Context Engineering 2026: 8 Tools gegen Token-Bloat

Die meisten „beste Context Engineering Tools"-Listen sind einfach RAG-Framework-Übersichten mit einem neuen Label drauf. Context Engineering ist tatsächlich ein mehrschichtiger Stack, und Tools für nur eine Schicht auszuwählen hinterlässt Lücken, die sich in der Produktion als Halluzinationen, unkontrollierte Kosten oder Agenten zeigen, die nach zwei Gesprächsrunden vergessen, was vorher passiert ist.

Neu bei Context Engineering? Starte mit unserem vollständigen Leitfaden. Dieser Beitrag setzt voraus, dass du die Konzepte kennst und jetzt konkrete Tools auswählen möchtest.

Die 8 Besten Context Engineering Tools auf einen Blick

Hier ist unsere Rangliste. Jedes Tool hat seinen Platz durch Produktionsreife, Entwicklererfahrung und den Einfluss auf die gesamte Context-Pipeline verdient.

Jetzt schauen wir uns jedes Tool genau an.

---

1. Langfuse -- Die Observability-Schicht, die du zuerst brauchst

Vielleicht würdest du ein Retrieval-Framework oder eine Caching-API an erster Stelle erwarten. Hier ist der Grund, warum Observability zuerst kommt: Man kann eine Context-Pipeline, die man nicht messen kann, nicht optimieren. Teams, die Observability überspringen, verbringen Wochen damit, Halluzinationen zu debuggen, die ein einziger Trace in Minuten erklärt hätte.

Langfuse ist die Open-Source-LLM-Observability-Plattform mit über 19.000 GitHub-Sternen. Sie traced jeden LLM-Aufruf in deiner Pipeline -- welcher Kontext hineinging, was herauskam, wie viel es kostete und wo die Qualität nachlässt.

Was gut ist

• Open-Source und MIT-lizenziert. Selbst hosten für unbegrenzte Nutzung oder den Cloud-Tier verwenden. Kein Vendor-Lock-in.
• ClickHouse-basiert für Skalierbarkeit. Verarbeitet Produktionslasten ohne Probleme bei hohem Volumen.
• OpenTelemetry-nativ. Integriert sich in deinen bestehenden Observability-Stack ohne separate Instrumentierungsebene.
• Framework-agnostische Integrationen. Funktioniert mit LlamaIndex, LangChain, OpenAI SDK, Anthropic SDK, Vercel AI SDK -- eigentlich mit allem.
• Prompt-Management eingebaut. Versioniere und teste Prompts zusammen mit deinen Traces, damit du Prompt-Änderungen mit Qualitätsänderungen korrelieren kannst.

Was nicht gut ist

• Das selbst gehostete Setup erfordert ClickHouse, das im großen Maßstab nicht trivial zu betreiben ist.
• Die Benutzeroberfläche ist zwar funktional, aber nicht so ausgereift wie LangSmith's Debugging-Erfahrung für Chain-Traces.
• Evaluierungsfunktionen sind neuer und weniger ausgereift als dedizierte Eval-Plattformen.

Preise

Wer es verwenden sollte

Jedes Team, das LLM-Aufrufe in der Produktion durchführt. Im Ernst -- wenn du API-Aufrufe an Claude, GPT oder Gemini machst und keine Observability hast, fliegst du blind. Langfuse ist das erste Tool, das du hinzufügen solltest, egal welche anderen Tools du wählst.

Fazit

Langfuse verdient den no. 1-Platz, weil es jedes andere Tool in dieser Liste besser macht. Man kann weder Retrieval optimieren, Caching verbessern noch die Memory-Schicht debuggen, ohne zu sehen, was innerhalb jedes Aufrufs passiert. Hier anfangen.

---

2. Claude Prompt Caching -- 90% Ersparnis mit voller Kontrolle

Context-Caching ist die Optimierung mit dem geringsten Aufwand und dem größten Effekt, die die meisten Teams noch nicht nutzen. Claudes Implementierung gibt dir die feinste Kontrolle aller Anbieter.

