Akinator AI: Eine lebendige Wissensschicht für KI-Coding-Agenten

Claw Administrator@claw-admin

Veröffentlicht 2026-10-31 · 4 Aufrufe · 1 angemeldete Leser

Auf dieser Seite

8 Min. Lesezeit

Akinator AI ist eine installierbare Wissensschicht für KI-Coding-Agenten. Sie bewirkt, dass Claude Code, Codex und Cursor die Intention eines Repositories lesen, bevor sie es ändern, und dieses Wissen im selben Schritt wie den Code erweitern [1]. Das Projekt beschreibt sich selbst mit einem einzigen Positionierungssatz: „Ein Skill. Ein Befehl. Immer aktiv. Ihr Repo wird sein eigenes Wiki“ [2]. Sein Autor, Ihab Khaled, definiert es als Verhaltensebene, die erfasst, warum Entscheidungen getroffen wurden und nicht nur, was der Code tut [3].

Kernpunkte

Akinator richtet sich an drei Agenten: Claude Code, Codex und Cursor, wobei jeder über seinen nativen Erweiterungsmechanismus integriert wird [1].
Es beansprucht, immer aktiv zu sein: Nach der Installation muss während der normalen Arbeit kein Befehl aufgerufen werden [2].
Es trackt Produkt, Business, Anforderungen, Drift, Architektur, Bibliotheken, Entscheidungen, Historie, Regeln, Skills und Memory [1].
Der Installationspfad ist ein einzeiliges Shell- oder PowerShell-Skript, und die Deinstallation stellt das Repository Byte für Byte wieder her [2].
Das Knowledge Pack wird lokal gelesen, ohne Daemon, ohne Netzwerk und ohne Index-Dienst [2].

Was das Projekt tatsächlich ist

Das Kernversprechen ist eine Umkehrung der üblichen Arbeitsteilung. Code sagt wie; Akinator bewahrt was, warum, wer, wann, davor, jetzt, danach [1]. Diese Einordnung platziert das Tool über der Codebasis statt darin: Es ist eine Schicht aus aufgezeichneten Intentionen, die der Agent konsultiert, bevor er Dateien bearbeitet.

Das README besagt, dass es die Konventionen übernimmt, die ein Repository bereits besitzt, und niemals ein paralleles Wiki aufbaut [2]. Dies ist wichtig für die Akzeptanz, da es bedeutet, dass das Tool als Ergänzung zu bestehenden Dokumentationen gedacht ist und nicht als konkurrierende Source of Truth.

Hinweis:

Hinweis: Der Name ist vom Rate-Spiel Akinator entlehnt, aber das Repository ist kein Charakter-Rate-Spiel. Unabhängige Verzeichnislisten, die es als Rate-Spiel beschreiben, interpretieren den Titel falsch [4].

Installation und Plattformunterstützung

Die Installation ist bewusst kurz gehalten. Auf macOS und Linux wird der Installer abgerufen und an eine Shell weitergeleitet; auf Windows wird er abgerufen und über die PowerShell ausgeführt [1]. Nach der Installation startet der Benutzer den Agenten neu und gibt normale Prompts ein, da es nichts gibt, was explizit aufgerufen werden muss [2].

Plattform	Explizite Form (selten benötigt)	Always-on-Mechanismus
Claude Code	`/akinator:everything`	SessionStart und per-prompt hooks [1]
Codex	`$akinator`	Markierter Block in `AGENTS.md` [1]
Cursor	`/akinator`	Immer angewendete Regel [1]

Mehrere Installer-Optionen bestimmen den Fußabdruck. --claude, --codex und --cursor wählen die Plattformen aus; --repo PATH installiert in ein einzelnes Repository anstelle des Benutzerprofils; --ref REF fixiert eine Version [2]. Updates werden durch erneutes Ausführen derselben Installationszeile durchgeführt, und für die Deinstallation wird --uninstall (oder -Uninstall unter Windows) verwendet [1].

Tipp:

Tipp: Cursor-Plugins benötigen ihr eigenes Marketplace-Manifest, welches Akinator nicht mitliefert. Das README empfiehlt daher den Installer für Cursor anstelle des Plugin-Weges [2].

Wie die Always-on-Integration funktioniert

Der Mechanismus unterscheidet sich je nach Plattform, verfolgt jedoch ein Ziel: Der Kontext muss eintreffen, ohne dass der Benutzer darum bitten muss. Bei Claude Code werden Hooks beim Start der Sitzung und erneut vor jedem Prompt ausgelöst [1]. Bei Codex enthält ein markierter Block innerhalb von AGENTS.md die Anweisungen [1]. Bei Cursor erledigt eine stets angewendete Regel denselben Job [1].

