Technischer Kontext
Ich würde den gesamten Prozess nicht auf der Hoffnung aufbauen, dass Claude Code fremde Kontexte von selbst perfekt einliest. Für eine reibungslose AI integration zwischen Agenten ziehe ich es vor, den Chatverlauf direkt in Repository-Dateien zu überführen. Auf diese Weise brechen Sitzungen nicht ab und der Agent muss nicht bei jeder Kleinigkeit das gesamte Projekt neu scannen.
In der Diskussion wurden drei Ansätze genannt: Thread-IDs aus Codex, das Ausführen von init sowie das Ablegen von Kontext in CLAUDE.md oder AGENTS.md. Ich würde hierbei ganz klar auf CLAUDE.md als zentralen Anker setzen, da diese Kontextdatei voll und ganz den Best Practices von Claude Code entspricht. Die direkte Übernahme einer Thread-ID von Codex in Claude halte ich dagegen eher für einen Community-Hack als für ein verlässliches Feature.
Wenn ich Claude Code an ein aktives Projekt anbinden müsste, würde ich mindestens zwei Dateien erstellen. Die erste ist CLAUDE.md mit einer kurzen Architekturbeschreibung, Befehlen, Einschränkungen und Regeln. Die zweite ist eine Handoff-Notiz: Was wurde bereits erledigt, welche Dateien wurden geändert, was ist fehlerhaft und was sind die nächsten Schritte.
Der Inhalt sollte kurz und prägnant sein. Kein kompletter Repository-Dump, sondern nur das, was der Agent zum Start wirklich benötigt: Tech-Stack, Struktur, Test-/Lint-/Dev-Befehle, kritische Business-Regeln, Verbote wie „auth nicht anfassen“ und einige bekannte Edge Cases. Ein überladenes Dokument verfehlt schnell seinen Zweck.
Auch den Prompt würde ich simpel halten. Etwa so: Analysiere das Projekt, erstelle zuerst einen Plan, aktualisiere dann CLAUDE.md und erstelle eine handoff.md mit dem aktuellen Zustand; ändere keinen Code ohne meine Bestätigung. Das reicht in der Regel völlig aus, sofern das Repository kein absolutes Chaos ist.
Was sich dadurch für Unternehmen und Automatisierung ändert
Der größte Vorteil liegt hier nicht im Komfort, sondern in der Geschwindigkeit. Wenn der Kontext im Repository liegt, kann ich nahtlos zwischen Codex, Claude Code und Cursor wechseln, ohne jedes Mal wertvolle Token für das erneute Einlesen des gesamten Projekts zu verschwenden. Für die AI implementation im Team bedeutet dies eine erhebliche Ersparnis an Zeit und Nerven.
Teams mit langfristigen Aufgaben und mehreren aktiven Agenten profitieren am meisten. Das Nachsehen haben diejenigen, die Lösungen nur in Chats aufbewahren und sich dann wundern, warum ein neuer Agent vorschlägt, das halbe Projekt neu zu schreiben.
Bei Nahornyi AI Lab strukturieren wir solche Abläufe meist direkt in ein funktionierendes System: Kontextdateien, Handoffs, Validierungsregeln und prägnante Prompts für spezifische Workflows. Wenn Sie bereits wertvolle Zeit durch das manuelle Wechseln zwischen Agenten verlieren, können Sie Ihre Prozesse optimieren und build AI automation so gestalten, dass die nächste KI ihre Arbeit nicht mit Amnesie beginnt.