Du setzt explizite cache_control-Breakpoints in deinem Message-Array, und die Anthropic-Dokumentation bestätigt, dass Cache-Lesezugriffe nur 10% des Basispreises für Input-Token kosten. Cache-Schreibvorgänge kosten 25% mehr als die Basis, aber das ist ein einmaliger Kostenposten pro Cache-Eintrag. Die 5-Minuten-TTL erneuert sich bei jedem Hit, sodass aktive Konversationen im Cache bleiben.

Was gut ist

• 90% Rabatt auf Cache-Lesezugriffe. Die Rechnung ist einfach -- wenn du denselben System-Prompt oder dieselben Few-Shot-Beispiele wiederholt sendest, sparst du 90% bei diesen Token.
• Explizite Breakpoints geben dir Kontrolle. Du entscheidest genau, was gecacht wird, anders als beim automatischen Ansatz von OpenAI.
• 5-Minuten-TTL, die sich erneuert. Aktive Sitzungen bleiben gecacht; inaktive laufen natürlich ab.
• Funktioniert mit Claude 3.5 Sonnet, Haiku und Opus. Nicht auf eine einzelne Modell-Tier beschränkt.

Was nicht gut ist

• Die 5-Minuten-TTL ist kurz für Batch-Verarbeitungs-Workloads. Wenn deine Aufrufe mehr als 5 Minuten auseinander liegen, hilft Caching nicht.
• Erfordert explizite cache_control-Markierungen -- mehr Implementierungsaufwand als OpenAIs automatisches Caching.
• Du bist im Anthropic-Ökosystem gebunden. Kein anbieterübergreifendes Caching.

Preise

Wer es verwenden sollte

Teams, die Claude-APIs mit wiederholten System-Prompts, Few-Shot-Beispielen oder großen Dokumentkontexten verwenden. Wenn derselbe Inhalt in mehreren Aufrufen innerhalb eines 5-Minuten-Fensters erscheint, Caching sofort aktivieren.

Fazit

Claude Prompt Caching ist die einfachste Kostenoptimierung im gesamten Context Engineering Stack. Wenn du Claude verwendest, aktiviere es heute. Der ROI ist sofort.

---

3. LlamaIndex -- Die Retrieval-Schicht, die wirklich funktioniert

Die Retrieval-Schicht ist der Startpunkt der meisten Teams -- und wo die LangChain vs. LlamaIndex-Debatte nie endet. Im Jahr 2026 ist die Antwort klarer als viele denken: LlamaIndex ist das datenzentrierte Framework; LangChain/LangGraph ist die Orchestrierungsschicht. Sie lösen unterschiedliche Probleme.

LlamaIndex glänzt beim Herausziehen der richtigen Informationen aus deinen Daten. Dokumenten-Ingestion, strukturierte Datenverarbeitung und der Aufbau von Retrieval-Pipelines, die relevanten Kontext zurückgeben -- das ist seine Kernaufgabe.

Was gut ist

• 160+ Datenkonnektoren über LlamaHub. PDFs, Datenbanken, APIs, Notion, Slack, Google Drive -- wenn deine Daten irgendwo leben, gibt es wahrscheinlich einen Konnektor.
• Mehrere Index-Typen. Vektor-, Keyword-, Baum- und Wissensgraph-Indizes. Die Retrieval-Strategie wählen, die zu deinen Daten passt.
• Datenzentrierte Designphilosophie. LlamaIndex ist meinungsstark beim guten Retrieval, anstatt ein Allzweck-Framework zu sein.
• Native Integration mit LangGraph. Die beiden arbeiten sauber zusammen -- LlamaIndex übernimmt Ingestion und Retrieval, LangGraph übernimmt, was dein Agent mit den Ergebnissen macht.
• MIT-lizenziert und Open-Source. Keine Lizenzüberraschungen.

