Tag: ai-agents
20 Beiträge
Von create-react-app zu create-ai-app: Der neue Standard für KI-Anwendungen
2016 standardisierte create-react-app, wie wir Frontends bauen. 2026 brauchen KI-Anwendungen denselben Moment — und er ist da.
AGENTS.md: So machen Sie Ihre Codebasis KI-Agenten-freundlich (Copilot, Cursor, Codex, Claude Code)
Jedes KI-Coding-Tool liest Ihr Repository anders. So gibt AGENTS.md — der aufkommende Tool-agnostische Standard — ihnen den nötigen Kontext.
Von 0 zum produktionsreifen KI-Agenten in 30 Minuten — Full-Stack-Template mit 5 KI-Frameworks
Schritt-fuer-Schritt-Anleitung: Web-Konfigurator, Preset waehlen, KI-Framework auswaehlen, 75+ Optionen konfigurieren, docker-compose up — fertige Produktions-KI-App.
Bauen Sie einen AI PR Reviewer mit 3 parallelen Subagenten in Python
Sicherheits-, Stil- und Performance-Checks in 30 Sekunden — mit pydantic-deepagents, um 3 spezialisierte Subagenten parallel auf Ihren Git-Diff loszulassen.
Tau-Bench: KI-Agenten testen, wo es wirklich zählt - Kundenservice
Sierras Tau-Bench versetzt KI-Agenten in realistische Kundenservice-Szenarien mit simulierten Nutzern, Domänenrichtlinien und echten Datenbanken. So funktioniert es, wie bewertet wird und was Tau-squared verändert.
Was ich auf der PyAI Conf in San Francisco gelernt habe — Wo Python auf produktive AI Agents trifft
Ein Tag. Die Schoepfer von Python, Pydantic, FastAPI und FastMCP in einem Raum. Same-Day-Bericht von der PyAI Conf mit Panel-Highlights, Flurgespraechen und Erkenntnissen fuer produktive AI-Agent-Systeme.
BrowseComp: Der Benchmark, der testet, was KI-Agenten wirklich finden können
OpenAIs BrowseComp stellt traditionelle Benchmarks auf den Kopf - Fragen sind leicht zu verifizieren, aber brutal schwer zu lösen. Hier erfahren Sie, warum das für die Entwicklung von KI-Agenten wichtig ist.
GPT-5.4 ist da — Was es für AI-Agent-Entwickler bedeutet
OpenAI hat GPT-5.4 mit nativer Computer-Nutzung, 1M Kontext, Tool Search und State-of-the-Art-Coding veröffentlicht. Hier ist, was für Teams wichtig ist, die AI-Agents in Produktion bauen.
Wir haben einen Web-Konfigurator für KI-Agenten-Apps gebaut — 75+ Optionen, als ZIP herunterladen
246 Template-Dateien, 5 KI-Frameworks, clientseitiges Rendering mit Nunjucks — kein Server, alles in deinem Browser.
Code-Ausführung in der Cloud unter 90ms: Wie Daytona Docker in unserem AI-Agent-Stack ersetzt hat
Docker-Kaltstarts kosten 2-5 Sekunden pro Sandbox. Daytona schafft es in unter 90ms — so haben wir es in pydantic-ai-backend integriert.
Wir bauen eine Open-Source-Alternative zu Claude Code in Python
Lernen Sie pydantic-deepagents kennen — 5 modulare Pakete, 30+ Features und eine Terminal-UX, die KI-Coding-Agenten wie ein natives Entwicklertool wirken lässt.
Pydantic AI vs LangChain für produktionsreife KI-Agenten (2026)
Ein praxisnaher Vergleich von Pydantic AI und LangChain für den Bau produktionsreifer KI-Agenten. Typsicherheit, Streaming, Dependency Injection und reale Kompromisse.
So erstellst du eine Full-Stack-KI-App mit FastAPI und Next.js
Schritt-für-Schritt-Anleitung zum Erstellen einer produktionsreifen KI-Anwendung mit FastAPI-Backend und Next.js-Frontend. Von Null bis zum Deployment in 30 Minuten.
Hashline-Editformat: Wie 2-Zeichen-Hashes die AI-Dateibearbeitung reparierten
Wie das Hashline-Editformat das fehleranfaellige str_replace durch 2-Zeichen-Content-Hashes fuer zuverlaessige AI-Dateibearbeitung ersetzt. Benchmark-Ergebnisse ueber 16 Modelle und unsere Pydantic AI Implementierung.
Prädiktive KI: Geben Sie Ihrem Agenten ein Docker-Labor zum Ausführen von Modellen
Wie man einen KI-Agenten baut, der sklearn-Vorhersagen in einer isolierten Docker-Sandbox ausführt. Environment-as-a-Tool-Muster, Sub-Agent-Delegation und strukturierte Chart-Ausgabe mit Pydantic AI.
Warum Ihr AI-Agent zu viel erinnert (und wie Sie es beheben)
Jedes Memory-System speichert Muell. So haben wir es mit dateibasiertem persistentem Speicher, Kontextfenster-Limits und einer Sofort-speichern-oder-verlieren-Philosophie geloest.
Echtzeit-Streaming von KI-Agenten mit WebSockets und FastAPI
Wie man Echtzeit-Streaming für KI-Agenten mit WebSockets in FastAPI implementiert. Token-für-Token-Ausgabe, Fehlerbehandlung und Produktionsmuster.
Observability fuer KI-Agenten ist kaputt. Das haben wir stattdessen gebaut.
Standard-Dashboards funktionieren nicht fuer LLM-Traces. Wir haben einen KI-Assistenten gebaut, der es ermoeglicht, Fragen zum Verhalten Ihres Agenten in natuerlicher Sprache zu stellen - natuerliche Sprache zu SQL-Abfragen gegen Logfire-Daten.
Aufgabenplanung fuer AI-Agenten: Abhaengigkeiten, Events und hierarchische Todos
Warum Agenten strukturierte Planung brauchen, wie Unteraufgaben und Zykluserkennung funktionieren, und ein PostgreSQL-Backend fuer mandantenfaehige Produktionsumgebungen.
Dein KI-Agent vergisst alles nach 50 Nachrichten. So behebst du das.
SummarizationProcessor vs SlidingWindowProcessor - zwei Strategien, um das Gedaechtnis deines Agenten am Leben zu halten, wenn das Kontextfenster voll wird.
Bereit, deine KI-App zu shippen?
Wähle deine Frameworks, generiere ein produktionsreifes Projekt und deploye. 75+ Optionen, ein Befehl, null Config-Schulden.