^ Standardisierung von AI-Organisationswissen & Regeln

Careti ist so konzipiert, dass die AI die Coding-Regeln und Standards Ihres Teams präzise versteht und befolgt. Durch dieses System fungiert die AI als echtes Teammitglied, das den Projektkontext versteht, und nicht nur als einfaches Tool zur Code-Generierung.

Warum ist Wissenssynchronisation wichtig?

Situation	Generische AI-Tools	Careti
Einhaltung von Teamregeln	Kennt die Regeln nicht	✅ Erkennt Regeldateien automatisch
Projektkontext	Benötigt jedes Mal eine Erklärung	✅ Persistentes Gedächtnis
Code-Konsistenz	Unterschiedliche Stile je nach Tool	✅ Behält Team-Standards bei
Rollenoptimierung	Keine	✅ Getrennte AI-/Mensch-Dokumente

Kernkonzept 1: Duale Verzeichnisarchitektur

Careti berücksichtigt, dass Dokumente für die AI und für Menschen unterschiedliche Zwecke erfüllen. Um dies zu adressieren, werden zwei Verzeichnisse verwendet:

your-project/
├── .agents/                    # For AI (English, token-optimized)
│   ├── context/               # System rules
│   │   ├── agents-rules.json  # Main rules file (SoT)
│   │   └── ai-work-index.yaml # Work index
│   ├── workflows/             # Task workflows
│   │   └── atoms/             # Reusable building blocks
│   ├── skills/                # AI skills
│   └── hooks/                 # Event hooks
│
├── .users/                     # For humans (native language, detailed)
│   ├── context/               # Project context (Markdown)
│   ├── workflows/             # Workflow guides
│   └── skills/                # Skill guides
│
└── AGENTS.md                   # AI entry point

Warum trennen?

Kategorie	.agents/ (Für AI)	.users/ (Für Menschen)
Sprache	English (token-effizient)	Muttersprache
Format	JSON/YAML (strukturiert)	Markdown (lesbar)
Zweck	Deterministisches Verhalten sicherstellen	Detaillierte Erklärungen bereitstellen
Zielgruppe	AI Agents	Entwickler/Teammitglieder

Token-Optimierung: Dateien in .agents/ werden in English verfasst, um dieselbe Bedeutung mit weniger Token zu vermitteln. Dies nutzt das Context Window effizienter und reduziert die Kosten.

Kernkonzept 2: Atomares Wissenssystem

Careti nutzt einen Atomic Knowledge Ansatz. Anstatt eines einzelnen massiven Dokuments wird das Wissen in minimale Einheiten (Atome) zerlegt und bei Bedarf kombiniert.

Wie es funktioniert

1. Aufgabenanalyse: Die AI liest die ai-work-index.yaml, um den Aufgabentyp zu identifizieren.
2. Laden des Workflows: Es wird nur die relevante Workflow-Datei gelesen.
3. Zusammensetzung der Wissensatome: Lädt nur die vom Workflow referenzierten Atome.
4. Aufgabenausführung: Führt die Aufgabe mit dem kombinierten Wissen aus.

Beispiel

.agents/workflows/
├── code-review.md             # Code review workflow
├── feature-implementation.md  # Feature implementation workflow
└── atoms/                     # Reusable building blocks
    ├── tdd-cycle.md           # TDD cycle
    ├── naming-conventions.md  # Naming conventions
    └── document-changes.md    # Documenting changes

Vorteil: Anstatt immer alle Regeln zu laden, lädt die AI selektiv nur die für die aktuelle Aufgabe benötigten Regeln, was Token spart.

Kernkonzept 3: Speicherort der Regeln & Priorität

Careti nutzt den Ordner .agents/context/ als Single Source of Truth für Regeln. Dies stellt sicher, dass die AI im gesamten Projekt konsistente Standards einhält.

Speicherorte der Regeln

Typ	Ort	Zweck
Workspace-Regeln	.agents/context/	Projektspezifische Regeln
Verzeichnis-Scope	AGENTS.md	Gilt nur für bestimmte Ordner
Globale Regeln	Documents/Careti/Rules	Gilt für alle Projekte
Workflows	.agents/workflows/	On-Demand-Laden

Warum ist Standardisierung wichtig?

Problem	Lösung
Regeln an verschiedenen Orten verstreut	An einem Ort verwalten
Regelkonflikte treten auf	Klare Prioritätsreihenfolge
AI übersieht Regeln	Garantiertes automatisches Laden

Kernkonzept 4: Organisationsübergreifende Wissenssynchronisation

Mithilfe von Submodules können Sie Regeln und Wissen über mehrere Projekte innerhalb Ihrer gesamten Organisation hinweg teilen.