Was nicht gut ist

• Die API-Oberfläche ist groß und die Dokumentation kann für Neueinsteiger überwältigend wirken.
• Wenn du nur einfache Vektorsuche benötigst, könnte LlamaIndex überdimensioniert sein. Ein direkter Qdrant- oder Pinecone-Client wäre einfacher.
• Häufige Breaking Changes zwischen Hauptversionen.

Preise

Wer es verwenden sollte

Teams, die RAG-Pipelines aufbauen, die Daten aus mehreren Quellen aufnehmen und Kontext genau abrufen müssen. Besonders wertvoll, wenn deine Daten nicht nur „ein Ordner mit PDFs" sind -- strukturierte Datenbanken, APIs und Daten in verschiedenen Formaten sind der Bereich, in dem LlamaIndex glänzt.

Für Tool-Integrationen und dynamische Kontextquellen jenseits statischen Retrievals schau dir unseren MCP-Leitfaden an.

Fazit

LlamaIndex ist das beste Retrieval-Framework für Produktions-RAG im Jahr 2026. Mit LangGraph für Orchestrierung kombinieren und du hast die leistungsfähigste verfügbare Context-Pipeline.

---

4. Mem0 -- Produktionsreifes Agent Memory ohne Infrastruktur-Kopfschmerzen

Ohne Memory behandelt dein Agent jedes Gespräch wie das erste. Die Mem0 vs. Zep-Entscheidung läuft auf Schnelligkeit bis zur Produktion vs. zeitliche Unternehmenskomplexität hinaus.

Mem0 ist der schnellste Weg zu Agent Memory, das wirklich funktioniert. Seine managed API kombiniert Graph- und Vektorsuche in einem einzigen Aufruf -- du speicherst ein Memory, rufst es später ab, und der hybride Ansatz verarbeitet sowohl semantische Ähnlichkeit als auch beziehungsbasierte Lookups.

Was gut ist

• Managed API bedeutet null Infrastruktur. Keine Vektordatenbanken zu provisionieren, keine Graph-Stores zu warten.
• Hybride Graph + Vektorsuche. Bessere Wiederauffindung als reine Vektorsuche. Laut Mem0-Benchmarks 26% höhere Genauigkeit im Vergleich zu naivem RAG für Memory-Retrieval-Aufgaben.
• Einfache API. Ein Memory mit einem Aufruf speichern, mit einem anderen abrufen. Die Komplexität ist hinter einer sauberen Schnittstelle versteckt.
• Open-Source-Option verfügbar. Mem0 OSS ermöglicht Self-Hosting, wenn du Datensouveränität benötigst.

Was nicht gut ist

• Vom Anbieter gemeldete Benchmarks sollten mit Vorsicht betrachtet werden. Eigene Evals durchführen.
• Die managed API bedeutet, dass das Memory deines Agenten auf Mem0-Servern lebt. Enterprise-Compliance-Teams könnten dagegen sein.
• Weniger ausgereift als Zep für temporale Wissensgraphen -- wenn du brauchst „Was war die Adresse des Kunden vor drei Monaten?", handhabt Zep das besser.

Preise

Alternativen, die man kennen sollte

• Zep -- Temporale Unternehmens-Wissensgraphen. Behauptet 90% niedrigere Latenz für Business-Daten-Lookups. Am besten für Apps, bei denen sich Fakten im Laufe der Zeit ändern und du diese Änderungen verfolgen musst.
• Letta (früher MemGPT) -- Open-Source-Agent-Runtime, bei der der Agent seinen eigenen Speicher durch selbst bearbeitende Operationen verwaltet. Eher ein vollständiges Framework als nur eine Memory-Schicht.
• LangMem -- Leichtgewichtige Option für Teams, die bereits tief in LangGraph sind. Weniger vollständig ausgestattet, aber vermeidet das Hinzufügen einer weiteren Abhängigkeit.

Fazit

Mem0 gewinnt für Schnelligkeit bis zur Produktion. Du wirst funktionierendes Agent Memory in Stunden haben, nicht Wochen. Zep wählen, wenn temporales Tracking eine Kernanforderung ist, oder Letta, wenn du vollständige Open-Source-Kontrolle über die Agent-Runtime möchtest.

