Mise en Place for Agentic Coding: Deliberate Preparation as Context Engineering Methodology
Dieser Artikel schlägt „Mise en Place" (MEP) vor, eine dreiphasige Vorbereitungsmethodik, die den Ineffizienzen des schnellen „Vibe Coding" entgegenwirkt, indem sie Domänenwissen externalisiert und Spezifikationen strukturiert, um eine effektive, parallele agentic Coding zu ermöglichen und dadurch „Kontextflüssigkeit" als eine entscheidende Entwicklerkompetenz einzuführen.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Das Kernproblem: "Vibe Coding" vs. echtes Kochen
Stellen Sie sich vor, Sie versuchen, ein Haus zu bauen, aber statt zuerst Baupläne zu zeichnen, geben Sie einfach einer Baufirma Ziegelsteine und rufen: "Bauen Sie etwas Cooles!" Das nennt der Autor "Vibe Coding". Es ist derzeit bei KI-Coding-Agenten beliebt: Sie tippen eine schnelle Idee ein, die KI spuckt Code aus, Sie korrigieren die Fehler und wiederholen den Vorgang.
Das Papier argumentiert, dass dies wie Kochen ohne Vorbereitung ist. Wenn Sie anfangen, ein Steak zu braten, aber die Zwiebeln noch nicht gehackt, die Gewürze nicht abgemessen und das Messer nicht geschärft haben, werden Sie die Hälfte Ihrer Zeit damit verbringen, in der Küche hektisch nach Dingen zu suchen. Das Ergebnis? Das Essen dauert länger, schmeckt inkonsistent, und Sie könnten das Steak verbrennen, während Sie nach Salz suchen.
In der Welt des KI-Codings passiert dieses "Herumrennen", wenn die KI Code schreibt, der nicht ganz Ihrer Vision entspricht. Sie verbringen am Ende mehr Zeit damit, die Fehler der KI zu beheben, als tatsächlich das Produkt zu bauen.
Die Lösung: "Mise en Place" (MEP)
Der Autor schlägt eine Lösung vor, die aus professionellen Küchen stammt und Mise en Place (französisch für "alles an seinem Platz") heißt. In einem gehobenen Restaurant hat der Koch, bevor er überhaupt den Herd anstellt, alle Zutaten abgemessen, jedes Werkzeug an seinem Platz und jedes Rezept auswendig gelernt. Wenn das Kochen beginnt, läuft es reibungslos und schnell.
Das Papier schlägt vor, dass wir dasselbe für das KI-Coding tun müssen. Bevor Sie der KI erlauben, auch nur eine Zeile Code zu schreiben, müssen Sie Zeit damit verbringen, die "Küche" vorzubereiten. Der Autor unterteilt diese Vorbereitung in drei spezifische Schritte:
1. Kontextuelle Verankerung (Die Phase "Rezept & Philosophie")
- Was es ist: Sie schreiben nicht nur auf, was Sie bauen wollen, sondern auch warum und wie es sich anfühlen soll. Sie verwandeln Ihre "Bauchgefühle" und Expertenwissen in schriftliche Dokumente, die die KI lesen kann.
- Die Analogie: Stellen Sie sich vor, Sie stellen einen Sous-Chef ein. Statt nur zu sagen "Machen Sie eine Suppe", übergeben Sie ihm einen Ordner mit der Aufschrift: "Wir machen eine Suppe für Studenten. Sie muss einfach, aber tiefgründig sein. Verwenden Sie keine scharfen Zutaten, da unser Publikum jung ist. Hier ist die Geschichte dieses Gerichts."
- Warum es hilft: Die KI hat keine "Bauchgefühle". Wenn Sie diese nicht aufschreiben, wird die KI raten, und sie wird höchstwahrscheinlich falsch raten.
2. Kollaborative Spezifikation (Die Phase "Menüdesign")
- Was es ist: Sie führen ein Gespräch mit der KI, um Ihre Ideen in ein detailliertes Design zu verwandeln. Sie sagen ihr, was enthalten sein soll, aber genauso wichtig ist, dass Sie ihr sagen, was nicht enthalten sein soll.