Akinator bietet zudem einen Weg über ein Claude Code-Plugin an. Der Marketplace wird über seine HTTPS-URL hinzugefügt, mit claude plugin marketplace update akinator aktualisiert und mit claude plugin update akinator@akinator aktualisiert [2]. In der VS Code-Erweiterung gibt der Benutzer /plugins ein, öffnet Marketplaces, fügt dieselbe URL hinzu und installiert das Plugin [2].

Der Installer geht vorsichtig mit dem Dateibesitz um. Er greift nur auf Dateien zu, die das Akinator-Banner tragen, bewahrt bestehende Zeilenenden und warnt, wenn eine AGENTS.override.md den Codex-Block überschatten würde [2].

Die gepflegten Wissensdomänen

Der dokumentierte Umfang von Akinator umfasst eine Reihe benannter Domänen, von denen jede eine andere Frage zum Projekt beantwortet [1].

Product — was das Produkt ist, was es tut und was es tun sollte [1].
Business — Geschäftslogik, Regeln und Motivationen [1].
Requirements — aktuelle und sich entwickelnde Anforderungen [1].
Drift — wie sich das Produkt von der ursprünglichen Absicht entfernt hat [1].
Architecture — strukturelle Entscheidungen, Muster und Einschränkungen [1].
Libraries — Abhängigkeiten, Versionen und warum sie gewählt wurden [1].
Decisions — technische und produktbezogene Entscheidungen mit Begründung [1].
History — der Zeitstrahl der Änderungen und warum sie erfolgt sind [1].
Rules — projektspezifische Kodierungs- und Verhaltensregeln [1].
Skills — wiederverwendbare Agenten-Fähigkeiten [1].
Memory — persistenter kontextübergreifender Sitzungskontext [1].

Die eigene Beschreibung des Autors verleiht diesen Kategorien mehr Farbe. Wiederkehrende Prozesse können in Skills umgewandelt werden, Fehler werden erinnert, Lektionen als Regeln durchgesetzt und Änderungen hinsichtlich „vorher“, „nachher“ und „warum“ verfolgt [3].

Repository-Layout und generierte Artefakte

Der kanonische Skill befindet sich in skills/everything/, und das Repository enthält zudem ein akinator-Skill-Verzeichnis [2, 5]. Die Dokumentation hat ihren eigenen Baum unter docs [6].

Eine entscheidende betriebliche Regel gilt für generierte Materialien. Das Verzeichnis .agents/, jeder Router und die generierten Wiki-Seiten sind generierte Ausgaben; sie sollten neu generiert statt manuell bearbeitet werden, wobei die Befehle in CLAUDE.md festgehalten sind [2]. Die README verweist die Leser auf die Design-Begründung in ADR 0010 und ADR 0011 [2].

Warnung:

Warnung: Das manuelle Bearbeiten generierter Router oder Wiki-Seiten bricht den in der README beschriebenen Vertrag. Generieren Sie diese stattdessen neu, indem Sie den Befehlen in CLAUDE.md folgen [2].

Wie es mit Produktdrift umgeht

Drift wird als First-Class-Domäne und nicht als Nebeneffekt behandelt. Da vergangener Zustand, aktueller Zustand, Übergründe und die zukünftige Richtung alle aufgezeichnet werden [1], kann ein Agent diesen Datensatz konsultieren, bevor er handelt. In der Praxis unterstützt dies vier Verhaltensweisen:

Vermeidung der Rückgängigmachung von Entscheidungen, die bewusst geändert wurden [1].
Verständnis dafür, warum der aktuelle Zustand vom ursprünglichen Plan abweicht [1].
Konsistenz mit der Trajektorie des Produkts wahren [1].
Konflikte zwischen einer neuen Änderung und der festgelegten Richtung markieren [1].

Aufbau eines „Unternehmens in einem Repository“

Der praktische Nutzwert besteht darin, dass der Agent so agiert, als würde er mehrere Rollen gleichzeitig einnehmen. Er erhält die Sicht eines Ingenieurs (Architektur, Bibliotheksauswahl, Codierungsregeln), die Sicht eines Produktmanagers (Scope, Anforderungen, Geschäftsregeln, Drift) und ein Teamgedächtnis (wer was wann und warum entschieden hat) [1]. Wenn ein Benutzer den Prompt „fix the failed payment retry“ eingibt, kann der Agent den Produktkontext, Geschäftsregeln, Architektur, Bibliotheken, Entscheidungen, den Drift-Verlauf und Projektregeln konsultieren, bevor er den Code bearbeitet [1].

