Artikel für Leute, die
den Stack ausliefern
Beiträge zu React, Node.js, TypeScript und AI. Ein übersetzter Text wird gezeigt, wenn er existiert. Sonst sehen Sie den englischen Text und einen Hinweis.
Tag: llm
Vom Anpassen von Anfragen zu Rückkopplungsschleifen: DSPy, GEPA und Claude Code
Erfahren Sie, wie DSPy, MIPRO, STORM, GEPA, Claude Code und MCP die Arbeit mit KI von der Neuformulierung von Anfragen auf die Erstellung messbarer Programme mit ausführbaren Rückkopplungsschleifen verändern.
10 Min. LesezeitEin sechsmonatiger Fahrplan vom Anfänger zum arbeitenden KI-Ingenieur
Befolgen Sie einen monat für Monat ausgearbeiteten Plan, der Python, LLM-APIs, RAG, Agenten, Bewertung, Bereitstellung und Kosten umfasst, sowie vier Portfolio-Projekte, die zeigen, wie Sie KI-Systeme veröffentlichen können.
10 Min. LesezeitGrundlagen von LangChain: Was es löst und wann man es komplett überspringen sollte.
Erfahren Sie, was LangChain tatsächlich bietet, warum das Aufrufen mehrerer Anbieter-Tools Teams dazu bringt, es zu nutzen, welche Pakete installiert werden müssen und wann ein einfacher Wrapper die bessere Wahl ist.
7 Min. LesezeitEin Produktions-Harness für Claude Code: Sechs Schichten von Slack bis zur zusammengeführten MR.
Wie ein sechsschichtiger Harness Slack-Tickets in zusammengeführten Code umwandelt: Eingang von Ereignissen, geschützte Agentenschleifen, dauerhafter Zustand, Selbstheilung, Überwachbarkeit und Steuerung durch den Operator.
42 Min. LesezeitFünfzig Jahre Forschung im Bereich Informationsabrufung – verborgen in Ihrem RAG-Pipeline.
Das RAG-Chunking, die hybride Suche, HyDE, das Neuranking sowie die Bewertungsmethoden haben alle seit Jahrzehnten existierende Vorgänger in der Informationsabrufung. Ein Überblick über die Forschung und deren Grenzen.
17 Min. LesezeitSenkung der Kosten für Agent-Token: Caching, Routing und Kontextpflege.
Senken Sie die Kosten von LLM-Agenten durch Prompt-Caching und semantisches Caching, verzögert geladene Tools, Modell-Routing und -Kaskaden, Subagenten sowie durch einfache Kontextpflege.
16 Min. LesezeitGrundlagen von AI-Agenten: Zweck, Prompt-Design und Modellwahl
Wie man die Grundlagen für einen Produktions-AI-Agenten schafft: Zweck und Erfolgsmetriken definieren, Prompts mit Zielen und Schutzmaßnahmen erstellen und anschließend das richtige Modell auswählen.
21 Min. LesezeitKontexttechnik in der Praxis: Ein Forschungsagent mit dem Claude Agent SDK
Entwickeln Sie einen Python-Forschungsagenten mit dem Claude Agent SDK unter Verwendung der Muster write, select, compress und isolate und vergleichen Sie ihn anschließend in getesteten Ausführungen mit einem einfachen Baseline-Modell.
20 Min. LesezeitWas ein Modell-Differenzierungs-Agent herausfindet: Stiländerungen überlagern eine feine Anpassung.
Ein Modell-Differenzierungs-Agent überprüfte eine Finanz-LoRA-Feinabstimmung: 82 Prozent der Durchläufe erkannten die Änderung in Länge und Struktur, während die beabsichtigte Veränderung im Denkprozess verborgen blieb.
15 Min. Lesezeit
Über diese Artikel
Angebot in 24 Stunden
Denselben Stack in einer Operator-Schicht? Brief schicken — Angebot in 24 Stunden.