- Die Analogie: Das ist wie das Sitzen mit einem Koch, um das Menü zu entwerfen. Sie sagen: "Wir wollen ein Drei-Gänge-Menü, aber lassen Sie den Vorspeisenkurs aus, um Zeit zu sparen, und stellen Sie sicher, dass das Dessert glutenfrei ist." Sie setzen die Grenzen, damit der Koch keine Zeit damit verschwendet, ein Fünf-Gänge-Menü oder ein ungenießbares Dessert zu machen.
- Warum es hilft: Es verhindert, dass die KI übermäßig komplex wird oder die falschen Funktionen entwickelt.
3. Aufgabenzerlegung (Die Phase "Fließband")
- Was es ist: Sie teilen das große Projekt in winzige, unabhängige Aufgaben auf, die die KI nacheinander (oder alle gleichzeitig) erledigen kann.
- Die Analogie: Statt einem Team von Köchen zu sagen "Machen Sie das ganze Abendessen", geben Sie ihnen eine Liste mit spezifischen Aufgaben: "Sie schneiden Karotten", "Sie kochen Wasser", "Sie servieren den Fisch". Da die Aufgaben klar und getrennt sind, können vier Köche gleichzeitig arbeiten, ohne sich zu stören.
- Warum es hilft: Es ermöglicht mehreren KI-Agenten, parallel zu arbeiten, ohne verwirrt zu werden oder sich gegenseitig in die Quere zu kommen.
Der Realwelt-Test: Der Hackathon
Der Autor testete diese Methode bei einem wettbewerbsorientierten Coding-Event (einem "Hackathon"), bei dem Teams nur 5 Stunden Zeit hatten, eine funktionierende App zu entwickeln.
- Das Setup: Während andere Teams sofort mit dem Codieren begannen (der "Vibe"-Ansatz), verbrachte der Autor 2 Stunden mit der Vorbereitung (der "Mise en Place"-Ansatz).
- Das Ergebnis: Das Team des Autors setzte vier KI-Agenten gleichzeitig ein. Da die Vorbereitung so klar war, bauten die Agenten die gesamte App in etwa 20 Minuten tatsächlicher Codierzeit.
- Das Ergebnis: Der Code funktionierte fast perfekt. Es gab sehr wenige Fehler, und kaum Zeit wurde damit verschwendet, große architektonische Fehler zu beheben. Das Team des Autors schloss eine vollständige Bildungsplattform ab, während andere noch mit grundlegenden Fehlern kämpften.
Die neue Fähigkeit: "Kontextflüssigkeit"
Das Papier kommt zu dem Schluss, dass ein guter Entwickler im Zeitalter der KI nicht nur wissen muss, wie man Code schreibt oder einen guten Prompt formuliert. Es geht um eine neue Fähigkeit namens Kontextflüssigkeit.
- Die Analogie: Stellen Sie sich einen KI-Agenten als einen sehr talentierten, aber sehr wörtlichen Praktikanten vor. Wenn Sie dem Praktikanten eine vage Aufgabe geben, wird er eine vage Arbeit leisten. Wenn Sie ihm kristallklare, detaillierte und strukturierte Anweisungen geben, wird er zu einem Super-Mitarbeiter.
- Die Fähigkeit: "Kontextflüssigkeit" ist die Fähigkeit, Ihre chaotischen menschlichen Ideen in eine saubere, strukturierte Umgebung zu verwandeln, die die KI sofort verstehen und darauf handeln kann. Es ist die Kunst, die Bühne so zu richten, dass die KI eine Hit-Show liefern kann, ohne dass Sie herumrennen müssen, um die Lichter zu reparieren.
Zusammenfassung
Das Papier argumentiert, dass Geschwindigkeit aus Vorbereitung und nicht aus Hetzen entsteht. Indem Sie Zeit investieren, um Ihre Gedanken zu organisieren, Ihre Regeln zu definieren und Ihre Aufgaben aufzubrechen (Mise en Place), ermöglichen Sie KI-Agenten, schneller und intelligenter zu arbeiten, und sparen sich den Kopfzerbrechen, ihre Fehler später zu beheben.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.