Why do the secrets scattered across my project end up inside my coding agent's prompt?
Möglichkeit
AI coding agents read entire project directories before generating or editing code. That context routinely includes .env files, config YAML, shell history, and CI secrets, all of which get packed into the prompt sent to an external LLM API. On the code-generation side, agents write code that hardcodes the credentials they saw in context. GitGuardian's 2026 State of Secrets Sprawl report found 28.65 million new hardcoded secrets pushed to public GitHub in 2025, up 34% year over year, with AI-assisted commits leaking secrets at roughly twice the rate of human-written commits, and 24,008 unique secrets found sitting in public MCP configuration files. No coding agent today ships a secrets-aware context filter that strips or vaults sensitive values before they enter the prompt.
Warum es wichtig ist
A secrets-aware context layer built into the agent toolchain is the only fix that scales as AI-generated code becomes the default.
Wie ich die Chance bewerte
Der Opportunity Score ist meine persönliche Einschätzung, keine Messung: wie stark es schmerzt, wie oft es auftritt und wie wenig heute existiert, um es zu lösen. Ein höherer Wert bedeutet, dass ich es für lohnender halte, es umzusetzen.
Wie viel Schmerz es verursacht, wenn es auftritt.
Wie oft Menschen tatsächlich darauf stoßen.
Wie wenig gute Werkzeuge dafür heute existieren.
Weitere lösungswürdige Probleme
Warum vergisst mich jede KI-App in dem Moment, in dem ich den Tab schließe?
AIWarum setzt das Erlernen eines neuen Fachgebiets immer noch voraus, die richtigen Fragen zu kennen?
AIWarum kann eine fachfremde Person nicht überprüfen, was eine KI ihr gerade gesagt hat?
AIWarum testen wir Modelle an Benchmarks, aber bringen sie nach Bauchgefühl in die Produktion?
AIWarum haben KI-Agenten kein Gedächtnis für ihre eigenen Fehler?
AIWarum kann ich nicht nachprüfen, womit ein Modell tatsächlich trainiert wurde?