LN-0001-AI-REPOSITORY-UPLOAD-STRUCTURE

Learning Nugget – Strukturierung von Repository-Uploads für KI-gestützte Engineering-Aufgaben#

Kontext#

Während mehrerer Repository-Konsolidierungen mit KI-Unterstützung wurde wiederholt beobachtet, dass die Zuverlässigkeit und Stabilität der Bearbeitung nicht in erster Linie von der Anzahl der Dateien innerhalb eines ZIP-Archivs abhängt. Wesentlich entscheidender ist die Anzahl der einzelnen Archive, die einem Auftrag gleichzeitig bereitgestellt werden.

Empfohlene Struktur#

1. Aufgabenpaket (gap-000.zip)#

Enthält Arbeitsauftrag, Ziele, Governance, Manifest, Status, Entscheidungen, Discovery-Ergebnisse sowie Ausführungs- und Lieferregeln. Es ist die Prozess- und Statusautorität des Auftrags.

2. Source Bundle (source_bundle.zip)#

Enthält ausschließlich historische oder referenzierende Wissensquellen. Es dient der semantischen Analyse und bleibt unverändert.

3. Target Bundle (target_bundle.zip)#

Enthält die aktuellen Zielrepositorys als Eingabecontainer. Ausgeliefert werden anschließend ausschließlich die tatsächlich geänderten Repositorys als einzelne ZIP-Dateien.

Sonderfall#

Wenn Quelle und Ziel identisch sind, beispielsweise bei der Erweiterung eines einzelnen Repositorys, können Source und Target gemeinsam in einem ZIP bereitgestellt werden.

Erkenntnis#

Die praktische Erfahrung zeigt, dass eine kleine Anzahl logisch strukturierter Uploads robuster verarbeitet wird als viele einzelne hochgeladene Archive. Die Anzahl der Dateien innerhalb eines ZIP-Archivs scheint dabei deutlich weniger relevant zu sein als die Anzahl der gleichzeitig hochgeladenen ZIP-Dateien.

Vollständige Eingaben bei jedem Aufruf#

Jeder neue Ausführungsaufruf sollte alle drei Eingabepakete erneut vollständig enthalten:

• gap-000.zip
• source_bundle.zip
• target_bundle.zip

Auch wenn einzelne Archive bereits in einem vorherigen Chat-Schritt bereitgestellt wurden, sollte nicht auf deren fortbestehende Tool-Verfügbarkeit vertraut werden. Die erneute vollständige Bereitstellung verhindert Abhängigkeiten von temporären Upload-, Mount- oder Tool-Zuständen und reduziert dadurch vermeidbare Tool-Issues. Maßgeblich sind immer die gemeinsam mit dem aktuellen Auftrag gelieferten Pakete.

Empfehlung#

Für größere Knowledge-Transfer- oder Repository-Konsolidierungsaufträge sollte bevorzugt folgende Struktur verwendet werden:

• gap-000.zip
• source_bundle.zip
• target_bundle.zip

Dieses Vorgehen hat sich nach den bisherigen Erfahrungen als besonders stabil für KI-gestützte Engineering-Aufgaben erwiesen.

Beziehungen#

• ◆LEARNING-NUGGET-CONTRACTVerbindlicher Vertrag für Bedeutung, Auslöser, Struktur, Grenzen und Verknüpfung von Learning Nuggets. — folgt diesem Vertrag