Codebasis an LLM verfüttern ohne Krücken 📦

Wenn Sie immer noch Code Datei für Datei in das Claude- oder ChatGPT-Fenster kopieren, verschwenden Sie nicht nur Ihre Zeit, sondern berauben das Modell auch des Verständnisses für die Zusammenhänge innerhalb der Projektarchitektur.
Für die ordnungsgemäße Arbeit mit LLM muss die Codebasis richtig verpackt werden. Zur Automatisierung dieses Prozesses gibt es derzeit zwei vernünftige Tools. Sie haben das gleiche Ziel, aber unterschiedliche Philosophien und Ökosysteme.

🛠 Repomix
Objektiv gesehen das beste Tool derzeit. Eine GitHub-URL oder einen lokalen Ordner hineinzugeben, ist die Basisfunktionalität. Sein wirklicher Wert liegt woanders:
🟢 XML-Auszeichnung. Es verpackt Code in eine baumartige Struktur von XML-Tags. Wenn Sie mir im Sammelpunkt zuhören, wissen Sie, dass moderne Modelle XML-Auszeichnung viel genauer parsen als andere Formate.
🟢 AST-Kompression. Unter der Haube arbeitet Tree-sitter, das den Syntaxbaum parst und Implementierungsdetails (Funktionskörper) herausschneiden kann, wobei nur Schnittstellen, Klassen und Signaturen übrig bleiben. Das spart bis zu 70% des Kontextfensters, ohne das Verständnis der Architektur zu verlieren.
🟢 Security Check. Der integrierte Secretlint schlägt Ihnen auf die Finger, wenn Sie versuchen, hartcodierte Schlüssel oder Passwörter in ein Open-Source-Netzwerk zu füttern.
🟢 MCP Server. Kann über das Model Context Protocol arbeiten. KI-Agenten können direkt lokal mit Ihrer Codebasis interagieren.

🐍 Gitingest
Die Antwort der Python-Community. Technisch einfacher (ohne AST-Magie und Kompression), aber mit eigenen Trümpfen.
🟡 URL-Magie. Der schnellste Weg, einen Dump eines fremden Repos zu erhalten. Wenn Sie auf GitHub sind, ändern Sie einfach in der Adressleiste github.com in gitingest.com – schon ist der Text bereit zum Kopieren.
🟡 Python Native. Wird über pip installiert und direkt aus Ihrem Code aufgerufen. Sie müssen ein Projekt in eine benutzerdefinierte RAG-Pipeline einspeisen? summary, tree, content = ingest("path") und los geht's.
🟡 Asynchronität unter Jupyter. Unterstützt await ingest_async(), was es zur idealen Krücke für Analysten und Data Scientists macht, die nie aus ihren Notebooks herauskommen.

💡 Was wählen?
Wenn Sie ein großes Projekt mit komplexer Struktur für ein Refactoring analysieren müssen, verwenden Sie Repomix.
Wenn Sie Ihr eigenes Tooling in Python schreiben oder Code von GitHub in 3 Sekunden ohne Terminal abrufen möchten, nutzen Sie Gitingest.

Beide Tools zählen selbst Tokens, respektieren Ihre .gitignore, haben Webversionen und Browsererweiterungen.

#toolbox