Hinweis: Diese Inhalte wurden mit Unterstützung von Künstlicher Intelligenz erstellt und redaktionell überprüft (Transparenzhinweis gemäß Art. 50 EU AI Act).

Antigravity CLI 2 – Kapitel 8: Kontext-Management, Token-Effizienz & Performance¶

Ein kluges Kontext-Management ist der Schlüssel für lange, stabile und kosteneffiziente Sitzungen mit dem Antigravity CLI 2 (agy). In diesem Kapitel erfahren Sie, wie der Agent Kontext verarbeitet und wie Sie die Performance maximieren.

🧠 Wie der Antigravity CLI 2 Kontext verwaltet¶

Jede Interaktion (Prompts, Dateiinhalte, Werkzeugausgaben und Systemantworten) verbraucht Speicherplatz im Kontextfenster des LLMs.

graph LR
    SystemPrompt["System-Prompt & AGENTS.md"] --> ActiveContext[Aktiver Kontext]
    Skills[Aktive Skills] --> ActiveContext
    UserPrompts[Benutzer-Prompts] --> ActiveContext
    ToolOutputs["Dateien & Shell-Logs"] --> ActiveContext

    ActiveContext -->|Nähert sich der Token-Grenze| Trimming["Automatic Trimming / /compact"]

🛠️ Befehle zur Kontext-Steuerung¶

1. Token-Verbrauch prüfen (`/context` & `/usage`)¶

Mit /context sehen Sie exakt, welche Dateien geladen sind und wie viele Tokens die aktuellen System-Prompts, Skills und Verlaufselemente belegen. /usage zeigt die akkumulierten Kosten der Sitzung.

2. Komprimieren des Verlaufs (`/compact`)¶

Wenn eine Sitzung sehr lang wird, führt /compact eine intelligentes Summarization durch. Wichtige Architekturentscheidungen und Zwischenergebnisse bleiben erhalten, während alte Werkzeugausgaben und ausführliche Logs verworfen werden.

3. Zurücksetzen des Arbeitsbereichs (`/clear`)¶

Starten Sie für eine völlig neue, unzusammenhängende Aufgabe mit /clear. Dies leert den Kontextsicherheitsraum vollständig und verhindert Verwirrung durch alte Projektkontexte.

⚡ Prompt Caching & Effizienz-Techniken¶

Prompt Caching¶

Der Antigravity CLI 2 nutzt fortgeschrittenes Prompt Caching. Statische Kontextinhalte (wie das System-Prompt, geladene AGENTS.md-Regeln und aktivierte Skills) werden im Modell gecached. Dadurch sinken die Latenzzeiten bei Folgefragen um bis zu 80 % und die API-Kosten werden drastisch reduziert.

4 Goldene Regeln für maximale Performance¶

Gezielte Dateieinbindungen via @: Statt den Agenten das gesamte Repository durchsuchen zu lassen, nennen Sie relevante Dateien direkt (z. B. @src/api/users.py).
Nutze Subagenten für aufwendige Suchen: Delegieren Sie riesige Log-Analysen oder Repository-weite Suchen an Subagenten mit dem schnellen flash-Modell. Der Subagent liefert nur die Zusammenfassung zurück.
Behalte Erweiterungen & Plugins im Blick: Jeder aktive MCP-Server injiziert Tool-Definitionen in den System-Prompt. Deaktivieren Sie nicht benötigte MCP-Plugins.
Regelmäßiges Komprimieren (/compact): Führen Sie bei längeren Refactoring-Sitzungen nach jedem erreichten Meilenstein /compact aus.

🔗 Verwandte Themen¶