ESLint-Plugin gegen KI-Coding-Fehler

Was, wenn euer KI-Coding-Kumpel eure App heimlich mit Bugs vermint, die erst in der Produktion zünden?

Genau das steckt hinter der Entstehung von eslint-plugin-llm-core. Stellt euch vor: Ihr düst mit eurem LLM-Partner durch, hämmert Features raus. Tests grün. Reviewer nicken. Peng – Deploy-Tag, und alles ist ein Chaos aus ungelösten Promises und verschluckten Fehlern. Ich hab’s erlebt. Der Erfinder erst recht, nach der Analyse von 500 KI-generierten Code-Flops.

Der Hammer: Er hat nicht nur gemeckert. Er hat eslint-plugin-llm-core geschmiedet – ein präzise gezieltes ESLint-Plugin mit 20 Regeln genau auf KIs Schwachstellen. Keine Omas-Best-Practices. Diese knacken die Muster, die LLMs immer wieder vermasseln.

Schaut her.

Async/await verhunzt in Array-Callbacks. Leere Catch-Blöcke, die Fehler fressen wie Bonbons. Tief verschachtelte Höllen, die nach Callback-Hölle 2.0 schreien. Als hätte die KI JavaScripts schärfste Kanten gejagt – mit verbundenen Augen.

Warum? LLMs glänzen bei Syntax und Happy Paths – Pattern-Matcher auf Speed. Edges, Konsistenz, Realwelt-Dreck? Da halluzinieren sie APIs, überspringen Nulls, erfinden Magic Numbers. Studien bestätigen: 40 % fehlende Code-Blöcke, 20 % Fehllesungen, 15 % Blindheit für Corner-Cases.

Warum explodiert KI-Code in der Produktion?

LLMs sind wie eifrige Azubis. Blitzsmart aus Tutorials, ahnungslos auf der Shopfloor.

Unit-Tests knacken sie, weil sie das Chaos mocken. Produktion? Unvorhersehbare Datenfluten – Nulls, Timeouts, Partial Failures. KI-Code bricht zusammen.

Klassiker:

const results = items.map(async (item) => { return await fetchItem(item); });

Sieht gut aus, oder? Eure KI hat’s geschrieben. Tests passen. Code-Review grünes Licht.

Produktion trifft zu – und results ist ein Array aus Promises, nicht den Werten, die ihr wolltet.

eslint-plugin-llm-core’s Regel no-async-array-callbacks riecht es sofort: “57:27 error Avoid passing async functions to array methods llm-core/no-async-array-callbacks. This pattern returns an array of Promises, not the resolved values. Consider using Promise.all() or a for…of loop instead.”

Lernfördernd, oder? Nicht nur “reparier das” – es erklärt, damit sogar eure KI nächstes Mal dazulernt.

Oder leere Catches:

try { await processData(data); } catch (e) { // TODO: handle error }

“63:11 error Empty catch block silently swallows errors.” Zack. Erledigt.

Verschachtelung? KI stapelt ifs wie 1999. prefer-early-return glättet das: Keine Daten? Früh raus. Sauber, lesbar, kugelsicher.

Kein Hype. Pattern aus echtem Gemetzel geschürft – empirische Studien, 333 Bugs, 558 miese Snippets. KIs Blind Spots, kodifiziert.

Macht eslint-plugin-llm-core die KI zu eurem neuen Lead Dev?

Kurz: Näher dran, als ihr denkt.

Erinnert ihr euch an JSLint um 2000? JavaScript war Wildwest mit Browser-Quirks und Cowboy-Code. Crockfords Linter peitschte es zurecht, ebnete modernen Webdev. eslint-plugin-llm-core? Das ist das JSLint für die KI-Ära.

Mein kühner Tipp – und der Insight, den das Original verpasst: Dieses Plugin macht KI vom ‘Helferlein’ zum ‘vertrauenswürdigen Copiloten’. Trainiert euer LLM mit seinen Error-Messages in Prompts, und die Output-Qualität explodiert. Production-ready Diffs ab Tag eins. Kein Babysitten von Copilot oder Claude mehr.

Corporate-Check: Klar, typescript-eslint-Rules. TypeScript-pur, Spec-verrückt. Das hier? KI-Kriegsgetunt. Beides nutzen – wie Erdnussbutter und Schoko.

Install? Simpel wie nix.

npm install -D eslint-plugin-llm-core

// eslint.config.js
import llmCore from 'eslint-plugin-llm-core';

export default [
  {
    plugins: {
      'llm-core': llmCore,
    },
    rules: {
      ...llmCore.configs.recommended.rules,
    },
  },
];

Null Config. Recommended Rules zünden, fangen die async-Falle