Progressive Disclosure
Auch bekannt als: Schrittweises Nachladen, Bedarfsgesteuertes Laden
Progressive Disclosure ist das Prinzip, einem KI-Agenten Zusatzwissen erst in dem Arbeitsschritt bereitzustellen, in dem er es braucht, statt alle Referenzdateien vorab in den Kontext zu laden.
Der Kontext eines Agenten ist ein Budget, kein Lager. Alles, was darin steht, konkurriert um Aufmerksamkeit: Anweisungen, Referenzdateien, Zwischenergebnisse, Gesprächsverlauf. Je voller es wird, desto schwächer wirken die Regeln vom Anfang.
Progressive Disclosure löst das über den Zeitpunkt. Die Anweisungsdatei sagt nicht nur, dass es eine Referenzdatei gibt, sondern wann sie geladen wird.
In der Praxis
2. Lade `references/pruefkriterien.md` und geh den Entwurf Punkt für Punkt durch. 5. Erst jetzt `references/formulierungen.md` laden und die Vorschläge daran ausrichten.
Der Unterschied ist messbar: Ein Skill, der alles vorab lädt, kostet bei jedem Aufruf gleich viel und verliert gegen Ende seine frühen Regeln. Ein Skill mit Ladeplan bleibt bei kurzen Durchläufen günstig, und jede neue Referenzdatei belastet nur den einen Schritt, zu dem sie gehört.
Die Prüffrage
Geh die Anweisungsdatei durch und frag bei jeder Referenzdatei: In welchem Schritt genau braucht der Agent sie? Wenn du keinen Schritt benennen kannst, gehört die Datei nicht dazu.
Verwandte Technik
Wo ein Schritt viel Rohmaterial erzeugt, etwa bei Recherche oder Datenabrufen, reicht das Nachladen nicht. Dann übernimmt ein Sub-Agent die Arbeit in einem eigenen Kontext und gibt nur das Ergebnis zurück.