Organisations-Repository-Muster

org-context/                      # Organization shared repository (Git)
├── .agents/                      # AI context
│   ├── context/                  # Organization rules/policies
│   │   ├── conventions.md        # Development conventions
│   │   ├── tech-stack.md         # Tech stack
│   │   └── security-policy.md    # Security policy
│   └── workflows/                # Workflow definitions
│       ├── code-review.md
│       └── release-process.md
│
├── .users/                       # User documentation (mirrored)
│   ├── context/
│   │   ├── dev-standards.md      # Detailed guide
│   │   └── tech-stack.md
│   └── workflows/
│       └── code-review-guide.md
│
└── AGENTS.md                     # Organization AI entry point

Als Submodule verbinden

# Add organization context as submodule
git submodule add git@github.com:your-org/org-context.git

your-project/
├── .agents/                # Project rules
├── .users/                 # Project user documentation
├── org-context/            # ← Submodule (organization rules)
│   ├── .agents/
│   └── .users/
└── AGENTS.md

4-Ebenen-Regelzusammenführung

Ebene 1: Global (Benutzerweit)
    ~/.agents/                    # Persönliche AI-Regeln

Ebene 2: Organisation
    org-context/.agents/          # Organisationsweiter AI-Kontext

Ebene 3: Projekt
    {project}/.agents/            # Projektspezifische AI-Regeln

Ebene 4: Lokal (Pro Verzeichnis)
    {project}/packages/{pkg}/
    └── AGENTS.md                 # Verzeichnisweites Überschreiben

Zusammenführungspriorität: Lokal > Projekt > Organisation > Global

Anwendungsbeispiele

# Alle Aufgaben in einem Projekt möglich:

# Coding-Aufgabe
"Refactor this function"
→ Referenziert .agents/context/ Regeln für die Aufgabe

# Frage zu Unternehmensrichtlinien
"What's the remote work policy?"
→ Liest org-context/.users/policies/remote-work.md und antwortet

# Workflow-Leitfaden
"How do I do code review?"
→ Referenziert org-context/.users/workflows/code-review-guide.md

Schnellstart: /init-Befehl

Wenn Ihr Projekt nicht über die Standardstruktur verfügt, können Sie diese mit dem /init-Befehl automatisch generieren lassen.

# In Careti chat
/init

Dieser Befehl:

• Erstellt die Ordnerstruktur für .agents/ und .users/
• Stellt Standard-Regel-Templates bereit
• Überschreibt niemals vorhandene Dateien (sicher)

Bestehende Projekte migrieren

Wenn Sie Regeldateien an anderen Orten haben, verschieben Sie diese nach .agents/context/.

your-project/
├── .agents/
│   ├── context/          # Rule files
│   │   └── coding.md     # e.g., Coding standards
│   └── workflows/        # Workflows (optional)
└── AGENTS.md             # Root instructions (optional)

Wichtigste Vorteile

1. Echte Partnerschaft

AI und Entwickler kommunizieren auf Basis derselben Dokumente, was Missverständnisse eliminiert.

2. Token-Effizienz

• Token sparen mit auf English verfassten .agents/-Dateien
• On-Demand Loading lädt nur notwendige Regeln

3. Organisationsweite Konsistenz

Alle Projekte teilen sich dieselben Organisationsregeln über Submodules.

4. Transparenz

Entwickler können durch den .agents/-Ordner klar sehen, wie die AI arbeitet.

5. Team-Konsistenz

• Alle Teammitglieder nutzen dieselben Regeln
• AI-Zuverlässigkeit – übersieht niemals Regeln
• Versionskontrolle – Änderungen an Regeln nachverfolgen
• Flexibler Scope – Wahl zwischen Projekt/Ordner/Global

Vollständiger Vergleich mit Cline

Punkt	Cline	Careti
Wissensaustausch	Einzelne Datei (Plain Text)	Atomic Knowledge System
Effizienz	Lädt immer alle Regeln	On-Demand Loading
Rollentrennung	Keine	AI-/Mensch-Trennung
Bootstrap	Manuelles Setup	/init Auto-Scaffold
Teilen in der Organisation	Keine	Unterstützung des Submodule-Musters
Regelpriorität	Unklar	Klare 4-Ebenen-Zusammenführung

Erste Schritte

Methode 1: Automatische Initialisierung (Empfohlen)

# In Careti chat
/init

Methode 2: Manuelles Setup

1. Erstellen Sie den Ordner .agents/context/ im Projekt-Root
2. Schreiben Sie Regeln in Markdown-Dateien
3. Starten Sie den Chat mit Careti

Für detaillierte Richtlinien zum Schreiben von Regeln siehe die Dokumentation zum Careti Rules Feature.

Verwandte Dokumentation

• Careti Rules Feature - Leitfaden zum Schreiben von Regeln
• Document Reading Tools - AI liest Dokumente direkt
• Image Tools - AI Bildgenerierung/Analyse