System ein, bei dem Claude selbstständig erkennt, welche spezialisierten Anleitungen und Ressourcen für eine Aufgabe benötigt werden.
KI-News ohne Hype – von Menschen kuratiert
Mit dem THE‑DECODER‑Abo liest du werbefrei und wirst Teil unserer Community: Diskutiere im Kommentarsystem, erhalte unseren wöchentlichen KI‑Newsletter, 6× im Jahr den „KI Radar"‑Frontier‑Newsletter mit den neuesten Entwicklungen aus der Spitze der KI‑Forschung, bis zu 25 % Rabatt auf KI Pro‑Events und Zugriff auf das komplette Archiv der letzten zehn Jahre.
Jetzt abonnierenKI-News ohne Hype
Von Menschen kuratiert.
- Mehr als 20 Prozent Launch-Rabatt.
- Lesen ohne Ablenkung – keine Google-Werbebanner.
- Zugang zum Kommentarsystem und Austausch mit der Community.
- Wöchentlicher KI-Newsletter.
- 6× jährlich: „KI Radar“ – Deep-Dives zu den wichtigsten KI-Themen.
- Bis zu 25 % Rabatt auf KI Pro Online-Events.
- Zugang zum kompletten Archiv der letzten zehn Jahre.
- Die neuesten KI‑Infos von The Decoder – klar und auf den Punkt.