Der geheime Garten des Entwicklers: Wie die räumliche Ontologie LLMs ohne Prompt Engineering ausrichtet

In drei Wochen habe ich Gradle-Plugins mit Opencode entwickelt, wobei ich drei verschiedene LLMs verwendet habe — Kimi K2.6, GLM-5.1 und DeepSeek-V4-Pro (der einzige Überlebende, aber das ist eine andere GeschichteBereits hier behandelt.) Meine Methode der Agent-GovernanzAgentIch habe sie in einem früheren Artikel detailliert dokumentiert. basiert auf AsciiDoc-Dateien —AGENT.adoc, INDEX.adoc, PROMPT_REPRISE.adoc— die bei jedem Sitzungsbeginn ~30 000 Token an Regeln, Backlog und Verlauf laden.

Und trotz dieser dokumentarischen Infrastruktur haben mich zwei Dinge beeindruckt:

Ich brauchte ein Ausrichtungsmechanismus, der nicht von der Anzahl der Tokens im Prompt abhängt.

Die Antwort: Aufhören, nach dem Text auszurichten, und anfangen, nach demPlatz.

Mein Ordner`workspace/(in~/workspace/`) ist nicht ein Git-Repository. Das ist die Wurzel meiner gesamten Arbeit — Code, Dokumentation, Schulung, Infrastruktur. Und es ist in vier Bereiche strukturiert, die keine Aufbewahrungskonventionen sind, sondernkonzentrische Vertrauenskreise:

HINWEIS: Es gibt keine Stufe 3 in der Tabelle. Die Stufe 3 ist eine Übergangsstufe: Es ist Inhalt von`office/`der anonymisiert wurde und bereit ist, als Open Data veröffentlicht zu werden. Er hat keinen eigenen physischen Bereich — er ist ein Zustand der Daten, kein Ort.

Jede Ebene beantwortet eine präzise Frage:

Diese Ontologie istvon einem LLM nutzbar. Wenn er eine Datei in`foundry/plantuml-gradle/src/`, er weiß implizit: "Ich befinde mich im Kreis 4 – öffentlicher Code, verpflichtende Tests, keine Geheimnisse, keine pädagogischen Daten". Er braucht keinen Prompt, der ihn daran erinnert.

Vergleichen wir die beiden Ansätze.

Wenn das LLM durchläuft`foundry/, er verfügt über einGitter strukturierter Daten: Knoten (Plugins, Dateien, Tests, Abhängigkeiten), typisierte Kanten (`import, depends_on, generates, tests), Beziehungen der Komposition und der Ordnung (`training-gradle`extrahiert das Repository`slider-gradle`generiert die Folien`capsule-gradle`spiele das Video)

Diese Algebra wird nirgendwo in Klartext geschrieben — aber sie ist beobachtbar. Jedes`build.gradle.kts`zeigt Abhängigkeiten. Jede`INDEX.adoc`legt Kreuzverweise dar

Der LLM beobachtet diese Algebra und erkennt dasDelta: die Lücke zwischen dem, was das System bereits produzieren kann, und dem, was die Vision beschreibt

Ab diesem Delta kann er definierenKartierungen durch Fachspezialisten— CDA (Anwendungsentwickler/-designer, Kotlin/Gradle/JHipster) und FPA (Beruflicher Erwachsenenbildner, Pädagogik/Qualiopi/Bloom) — und identifizieren, was jedem Experten fehlt.

Das LLM muss nicht gesagt bekommen, was es tun soll. Das Delta entsteht aus der Struktur.

Die relationale Algebra ist keine theoretische Konstruktion. Sie ist materialisiert durch drei Komponenten, die einkompositer Kontextvektorfür das LLM

Die räumliche Ontologie beschränkt sich nicht darauf, das LLM auszurichten – sie gibt ihr eineDSGVO-Klassifikationsrasterum jedes Datum zu seiner legitimen Zone zu leiten.

Am Ende der Sitzung führt das LLM eine aus.globale Aufgabe:

Le `.gitignore`Die Wurzel ist keine Git-Konfigurationsdatei — es ist einDatei für die Governance der Historisierung. Er definiert das Schema, das das LLM konsumiert, um zu entscheiden, welche Dateien aus dem geheimen Garten in die strategische Biografie aufgenommen werden und welche entsorgbar sind.

Der LLM ist nicht mehr nur ein Textgenerator. Er ist dasInformationsmanagerdes Ökosystems — Produzent, Klassifikator, Router

Heute ist diese Governance deterministisch: Der LLM wendet ein Verfahren an, das in AsciiDoc-Dateien beschrieben ist. Das ist diePhase 1— das Prompt-Engineering mit LLM-Gedächtnis.

La Phase 2wird jeder Schritt des Verfahrens in einergetypte Gradle‑Aufgabe:

La Phase 3wird den Prozess des Sitzungsendes wie einZustandsdiagrammmithttps://github.com/langgraph4j/langgraph4j[LangGraph4j]:

Dieser Graph wird in der CI/CD versioniert, von Gradle ausgeführt und über die GitHub-Secrets der Plugins konfiguriert. Der LLM wird nicht mehr über das Routing entscheiden müssen – das wird der Graph erledigen.

Hier ist, was sie konkret bringt:

Ich lege kein politisches Manifest in den Footer meiner Webseite. Ich lege keine ethischen Regeln in meine Prompts. Die Ausrichtung ist nicht im Text — sie ist imDateisystem.

Wenn ein LLM in diesem Raum arbeitet, kann er kein Geheimnis preisgeben (der Pfad verhindert es). Er kann keine pädagogische Information mit Quellcode verwechseln (der physische Bereich ist unterschiedlich). Er kann keine Sicherheitsregel von 80.000 Tokens vergessen — denn die Regel steht nicht im Prompt, sie ist im`workspace/→`configuration/→office/→`foundry/`dass jedes Lesen einer Datei reaktiv ist.

Es ist das Prinzip von Secure by Design angewendet auf die Agenten‑Alignment: Nicht vom LLM verlangen, sich die Regeln zu merken. Die Architektur so gestalten, dass Fehler strukturell unmöglich werden.

Und zum Übrigen gibt das dem LLM, was kein Prompt ihm geben kann: die Fähigkeitwahrnehmenwo er sich befindet, was existiert, was fehlt — und daraus abzuleiten, was er tun muss.