SkillCache: Semantisches Skill-Caching für KI-Coding-Agenten

Forscher stellten SkillCache vor, ein semantisches Skill-Caching-System für KI-Coding-Agenten, das wiederholte Token-Ausgaben für die Projektanalyse reduziert.
Teams, die Claude Code und andere mehrstufige KI-Coding-Agenten aktiv nutzen, bemerken gegen Monatsende ein unangenehmes Muster. Nur ein kleiner Teil der Tokens wird für das Schreiben neuen Codes verwendet. Bis zu 70–80% gehen für dieselben Aktionen drauf, die mit dem Erkunden der Umgebung und der initialen Einrichtung von Agent-Skills zu tun haben.
Zum Beispiel liest der Agent bei jeder neuen Sitzung, in der ein Fehler behoben oder eine API ergänzt werden soll, zunächst eine mehrseitige Datei SKILL.md, führt dieselben Befehle find und grep aus, analysiert package.json oder Cargo.toml, sucht Build-Skripte und probiert Test-Parameter durch Trial and Error aus.
Selbst wenn sich die Projektstruktur überhaupt nicht geändert hat, wiederholt der Agent in der nächsten Sitzung alles von vorn, als würde er sich an nichts erinnern. Das kostet erneut Zehntausende von Tokens.
Die Autoren der kürzlich veröffentlichten SkillCache-Arbeit schlugen eine Lösung vor. Sie entwickelten ein semantisches Skill-Caching-System, das zwischen der Agent-Laufzeitumgebung und den Tools sitzt, mit denen der Agent arbeitet. Zur Prüfung der Cache-Aktualität werden digitale Fingerabdrücke des Dateisystems verwendet.
Wenn der Agent einen Skill aktiviert oder beginnt, die Umgebung zu erkunden, speichert SkillCache die Ergebnisse wiederholbarer Operationen und eine strukturierte Beschreibung der Umgebung.
Bleiben die Hashes abhängiger Konfigurationsdateien und Verzeichnisstrukturen unverändert, erhalten folgende Sitzungen in Millisekunden einen kompakten Snapshot des gespeicherten Zustands. Der Agent muss zahlreiche Tool-Aufrufe nicht mehr wiederholen.
In Tests mit realen Programmieraufgaben reduzierte SkillCache den Tokenverbrauch um 81% und die gesamte Ausführungszeit um fast zwei Drittel, ohne dass die Erfolgsquote sank.
Warum das wichtig ist
AnalyseKI-Agenten geben oft den größten Teil ihres Token-Budgets für wiederholte Umgebungserkennung aus; validierte Zustands-Caches können Kosten und Latenz senken, ohne die Erfolgsquote zu verschlechtern.
In der Community diskutieren
Teile deine Fragen und Erkenntnisse mit Entwicklern
Verwandt im Ökosystem
Praktische Leitfäden, Terminologie und Agenten-Skills
Neues stick-scene-Skill für Claude Code erstellt animierte Strichmännchen-Erklärungen
Der Macher von roadmap.sh, Kamran Ahmed, hat stick-scene veröffentlicht — ein kostenloses Claude-Code-Skill, das animierte Erklärungen mit Strichmännchen erzeugt.
Codex Skills für Einsteiger: So automatisieren Sie Workflows mit KI-Agenten
Ein praktischer Leitfaden zur Erstellung und Nutzung von Skills in Codex: Anatomie der SKILL.md, explizite und automatische Aktivierung, Unterschiede zwischen Skills, Skripten und Tools, die Skills API sowie die Konfiguration von Sicherheitsgrenzen.
Episodisches vs. semantisches Agentengedächtnis
Architektonische Trennung des Gedächtnisses eines KI-Agenten in eine langfristige faktische Wissensbasis (Semantisches Gedächtnis) und ein chronologisches Ereignisprotokoll spezifischer Arbeitssitzungen (Episodisches Gedächtnis).
Google stellt Gemini 4 Neon vor: Modell übertrifft Claude Opus 5.5 und GPT-6.2 Sol bei Coding und Agenten
Google hat Gemini 4 Neon vorgestellt — ein neues KI-Modell, das laut Ankündigung Claude Opus 5.5 und GPT-6.2 Sol in den meisten Tests schlägt.