Dein Coding Agent belügt dich nicht – er vergisst dich

Claude Code, Aider, Codex, Gemini CLI – sie alle wirken, als würden sie unser Projekt „verstehen”. Doch die Wahrheit ist simpler und faszinierender zugleich: Das LLM dahinter ist vollständig zustandslos. Jeder einzelne API-Call startet bei null. Alles, was wie Gedächtnis, Projektverständnis und Kontextbewusstsein aussieht, ist eine Leistung des Tools – nicht des Modells.

In diesem Vortrag mache ich sichtbar, was normalerweise unsichtbar bleibt: die tatsächliche Kommunikation zwischen Coding Agent und LLM. Dafür habe ich XaresAICoder – eine Open-Source-Entwicklungsumgebung mit integrierten AI-Coding-Tools – um einen transparenten API-Proxy erweitert, der jeden Request und jede Response aufzeichnet, ohne das Verhalten der Tools zu verändern.

Die Aufzeichnungen offenbaren dramatische architektonische Unterschiede: Aider komprimiert die gesamte Codebasis per Tree-Sitter-Parsing in eine schlanke Repository-Map und reduziert den Token-Verbrauch drastisch. Claude Code orchestriert autonom Sub-Agenten, die das Dateisystem explorieren – mächtig, aber token-hungrig. OpenAIs Codex CLI spricht als einziges Tool die neuere Responses API statt der klassischen Chat Completions und bringt eigene Sandbox-Mechanismen mit. Und die Gemini CLI? Sie rekonstruiert bei jeder Iteration den kompletten Payload inklusive aller System-Instruktionen und Tool-Definitionen – selbst bei einfachsten Fragen entsteht so enormer Token-Overhead. Hinter den Kulissen entscheidet zudem ein verstecktes Routing-Modell, welches Gemini-Modell die Anfrage überhaupt bearbeitet.

Diese Erkenntnisse sind direkt praxisrelevant: Sie erklären, warum Context-Dateien wie CLAUDE.md oder AGENTS.md so wirkungsvoll sind, warum manche Tools bei langen Sessions unbezahlbar werden (Stichwort Prompt Caching und FinOps), und warum das automatische Einlesen von Projektdateien auch ein Einfallstor für Prompt Injection sein kann. Wer versteht, wie sein Coding Agent mit dem LLM spricht, kann Kontext gezielter steuern, Kosten kontrollieren und Sicherheitsrisiken einschätzen.

Der Vortrag basiert auf meiner täglichen Arbeit mit Coding Agents und der Entwicklung von XaresAICoder – er geht bewusst eine Schicht tiefer als übliche Tool-Vergleiche: vom Anwenden zum Verstehen.