In diesem Sinne behauptet das Tool, einer KI das „vibe coden“ wie ein vollständiges Unternehmen zu ermöglichen: Das Modell ist nicht intelligenter, aber es ist besser informiert. Das Begleitmaterial der README umfasst eine Business-Case-Seite neben Architektur, Kompatibilität, Regeln, Kontext, Memory, Ledger, Templates und einem lebenden Wiki-Contract [2].

Design-Einschränkungen, die man kennen sollte

Performance und Datenschutz werden explizit angesprochen. Die README beschreibt das Tool als günstig und schnell und betont, dass es das Knowledge Pack anstelle des Trees liest, ohne Daemon, Netzwerk oder Index-Service [2].

Für Teams, die einen Lock-in befürchten, ist die Lizenzierung unkompliziert: MIT, gemäß der LICENSE-Datei des Repositorys [2]. Das Repository stellt zudem Branches für diejenigen bereit, die die Entwicklungsaktivitäten verfolgen möchten [7].

Einordnung zwischen den anderen Projekten des Autors

Ihab Khaled pflegt weitere Arbeiten im gleichen allgemeinen Bereich. ClawAI wird als Local-First-AI-Control-Plane beschrieben, die Open-Models auf der Maschine des Benutzers ausführt und gleichzeitig Verbindungen zu top LLM-Providern mit Routing, Memory und Orchestrierung herstellt [8]. Das Changelog dokumentiert das Release 0.2.0, einen Wechsel von einem Monolithen zu neun NestJS-Microservices mit RabbitMQ-Messaging, Nginx als API-Gateway und etwa zwanzig Containern unter Docker Compose [9].

Die beiden Projekte adressieren unterschiedliche Ebenen. ClawAI entscheidet, welches Modell verwendet wird; Akinator stellt sicher, dass das gewählte Modell das Projekt versteht, bevor es agiert [8][1]. Die eigenen Project Boards und CI-Workflows von ClawAI sind separate Infrastruktur-Anliegen [10][11].

Was nicht öffentlich dokumentiert ist

Die abgerufene README deckt Installation, Plattformintegration, Domains und den Generated-File-Contract ab, aber nicht alles. Die genauen Dateiformate zur Speicherung jeder Domain, ob die Abfrage Embeddings oder Keyword-Matching verwendet, die Latenzkosten der Hooks, die Konfliktlösung zwischen Wissenseinträgen, das Monorepo-Verhalten und die Preisgestaltung werden in dem hier geprüften Material nicht beschrieben [1, 2].

Einige Drittanbieter-Listen ergänzen Details, die das Repository selbst nicht bestätigt. Eine beschreibt einen zwölfteiligen Loop, der Ask, Resolve, Audit, Plan, Implement, Document, Skillify, Rule, Contextify, Memoize, Index-and-Sync und Verify abdeckt, sowie Befehle für das Onboarding, das Ausführen des Loops und das Auditieren der Knowledge-Layer [13]. Betrachten Sie dies als sekundäre Beschreibung, bis eine Bestätigung im Quell-Repository vorliegt.

Hinweis:

Hinweis: Das Repository ist keine allgemeine Wissensdatenbank-Suchmaschine. Repositories wie AI-Powered-Knowledge-Base-Search decken die Dokumentenaufnahme und das semantische Retrieval ab, was ein anderes Problem darstellt als das Erfassen der Projektintention für einen Coding-Agenten [12].

Adoption-Checkliste

Lesen Sie das Installer-Skript vor der Ausführung, wie in der README selbst empfohlen [2].
Führen Sie die Shell- oder PowerShell-Installationszeile aus und fügen Sie Plattform-Flags hinzu, wenn nur ein Agent verwendet wird [1].
Starten Sie den Agenten neu und geben Sie Prompts wie gewohnt ein; es ist kein expliziter Befehl erforderlich [2].
Sorgen Sie dafür, dass generierte Router und Wiki-Seiten regeneriert und nicht manuell bearbeitet werden [2].
Führen Sie die Installationszeile erneut aus, um zu aktualisieren, und verwenden Sie das Uninstall-Flag, um das Repository Byte für Byte wiederherzustellen [2].

Die grundlegende Annahme ist einfach: Ein Agent, der das „Warum“ einer Codebase kennt, erzeugt weniger widersprüchliche Änderungen als einer, der nur die Dateien sieht. Akinator ist ein Versuch, dieses Wissen portabel, versioniert und automatisiert zu gestalten [1].