---

5. LLMLingua -- Die Komprimierungsschicht, über die niemand spricht

Das ist die am wenigsten behandelte Schicht im gesamten Context Engineering Stack. Komprimierungstools können deine Token-Kosten um 2-5x senken, ohne nennenswerten Qualitätsverlust -- und doch erwähnen sie fast keine Tool-Leitfäden.

LLMLingua von Microsoft Research komprimiert Prompts, indem es Token identifiziert und entfernt, die den Output des LLM nicht wesentlich verändern. Es ist keine Zusammenfassung -- es ist chirurgische Token-Entfernung, geleitet von den Perplexity-Scores eines kleineren Modells.

Was gut ist

• 2-5x Komprimierung mit minimalem Qualitätsverlust. In der Praxis kann man oft einen 4.000-Token-Kontext auf 1.500 Token reduzieren und nahezu identische Outputs erhalten.
• Unterstützt von Microsoft Research. Kein Wochenendprojekt -- es ist veröffentlichte Forschung mit Peer-Review.
• Open-Source. In jede Pipeline integrieren ohne Lizenzbedenken.
• Ergänzt Caching. Zuerst komprimieren, dann die komprimierte Version cachen für doppelte Ersparnis.

Was nicht gut ist

• Fügt Latenz hinzu. Der Komprimierungsschritt führt ein kleineres Modell aus, um Token zu bewerten, bevor der Haupt-LLM-Aufruf stattfindet.
• Qualitätsverschlechterung ist im Durchschnitt „minimal", aber einzelne Randfälle können wichtigen Kontext verlieren. Evals sind nötig.
• Das Ökosystem ist im Vergleich zu Retrieval- oder Memory-Tools unreif. Die Dokumentation ist dünner.

Preise

Alternativen, die man kennen sollte

• Selective Context -- Nimmt einen Filteransatz statt Komprimierung. Bewertet, welche abgerufenen Kontextstücke für die aktuelle Anfrage tatsächlich informativ sind, und lässt den Rest weg. Ungefähr 2x Content-Verarbeitungskapazität und 40% Speicherersparnis.
• context-engineering-toolkit (GitHub) -- Neueres Open-Source-Projekt für Kontext-Priorisierung und Benchmarking. Nützlich zur Messung der Pipeline-Leistung.

Fazit

LLMLingua ist das beste verfügbare Komprimierungstool, und es ist kostenlos. Der Haken ist die Reife -- diese Tools sind noch in der Entstehung. Gründlich in deiner spezifischen Pipeline testen, bevor du dich für den Produktionseinsatz entscheidest.

---

6. Gemini Context Caching -- Steilste Rabatte für lange Kontexte

Wenn deine Anwendung mit sehr langen Kontexten arbeitet und du Googles Modelle verwendest, bietet Geminis Caching-API die tiefsten Rabatte auf dem Markt. Googles Caching-Dokumentation zeigt bis zu 90% Rabatt auf gecachte Token für Gemini-2.5-Modelle.

Was gut ist

• Bis zu 90% Rabatt bei Gemini 2.5, 75% bei 2.0. Die steilsten Cache-Lese-Rabatte aller Anbieter.
• Konfigurierbares TTL. Anders als Claudes festes 5-Minuten-Fenster kannst du festlegen, wie lange gecachter Inhalt persistiert.
• Ideal für Long-Context-Apps. Wenn du ganze Codebasen oder Dokumentensammlungen cachst, die sich selten ändern, sind die stündlichen Speicherkosten die Leserabatte wert.

Was nicht gut ist

• Minimum 32.768 Token zum Cachen. Wenn dein cachebarer Inhalt kürzer als ~25 Seiten ist, kannst du dieses Feature überhaupt nicht nutzen.
• Speicherkosten pro Stunde. Du zahlst für Cache-Erstellung, stündliche Speicherung und (rabattierte) Lesezugriffe. Die Rechnung kann bei langlebigen Caches überraschend werden.
• Gemini-Ökosystem-Bindung. Funktioniert offensichtlich nur mit Googles Modellen.

