Beiträge zu "how-to"
Wofür braucht man in der Agentenarbeit ein Playbook?
Ein Playbook lässt eine wiederkehrende Agentenaufgabe jedes Mal gleich ablaufen: feste Schritte, typisierte Übergaben, Prüfungen und Stoppregeln. Abgrenzung zu AGENTS.md, Skills und Runbooks.
Einen internen Skill-Katalog aufbauen: Prüfung, Zuständigkeit und Auffindbarkeit
Einen Skills-Katalog für Ihre Organisation aufbauen: einreichen, prüfen, mit Verantwortlichem und Version veröffentlichen, ausmustern. Mit Ideen aus Registries.
Betriebsreihe: KI-Agenten ausrollen mit Canaries und Rollbacks
KI-Agenten ausrollen wie jeden Dienst: neues Modell, Prompt oder Skill zuerst an wenige Läufe, Evals und SLOs entscheiden, ein Rollback bleibt bereit.
Strukturierte Ausgaben für Agenten: Schemas, Verträge, Zuständigkeit
Structured output agents übergeben typisierte Daten statt Freitext. JSON-Schemas für Tool-Ergebnisse definieren, versionieren und Verantwortliche nennen.
Betriebsreihe: LLM FinOps für Agenten, jedes Token zuordnen
LLM FinOps überträgt das Cloud-Vorgehen auf Agenten: Läufe taggen, Kosten je Key und Team zuordnen, Budgets setzen, früh warnen, Nutzung exportieren.
Enterprise AI Agent Rollout: Pilot, Basislinie, dann skalieren
Ein Enterprise AI Agent Rollout gelingt mit kleinem Pilot, Telemetrie ab Tag eins, Ausgabenlimits und schriftlichen Ausstiegskriterien für jeden Schritt.
Selbst betriebene Modelle für Agenten: was sich ändert, wenn die Inferenz bei dir läuft
Self-hosted LLM für Agenten: Prompts bleiben im Haus, Sie tragen aber Kapazität, Updates und Bewertung. Lokale Runtimes, Batch-Server und der Betriebsaufwand.
Betriebsreihe: Runbooks zu Skills machen, ohne die Kontrolle zu verlieren
Runbook automation AI mit Kontrolle: Runbook in einen Skill plus eng begrenzte Tools mit Freigaben umwandeln. Eine Schritt-für-Schritt-Anleitung für Ops-Teams.
LLM Cost Optimization für Agenten: Caching, Code-Ausführung und Budgets
LLM Cost Optimization für Agenten: wann Prompt Caching lohnt, wann Code-Ausführung Tool-Aufrufe schlägt und warum harte Token-Budgets auch Sicherheit sind.
Claude Code Hooks als Durchsetzungspunkte für Policies in Coding-Agenten
Claude Code Hooks führen Code vor einem Werkzeugaufruf aus; ein PreToolUse-Hook setzt Policy lokal durch. Aufbau, Grenzen und warum ein zentrales Gate bleibt.
AI Agent Sandboxing: Dateisystem- und Netzwerkisolation zusammen
AI Agent Sandboxing wirkt nur, wenn Dateizugriff und Netzverkehr nach außen begrenzt sind. Warum eine Grenze nicht reicht und wie Allow-Lists Freigaben sparen.
Agent-Skills versionieren wie jede andere Abhängigkeit
Skill versioning behandelt Agent-Skills wie Abhängigkeiten: SemVer, Changelog, Pinning und Evals für Upgrades. Was in Anweisungen als Breaking Change gilt.
Erst den Datenfluss zeichnen, dann den ersten Prompt schreiben
Ein agent data flow diagram zeigt, wo unsichere Daten eintreten, wo private liegen und wo etwas hinausgeht. Eine Vorlage, die Trifecta-Risiken früh zeigt.
Ein MCP-Server pro System: MCP-Server-Design, das sich steuern lässt
Regeln für MCP-Server-Design, das sich steuern lässt: ein kleiner Server pro System, Tool-Namensräume und getrennte Lese- und Schreibrechte statt Mega-Gateway.
Kleine geprüfte Schritte schlagen einen großen Prompt
Inkrementelle Agent-Workflows zerlegen Arbeit in kleine Schritte mit Abnahmeprüfung, Fortschrittsnotiz und sauberem Zustand. Das Muster im Überblick.
Aufbau eines Agent-Skills: SKILL.md, schrittweises Laden und Umfang
SKILL.md ist der Einstieg eines Agent-Skills: Die kurze Beschreibung entscheidet, wann der Rest lädt. Progressive Disclosure, Minimal-Skill und Umfangsregeln.
Tools schreiben, die Agenten wirklich nutzen können: Namen, Schemas und Fehler
Tool-Design für KI-Agenten ist Schnittstellen-Design für ein Modell als Leser. Checkliste zu Namen, Namespaces, Schemas, Fehlern und kleinen Tools.