KI-Agenten: Der ultimative Leitfaden (German Edition)

Kapitel 1. Von LLMs zu Agenten: Der grundlegende Entwurf

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

Eines der charakteristischen Merkmale menschlicher Intelligenz ist die Art und Weise, wie wir inneres logisches Denken mit konkreten Handlungen verbinden – und das lässt sich überraschend gut auf die Funktionsweise von Agenten auf Basis großer Sprachmodelle (LLMs) übertragen, wenn diese mit Tools kombiniert werden. Nehmen wir den Prozess der Entwicklung eines Programmierprojekts als Beispiel. Als menschlicher Entwickler beginnst du mit einer Eingabeaufforderung, dem Auftrag des Kunden. Zunächst folgt das logische Denken, bei dem du einen Plan entwirfst, wie du vorgehen willst. Dann folgt das Handeln, zum Beispiel das Suchen nach Dokumentation, das Schreiben von Funktionen oder das Debuggen von Fehlern. Feedback kommt ins Spiel, wenn Tests fehlschlagen, eine Peer-Review Lücken aufzeigt oder der Kunde die Anwendung testet. Jeder Schritt ist nicht statisch, sondern iterativ: Das logische Denken passt sich neuen Erkenntnissen an, und die Handlungen ändern sich entsprechend.

Das Gleiche gilt für einen einzelnen LLM-Agenten. Bei einer vorgegebenen Aufgabe überlegt der Agent zunächst, was fehlt oder welcher Schritt als Nächstes folgt, und ergreift dann Maßnahmen, indem er Tools aufruft, um Daten abzurufen, Code auszuführen oder Ergebnisse zu überprüfen. Ähnlich wie bei der Feedbackschleife eines ...