Preise

Anbieter-Vergleich

Fazit

Gemini-Caching gewinnt für Long-Context-Anwendungen, bei denen das 32k-Minimum kein Problem darstellt. Für kürzeres, hochfrequentes Caching ist Claudes Ansatz bei no. 2 praktischer. OpenAIs automatisches Caching (50% Rabatt, null Konfiguration) verdient eine ehrenwerte Erwähnung für Teams, die Einsparungen ohne Nachdenken wollen.

---

7. CLAUDE.md + Cursor Rules -- Context Engineering für Coding-Agenten

Hier ist etwas, das die meisten Tool-Leitfäden vollständig übersehen: Konfigurationsdateien wie CLAUDE.md und Cursor Rules sind Context Engineering für deine Coding-Agenten. Sie definieren, was der Agent über dein Projekt weiß, bevor er eine einzige Codezeile schreibt.

Was gut ist

• CLAUDE.md + /init ist der einfachste Einstiegspunkt. Claude Code liest die CLAUDE.md deines Projekts für Anweisungen -- Coding-Standards, Architekturentscheidungen, häufige Befehle. Der /init-Befehl generiert automatisch eine, indem er deine Projektstruktur scannt.
• Drei Memory-Ebenen. Projektebene (CLAUDE.md), Benutzerebene (~/.claude/CLAUDE.md) und Sitzungsebene geben feinkörnige Kontrolle darüber, welchen Kontext jede Interaktion bekommt.
• AGENTS.md funktioniert über Tools hinweg. Der Builder.io-Standard wird von Cursor, Copilot und anderen Coding-Agenten unterstützt. Eine Konfigurationsdatei für Teams, die verschiedene Editoren verwenden.
• Awesome Skills (Antigravity) hat über 22.000 GitHub-Sterne mit 1.234+ vorgefertigten Kontextpaketen für Claude Code, Cursor und Gemini CLI. Community-gepflegte Skill-Dateien ersparen es dir, Projektkontext von Grund auf zu schreiben.

Was nicht gut ist

• CLAUDE.md funktioniert nur mit Claude Code. Wenn dein Team mehrere KI-Coding-Tools verwendet, brauchst du auch AGENTS.md.
• Es gibt kein Standardformat über Tools hinweg -- jeder Agent liest seine eigene Konfigurationsdatei anders.
• Wartungsaufwand. Diese Dateien veralten, wenn sich dein Projekt weiterentwickelt, und veralteter Kontext ist schlimmer als kein Kontext.

Preise

Für einen tieferen Vergleich, wie Claude Code, Cursor und Copilot mit Projektkontext umgehen, lies unseren KI-Coding-Tools-Vergleich.

Fazit

Mit CLAUDE.md + /init beginnen, wenn du Claude Code verwendest. AGENTS.md für Multi-Tool-Teams hinzufügen. Diese Schicht ist leicht zu übersehen, aber gut konfigurierter Coding-Agent-Kontext verbessert die Code-Generierungsqualität erheblich.

---

8. LangChain / LangGraph -- Der Orchestrierungs-Klebstoff

LangGraph verdient den no. 8-Platz nicht, weil es weniger wichtig wäre, sondern weil es die Orchestrierungsschicht ist -- es verbindet die anderen Tools, anstatt ein spezifisches Context Engineering-Problem für sich allein zu lösen. Du wirst es fast sicher zusammen mit höher platzierten Tools in dieser Liste verwenden.

Was gut ist

• Stateful Agent Graphs. LangGraph verarbeitet mehrstufige Reasoning-Ketten, Tool-Use-Koordination und komplexen Kontrollfluss, den einfachere Frameworks nicht bewältigen können.
• Native LlamaIndex-Integration. Das empfohlene 2026-Muster: LlamaIndex für Retrieval, LangGraph für Orchestrierung.
• Massives Ökosystem. Mehr Integrationen, Tutorials und Community-Support als jede Alternative.
• LangSmith-Integration. Wenn du LangSmith statt Langfuse für Observability wählst, ist die Debugging-Erfahrung ausgezeichnet.

