Prompt Improvement Loop: Lessons Learned pro Repo aus Reviews #33

New issue

Closed

opened 2026-03-30 19:48:45 +00:00 by David · 1 comment

David commented

2026-03-30 19:48:45 +00:00

Collaborator

Beschreibung

Aus MR-Review-Feedback automatisch "Lessons Learned" pro Repo akkumulieren und in zukünftige kontext.md-Dateien injizieren, damit der Agent aus vergangenen Fehlern lernt.

Hintergrund

Nick Tune's Post-Merge Reflection Pattern und HubSpots Feedback-Tracking zeigen, dass systematisches Lernen aus Review-Feedback die Code-Qualität über Zeit verbessert. Aktuell werden Review-Kommentare erfasst (review_result), aber nie systematisch ausgewertet oder zurück in die Pipeline geführt.

Akzeptanzkriterien

Für jeden MR mit changes_requested: Review-Feedback wird nach Kategorie klassifiziert (Style, Logic, Security, Architecture)
Pro Repo wird ein "Lessons Learned"-Dokument akkumuliert
Lessons Learned werden automatisch in zukünftige kontext.md-Dateien für das gleiche Repo injiziert
Dashboard zeigt häufigste Fehler-Kategorien pro Repo
Lessons Learned sind manuell editierbar (für Korrekturen/Ergänzungen)

Technische Hinweise

Neues Model: backend/models/lesson.py — RepoLesson (repo_name, category, description, ticket_id, created_at)
Erweitern: backend/services/review_agent.py — Feedback-Klassifizierung nach Review
Erweitern: backend/services/preparation_engine.py — Lessons in kontext.md Template einbauen
Erweitern: backend/templates/kontext_template.md — neue Sektion "Bekannte Patterns/Fehler"
Migration nötig: ja (neue Tabelle repo_lessons)

Aufwand: M

## Beschreibung Aus MR-Review-Feedback automatisch "Lessons Learned" pro Repo akkumulieren und in zukünftige kontext.md-Dateien injizieren, damit der Agent aus vergangenen Fehlern lernt. ## Hintergrund Nick Tune's Post-Merge Reflection Pattern und HubSpots Feedback-Tracking zeigen, dass systematisches Lernen aus Review-Feedback die Code-Qualität über Zeit verbessert. Aktuell werden Review-Kommentare erfasst (`review_result`), aber nie systematisch ausgewertet oder zurück in die Pipeline geführt. ## Akzeptanzkriterien - [ ] Für jeden MR mit `changes_requested`: Review-Feedback wird nach Kategorie klassifiziert (Style, Logic, Security, Architecture) - [ ] Pro Repo wird ein "Lessons Learned"-Dokument akkumuliert - [ ] Lessons Learned werden automatisch in zukünftige kontext.md-Dateien für das gleiche Repo injiziert - [ ] Dashboard zeigt häufigste Fehler-Kategorien pro Repo - [ ] Lessons Learned sind manuell editierbar (für Korrekturen/Ergänzungen) ## Technische Hinweise - Neues Model: `backend/models/lesson.py` — RepoLesson (repo_name, category, description, ticket_id, created_at) - Erweitern: `backend/services/review_agent.py` — Feedback-Klassifizierung nach Review - Erweitern: `backend/services/preparation_engine.py` — Lessons in kontext.md Template einbauen - Erweitern: `backend/templates/kontext_template.md` — neue Sektion "Bekannte Patterns/Fehler" - Migration nötig: ja (neue Tabelle `repo_lessons`) ## Aufwand: M