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: llmops
Aufbau eines Agentenverbesserungszyklus mit LangGraph- und LangSmith-Bewertungen.
Ein schrittweiser LangGraph- und LangSmith-Zyklus: Datenerfassung, drei Bewertungsebenen, Clusterbildung bei Fehlern, Offline-Regressionssätze und Vorabbewertungen.
24 Min. LesezeitEin Roadmap für KI-Engineering im Jahr 2026: Vom Python bis zu Agenten und LLMOps.
Ein schrittweiser Lernpfad für KI-Engineering bis 2026, von Python und Mathematik über klassische ML-Methoden und Deep Learning bis hin zu RAG, MCP, Agenten, Bewertungsmethoden und der Implementierung.
14 Min. LesezeitWenn das Dashboard grün ist und der Agent falsch liegt: Überwachung des Zustands
Das Dashboard ist grün und der Agent liegt falsch: Fehler verstecken sich im zwischen den funktionierenden Schritten übertragenen Zustand. Welche Überwachungs-, Routing-Protokolle und Bewertungen aufgezeichnet werden müssen.
12 Min. LesezeitWer bewertet den Bewertungsmechanismus? Validierung von Bewertungstools, bevor man ihnen vertraut.
Wer überprüft das Bewertungssystem? Richterische Verzerrungen, ausschließlich auf das Ergebnis ausgerichtete Bewertung, private Fehlermuster sowie versteckte Kosten können dazu führen, dass die Bewertungen von großen Sprachmodellen falsch sind. Überprüfungen des Systems selbst.
7 Min. LesezeitBewertung der RAG-Auswertung jenseits der ANN-Recall-Methode – am Beispiel von Turbopuffer.
Ein schneller Vektorindex kann dennoch die richtige Antwort verfehlen. Erfahren Sie mehr über die Speicherkompromisse von Turbopuffer, die hybride Kombination aus BM25 und Vektorabfrage sowie darüber, wie eine „goldene Menge“ die tatsächliche Recall-Rate misst.
7 Min. LesezeitVom Evaluieren zu selbstverbessernden Agenten: Fünf Epochen der Agentenbewertung
Die Bewertung von Agenten bedeutet heute die Überprüfung von Spuren. Sehen Sie, wie deterministische Prüfungen, LLMs und Agentenrichter, Diagnosen sowie ein Meta-Tool einen sicheren Verbesserungskreislauf schaffen.
7 Min. LesezeitVerfolgen eines LangGraph-Blog-Pipelines mit Langfuse: Spans, Scores, Warnungen
Einrichten eines mehr-Agenten-LangGraph-Pipelines mit Langfuse: ein Trace pro Artikel, verschachtelte Spans, Warnungen, Scores sowie eine Debugging-Routine für schwache Entwürfe.
8 Min. LesezeitWiederholungssichere Agenten: Vermeidung von LLM-Aufrufen im Workflow durch zeitliche Strukturen.
Warum ein Agent, der während des Laufs abstürzt, sein LLM nicht erneut aufrufen darf: Aktivitäten als Grenze zum Nichtdeterminismus, Wiederholungsmechaniken, Herzschläge, Wiederholungsversuche und zustandslose Graphen.
16 Min. LesezeitPraktische Hinweise: Zuverlässige KI-Agenten entwickeln – Aufbau einer Produktbewertungsmethode
Schritt-für-Schritt-Anleitung zu den Praktischen Hinweisen: Engineering zu zuverlässigen KI-Agenten – Aufbau einer Produktbewertung sowie Verträge, Überprüfungen und Code-Blöcke für Teams, die dieses Muster einsetzen.
10 Min. Lesezeit
Über diese Artikel
Angebot in 24 Stunden
Denselben Stack in einer Operator-Schicht? Brief schicken — Angebot in 24 Stunden.