Initial public upload from Projekte/Sidecar-Workspace (part 4)

e6b2bd6 verified about 2 months ago

7.86 kB

Prior Art Research — Sidecar Context Window Management

Erstellt: 2026-03-05 | Query: "Sidecar Kontext Window"

Top Repos

Repo	Stars	Kernidee	Link
hesreallyhim/awesome-claude-code	26.358	Kuratierte Liste: Skills, Hooks, Plugins, Agent-Orchestrators	https://github.com/hesreallyhim/awesome-claude-code
trailofbits/claude-code-config	1.484	Opinionated Defaults + Workflows fuer Claude Code (Security-Fokus)	https://github.com/trailofbits/claude-code-config
disler/claude-code-hooks-mastery	~500+	Alle 13 Hook-Events dokumentiert + Meta-Agent + Team-Validation	https://github.com/disler/claude-code-hooks-mastery
ovachiever/total-recall	neu	Tmux-Scrollback Capture bei Compaction → Re-Injection via additionalContext	https://github.com/ovachiever/total-recall
MacroMan5/macromanatlas	neu	Auto-Codebase-Index + per-Module READMEs, auto-synced via Hooks	https://github.com/MacroMan5/macromanatlas
nightshift2k/claude-code-hooks	neu	Safety Guardrails + Standard Enforcement + Context Injection	https://github.com/nightshift2k/claude-code-hooks
jcmrs/thinking-tools-framework	-	Session Handoff, Context Preservation, Process Memory	https://github.com/jcmrs/thinking-tools-framework

Architektur-Patterns

Pattern 1: PreCompact + SessionStart Re-Injection (total-recall)

PreCompact Hook → tmux capture-pane → speichert Scrollback in ~/.claude/compact-snapshots/{session_id}.txt
SessionStart Hook (matcher: "compact") → liest Snapshot → injiziert als additionalContext
Terminal-Output ist natuerlich komprimiert (Tool-Calls collapsed) → nur 3-5% des Context Windows
Relevanz fuer uns: Unser Sidecar macht das bereits aehnlich, aber gezielter (Rules statt Scrollback)

Pattern 2: UserPromptSubmit Context Injection (unser Sidecar v1)

Hook feuert bei jedem User-Prompt → Daemon entscheidet was relevant ist → injiziert
Vorteil: Situativ, phasenabhaengig, regelbasiert
Nachteil: Sieht nur den aktuellen Prompt, nicht die Session-History
Unser session_watcher.py loest genau diesen Nachteil

Pattern 3: Meta-Agent / Team-Based Validation (disler)

Hooks orchestrieren SubAgents fuer Validation
PreToolUse → Agent prueft ob Tool-Call sinnvoll ist
PostToolUse → Agent validiert Output
Relevanz: Unsere PreToolUse Gates sind eine leichtere Version davon

Pattern 4: Codebase Auto-Index (macromanatlas)

Hooks nach File-Edits → automatisch Module-READMEs updaten
Claude bekommt immer aktuelle Codebase-Uebersicht
Relevanz: Unser context_selector.py koennte aehnlich arbeiten — aber fuer Memory-Files statt Code

Pattern 5: Context Distillation (Anthropic Engineering Blog)

"Context Rot": Mehr Tokens → schlechtere Recall-Qualitaet
LLMs haben ein "Attention Budget" — jeder Token verbraucht davon
Loesung: Weniger, dafuer relevantere Tokens injizieren
Kern-Validierung fuer unseren Ansatz: Situatives Laden > Bulk-Loading

Bekannte Probleme & Loesungen

Problem	Quelle	Loesung
additionalContext wird mehrfach injiziert	#14281	Bug in Claude Code — workaround: Deduplizierung im Hook
SessionStart hooks feuern nicht bei neuen Conversations	#10373	Bekannter Bug, Workaround: UserPromptSubmit statt SessionStart
PreToolUse hat KEIN additionalContext	#15345	Design-Limitation — nur Block/Allow, kein Context-Inject
Context Buffer frisst 33-45K Tokens	claudefa.st	System-Overhead, nicht beeinflussbar — umso wichtiger: eigenen Context minimieren
Compaction verliert spezifische Details	total-recall README	Scrollback-Capture + Re-Injection nach Compaction

Vergleich: Ansaetze fuer Context-Management

Aspekt	Sidecar-Daemon (unser Weg)	total-recall (Scrollback)	RAG-Pipeline	Groesseres Context Window
Praezision	Hoch (regelbasiert)	Mittel (alles oder nichts)	Hoch (semantic search)	Niedrig (Context Rot)
Kosten	~0 (lokal)	~0 (lokal)	Embedding-Kosten	Hoehere Token-Kosten
Komplexitaet	Mittel (Daemon + Hooks)	Niedrig (2 Shell-Scripts)	Hoch (Vector DB + Embedding)	Keine (aber Problem nicht geloest)
Session-Awareness	Voll (JSONL-Tailing)	Partial (nur bei Compaction)	Keine	Keine
Phase-Awareness	Ja (phase_tracker)	Nein	Moeglich aber aufwaendig	Nein
Skaliert mit Regeln	Ja (Plugin-System)	Nein	Nein	Nein

Kern-Insights aus der Recherche

1. "Context Rot" validiert unseren Ansatz

Anthropics eigener Engineering-Blog bestaetigt: Mehr Context ≠ besser. LLMs haben ein Attention Budget. Unser Sidecar-Ansatz (wenig, aber relevant) ist der richtige Weg.

2. total-recall ist clever aber grob

Scrollback-Capture ist ein guter Trick fuer Compaction-Recovery, aber nicht fuer situatives Context-Management. Unser Ansatz ist praeziser.

3. Session-JSONL-Tailing ist ein Alleinstellungsmerkmal

Kein anderes Projekt tailed die Session-JSONL in Echtzeit. Die meisten arbeiten mit Hooks (reaktiv auf einzelne Events). Unser session_watcher waere der erste der die gesamte Session versteht.

4. Hook-Oekosystem waechst schnell

awesome-claude-code hat 26K Stars. Das Oekosystem explodiert. Aber die meisten Hooks sind einfach (Format, Lint, Block). Komplexe Context-Management-Daemonen wie unser Sidecar sind selten.

5. 33K Token System-Buffer ist fix

Claude Code reserviert 33-45K Tokens fuer System-Overhead. Das ist nicht beeinflussbar. Umso wichtiger: eigenen injizierten Context minimal halten.

Empfehlung fuer unser Projekt

Unser Sidecar v2.0 mit session_watcher ist der richtige Weg. Kein bestehendes Tool macht das was wir brauchen:

total-recall loest nur Compaction-Recovery (nicht situatives Loading)
macromanatlas indexiert Code (nicht Memory/Rules)
disler's Hooks sind Demos (nicht produktiver Daemon)

Konkret uebernehmen:

Von total-recall: PreCompact Hook fuer Scrollback-Capture als Fallback (2 Shell-Scripts, trivial)
Von disler: Hook-Lifecycle-Diagramm als Referenz fuer unsere Architektur-Docs
Von Anthropic Blog: "Context Rot" als Argument fuer minimale Injections

Vermeiden:

RAG-Pipeline (Overkill fuer unser Use-Case, zu komplex)
Auf groessere Context Windows warten (loest das Problem nicht — Context Rot)

smlflg
/

Sidecar-Workspace