Kontext-Strategien für Agenten
Kontext-Strategien entscheiden bewusst, was ein Agent in seinem begrenzten Kontextfenster sehen soll – und was nicht.
Das Grundproblem
Das Kontextfenster ist endlich, und mehr Inhalt ist nicht automatisch besser. Zu viel irrelevantes Material verwässert, was wirklich wichtig ist – ähnlich wie ein überladener Schreibtisch, auf dem man das eine wichtige Blatt nicht mehr findet. Kontext-Strategien sind bewusste Entscheidungen darüber, was ins Kontextfenster darf.
Verbreitete Strategien
- Just-in-time-Retrieval: Statt vorab alles mögliche Material in den Kontext zu laden, holt sich der Agent gezielt nur das, was er gerade braucht – etwa über RAG oder gezielte Datei-Referenzen statt ganzer Ordner.
- Kompaktierung: Wird das Kontextfenster in einer langen Session knapp, werden ältere Gesprächsteile automatisch zusammengefasst statt komplett gelöscht.
- Subagent-Architektur: Aufwendige Zwischenschritte (z. B. eine lange Recherche) laufen im Kontext eines Subagents; der Hauptkontext bekommt nur das fertige Ergebnis.
- Externes Gedächtnis: Notizen oder Zwischenergebnisse werden in Dateien geschrieben statt im Kontextfenster gehalten – der Agent liest sie bei Bedarf gezielt wieder ein.
Warum das wichtig ist
Anthropics Engineering-Team beschreibt Kontext-Management explizit als eigene Disziplin ("Context Engineering"): Es geht nicht nur darum, möglichst viel Wissen bereitzustellen, sondern das richtige, relevante Wissen zur richtigen Zeit – mit einem hohen Verhältnis von Signal zu Rauschen.
BEISPIEL
Statt einem Coding-Agenten vorab die komplette Codebase in den Kontext zu laden, sucht er sich bei Bedarf gezielt die relevanten Dateien über eine Suche und liest nur diese – der Rest bleibt außerhalb des Kontextfensters, bis er wirklich gebraucht wird.
KURZ-QUIZ
Warum ist 'möglichst viel Kontext reinladen' keine gute Kontext-Strategie?
QUELLEN
- Anthropic Engineering: Effective context engineering for AI agents ↗ www.anthropic.com
- Claude-Doku: Tipps für lange Kontexte ↗ docs.claude.com