Self-reinforcing pipelines for Code Quality (in german)

Meine 300%ige Effizienzsteigerung beim Coden mit KI: Pipelines für Testing und Code-Quality.

Wie ich ganze Software-Projekte und Teilprojekte durch Cursor und Anthropic automatisiert erstellen lasse, ohne dass die üblichen Probleme dabei auftreten:

Bevor ich das Planner- und Executor-Model vorstelle (nächster Post), will ich darauf eingehen, wie ich Cursor und Co in Ketten legte, damit er keinen bestehenden Code entfernt oder ruiniert. Und wie er selbst den Code testen kann und erst dann “Fertig” ruft, wenn er wirklich fertig ist. Das Zauberwort: Pipelines für Testing und Code-Quality.

Punkt A: Test Coverage

Ich habe in den backend-systemen 90% test coverage vorgegeben sowie die Regel, dass nach jeder Änderung alle Tests durchlaufen müssen. Das bedeutet umgekehrt auch, dass Cursor dadurch von selbst dazu gezwungen wird, Tests zu schreiben, sollte die coverage unter diesen Schwellenwert sinken. Außerdem gibt es die Regel, das Aufgaben erst abgeschlossen sind, sobald alle Tests durchlaufen und eine coverage von 90% besteht .

Punkt B: Linting + Error Detection

Gerade bei Scriptsprachen wie Python und TypeScript ist Linting wertvoll und in der automatisierten Code-Generierung sogar zwingend…