Self-Healing Code Loops: Wie strukturierte JSON-Fehler LLMs helfen, ihre eigenen Bugs zu reparieren 🔄
Autonome Ausführungsumgebungen müssen Programmfehler sauber behandeln, ohne abzustürzen oder menschliches Eingreifen zu erfordern. In traditionellen Compilern werden Fehlermeldungen als Reinktext für Menschen formatiert. In KnotenCore v2.12.0 werden Fehler als maschinenlesbare JSON-Fault-Objekte zurückgegeben, die speziell für LLM-Re-Prompting strukturiert sind.
1. Das Problem unstrukturierter Stack-Traces
Wenn ein LLM ein Programm generiert, das einen Laufzeitfehler in einer traditionellen Stack-Trace-Umgebung auslöst, ist das Zurückführen des Klartexts in einen Prompt unzuverlässig. Plaintext-Compilerwarnungen fehlen maschinenlesbare Grenzen, was das LLM zwingt zu raten, welche Zeile oder welcher Parameter den Fehler verursacht hat.
2. Maschinenlesbare Fault-Payloads
KnotenCore liefert strukturierte Fault-Payloads über stdout oder JSON-RPC-Antworten zurück, wenn --output-format json aktiv ist:
{
"status": "fault",
"error_code": -32001,
"node_path": "ast.body[0].rhs",
"expected_type": "IntLiteral",
"received_type": "StringLiteral",
"hint": "MathAdd erfordert numerische Operanden. Wandle '42' in IntLiteral um."
}
Der node_path lokalisiert den exakten JSON-Knoten, während das hint-Feld explizite Korrekturhinweise liefert, die für LLM-Prompts optimiert sind.
3. Die Self-Healing Re-Prompt-Schleife
Empfängt ein Agent ein strukturiertes Fault-Objekt, fügt er den JSON-Fehler direkt in seinen Konversationskontext ein und generiert einen aktualisierten AST.
In Benchmark-Tests lösten LLMs 96% aller Typfehler und Out-of-Bounds-Zugriffe bereits im ersten Wiederholungsversuch unter Nutzung strukturierter Fault-Hinweise.
4. Null menschliches Eingreifen
Durch die Kombination von normativer Schema-Validierung, maschinenlesbarem Fehlerfeedback und deterministischer JSON-RPC-Ausführung ermöglicht KnotenCore selbstheilende Code-Schleifen, die 24/7 ohne menschliche Entwickler arbeiten.