Was nicht gut ist

• LangChains Abstraktionsschichten können sich schwer anfühlen. Einfache Anwendungsfälle werden unter unnötiger Komplexität begraben.
• Die API ändert sich häufig. Tutorials von vor sechs Monaten funktionieren möglicherweise nicht mehr.
• Haystack ist sauberer, wenn du ein einzelnes, meinungsstarkes Framework statt der Kombination LangGraph + LlamaIndex möchtest.

Preise

Fazit

LangGraph ist das beste Orchestrierungs-Framework für komplexe Agent-Pipelines. Mit LlamaIndex (no. 3) für Retrieval und Langfuse (no. 1) für Observability kombinieren. Wenn du einen einfacheren Einzelframework-Ansatz möchtest, Haystack evaluieren.

---

Warum Techsy Langfuse als no. 1 wählt

Es mag kontraintuitiv erscheinen, ein Observability-Tool über Retrieval-Frameworks und Caching-APIs zu platzieren. Hier ist die Begründung: Jedes Team, mit dem wir gearbeitet haben und das Observability übersprungen hat, hat es später hinzugefügt -- nach Wochen des Debuggens mysteriöser Halluzinationen oder unerklärlicher Kostensteigerungen.

Langfuse zeigt dir genau, welcher Kontext in jeden LLM-Aufruf eingeflossen ist, wie viel er gekostet hat und was zurückgekommen ist. Diese Sichtbarkeit macht jede weitere Optimierung möglich. Man kann das LlamaIndex-Retrieval nicht tunen, ohne zu sehen, welche Dokumente tatsächlich abgerufen werden. Man kann die Caching-Einsparungen nicht messen, ohne Cache-Hits vs. Misses zu tracen. Man kann die LLMLingua-Komprimierung nicht evaluieren, ohne Outputs zu vergleichen.

Mit Observability anfangen. Dann die Schichten hinzufügen, die die Anwendung benötigt.

Wie du deinen Context Engineering Stack auswählst

Die richtigen Tools hängen davon ab, was du baust. Dieses Entscheidungs-Framework ordnet häufige Projekttypen spezifischen Tool-Auswahlen zu.

Kein einzelnes Tool deckt alle Schichten ab. Der beste Context Engineering Stack ist der, der für deinen spezifischen Anwendungsfall zusammengestellt wurde.

Bei Techsy helfen wir Teams, Context Engineering Stacks für KI-gestützte Anwendungen zu gestalten -- von der Retrieval-Architektur bis zum Agent Memory. Erhalte eine kostenlose Beratung.

Brauchst du etwas Maßgeschneidertes?

Wenn dein Projekt nicht sauber in das obige Entscheidungs-Framework passt -- sagen wir, du baust eine multimodale Agent-Pipeline mit domänenspezifischen Memory-Anforderungen und strengen Latenzbudgets -- wird eine generische Tool-Empfehlung nicht ausreichen.

Das ist die Art von Problem, die wir bei Techsy lösen. Wir haben Produktions-Context-Pipelines für Conversational AI, Coding-Agenten und Enterprise-RAG aufgebaut und können dir helfen, die richtigen Tools für deine spezifischen Anforderungen auszuwählen. Sieh dir unsere KI-Integrationsservices an. Sprich mit unserem KI-Engineering-Team.

Häufig gestellte Fragen

Welche Tools werden für Context Engineering verwendet?

Context Engineering umfasst mehrere Stack-Schichten, jede mit dedizierten Tools: Retrieval (LlamaIndex, LangGraph), Memory (Mem0, Zep), Komprimierung (LLMLingua), Caching (Claude/Gemini/OpenAI APIs), Observability (Langfuse, LangSmith) und Coding-Agent-Kontext (CLAUDE.md, AGENTS.md). Kein einzelnes Tool deckt alle Schichten ab.

