Why do the secrets scattered across my project end up inside my coding agent's prompt?
Kans
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.
Waarom het belangrijk is
A secrets-aware context layer built into the agent toolchain is the only fix that scales as AI-generated code becomes the default.
Hoe ik de kans beoordeel
De Opportunity Score is mijn eigen inschatting, geen meting: hoe ernstig het pijn doet, hoe vaak het toeslaat, en hoe weinig er vandaag de dag bestaat om het op te lossen. Hoger betekent dat ik denk dat het meer de moeite waard is om te bouwen.
Hoeveel pijn het veroorzaakt wanneer het zich voordoet.
Hoe vaak mensen er daadwerkelijk tegenaan lopen.
Hoe weinig goede tools er vandaag de dag voor bestaan.
Meer problemen die het oplossen waard zijn
Waarom vergeet elke AI-app mij op het moment dat ik het tabblad sluit?
AIWaarom is het leren van een nieuw vakgebied nog steeds afhankelijk van weten wat je moet vragen?
AIWaarom kan een niet-expert niet verifiëren wat een AI hem zojuist heeft verteld?
AIWaarom testen we modellen op benchmarks maar brengen we ze op de markt op gevoel?
AIWaarom hebben AI-agenten geen geheugen voor hun eigen fouten?
AIWaarom kan ik niet controleren waarop een model daadwerkelijk is getraind?