Technischer Kontext
Ich würde einem einzelnen System-Prompt in Bezug auf Git überhaupt nicht vertrauen. Wenn ich künstliche Intelligenz in den Entwicklungsprozess integriere, ist meine erste Regel langweilig, aber sie schont die Nerven: Jede Aktion, die nicht nur lesend ist, ist verboten, es sei denn, ich fordere sie ausdrücklich an.
Der Grund ist banal. Sowohl Claude als auch Codex können in parallelen Sitzungen laufende Änderungen gewissenhaft überschreiben, weil für sie das lokale Arbeitsverzeichnis nur wie ein weiterer Projektstand aussieht. Ich habe das mehr als einmal erlebt, und genau dort endet ein schöner Prompt und die Ingenieurdisziplin beginnt.
Ich lege normalerweise einige Regeln direkt in den Agentenanweisungen fest: keine Commits, Pushes, Rebases, Branch-Löschungen oder Checkouts mit Nebeneffekten ohne Bestätigung; vor jeder Änderung zeigen, was genau betroffen sein wird; nach der Codegenerierung zuerst Tests oder den Build durchführen. Wenn das Projekt umfangreich ist, verbiete ich zusätzlich Commits ohne Freigabe, weil es oft schneller ist, sich mit KI-Code auseinanderzusetzen, wenn die Änderungen nicht eingecheckt sind.
Aus der Team-Praxis mag ich auch bodenständigere Dinge: ein einheitliches Feature-Branch-Format mit einer Aufgaben-ID, einen Link zur PR im Tracker, eine kurze menschenlesbare PR-Beschreibung und einen Ping in Slack oder Telegram zur Code-Überprüfung. Das ist keine Bürokratie. Es geht darum, zu verhindern, dass KI die Git-Historie in eine kontextlose Müllhalde verwandelt.
Und ja, wenn echte Kontrolle nötig ist, würde ich mich nicht auf Prompts beschränken. Externe Sicherheitsebenen für die CLI, die eine Bestätigung erfordern oder gefährliche Git-Befehle blockieren, sind zuverlässiger als jedes „Mach das nie“ in einem System-Prompt.
Was das für Unternehmen und Automatisierung bedeutet
Hier profitieren Teams, in denen mehrere Personen und mehrere KI-Sitzungen auf dasselbe Repository zugreifen. Verlieren werden diejenigen, die auf Geschwindigkeit setzen und dem Agenten erlauben, alles zu committen: Anfangs scheint es schnell, doch dann verbringt man einen halben Tag damit, herauszufinden, wer den Branch kaputt gemacht hat und warum Code-Stücke verschwunden sind.
Für die KI-Implementierung sehe ich genau drei Konsequenzen. Erstens: ein etwas langsamerer Zyklus, dafür weniger versehentliche Überschreibungen. Zweitens: sauberere Reviews und klarere Verantwortlichkeiten bei PRs. Drittens: es ist einfacher, die Automatisierung mit KI teamübergreifend zu skalieren, weil die Regeln für Menschen und Agenten gleichermaßen lesbar sind.
Wir bei Nahornyi AI Lab analysieren genau solche Stellen: wo der Agent Freiheit bekommen kann und wo er eine kurze Leine braucht. Wenn Ihre KI bereits Code schreibt, aber der Prozess anfängt, Branches, Reviews und Deadlines zu zerstören, können wir uns Ihren Workflow in Ruhe ansehen und eine KI-Automatisierung so gestalten, dass sie die Entwicklung beschleunigt, statt neue Unfälle zu verursachen.