Was ist das beste RAG-Framework 2026?

LlamaIndex für Datenaufnahme und Retrieval, LangGraph für Orchestrierung. Das 2026-Produktionsmuster ist die Verwendung beider zusammen -- LlamaIndex sorgt dafür, die richtigen Dokumente zu holen, LangGraph kümmert sich darum, was dein Agent damit macht.

Was ist das beste KI-Agent-Memory-Tool?

Mem0 für den schnellsten Weg zur Produktion mit seiner managed Graph + Vector API. Zep für Enterprise-Anwendungen, die temporale Wissensgraphen benötigen. Letta für Teams, die vollständige Open-Source-Kontrolle über die Agent-Runtime und Memory-Schicht wollen.

Wie funktioniert Claude Prompt Caching?

Du markierst Cache-Breakpoints mit cache_control in deinem Message-Array. Gecachter Inhalt bleibt 5 Minuten bestehen (erneuert sich bei jedem Hit). Cache-Lesezugriffe kosten 10% des Basis-Input-Preises -- eine Ersparnis von 90%. Cache-Schreibvorgänge kosten 25% mehr als die Basis, aber das ist ein einmaliger Kostenposten pro Cache-Eintrag.

Wie funktioniert Gemini Context Caching?

Du erstellst einen Cache über die API mit einer konfigurierbaren TTL. Gecachte Token erhalten je nach Modell einen Rabatt von 75-90% (90% bei Gemini 2.5). Du zahlst für Cache-Erstellung, stündliche Speicherung und rabattierte Lesezugriffe. Die Mindest-Cache-Größe beträgt 32.768 Token.

Was ist eine CLAUDE.md-Datei?

Es ist eine Anweisungsdatei auf Projektebene, die Claude Code vor jeder Interaktion liest. Sie enthält deine Coding-Standards, Architekturkontext, häufige Befehle und projektspezifische Regeln. Der /init-Befehl generiert automatisch eine, indem er dein Repository scannt. Denke daran als Context Engineering für deinen Coding-Agenten.

Kann ich LangChain und LlamaIndex zusammen verwenden?

Ja, und du solltest es wahrscheinlich. LlamaIndex übernimmt Datenaufnahme und Retrieval (160+ Konnektoren, mehrere Index-Typen), während LangGraph (LangChains Agent-Framework) Orchestrierung, Tool-Routing und mehrstufiges Reasoning übernimmt. Sie integrieren sich nativ.

Was sind die besten Open-Source Context Engineering Tools?

Langfuse für Observability (MIT-Lizenz, 19.000+ GitHub-Sterne), LlamaIndex für Retrieval (MIT), Letta für Agent Memory (Open-Source-Runtime), LLMLingua für Komprimierung (Microsoft Research) und Haystack für eine saubere Einzelframework-RAG-Pipeline.

Wie reduziert man LLM Context Window-Kosten?

Drei Ansätze arbeiten zusammen: Komprimierungstools wie LLMLingua, die Prompts 2-5x verkleinern, Caching-APIs (Claude mit 90% Ersparnis, Gemini mit 75-90%, OpenAI mit 50%), die Wiederholungskontext-Kosten senken, und selektives Retrieval durch RAG, das nur relevanten Kontext an das Modell sendet.

Ist LangSmith oder Langfuse besser für LLM-Monitoring?

Langfuse gewinnt für die meisten Teams -- es ist Open-Source, MIT-lizenziert, hat einen großzügigen Free-Tier mit 50.000 Beobachtungen/Monat und integriert sich mit jedem großen Framework. LangSmith ist besser, wenn du voll auf das LangChain/LangGraph-Ökosystem gesetzt hast und die engstmögliche Integration mit Chain-Debugging möchtest.

Quellen

• Claude Prompt Caching Dokumentation
• Gemini Context Caching Dokumentation
• LlamaIndex Dokumentation
• CLAUDE.md und Memory Dokumentation
• Langfuse Dokumentation
• Mem0 Dokumentation