Vom Prompt zum Loop: Die Evolution der KI-Steuerung · Teil 2 von 8
Kontext ist König
Context Engineering, Memory und Retrieval-Augmented Generation verstehen
Wie ein Sprachmodell das richtige Wissen bekommt: Kontextfenster, Memory und Retrieval-Augmented Generation.
Anhören auf
Hörprobe auf Spotify
Über dieses Hörbuch
Ein Modell weiss nur, was in seinem Kontext steht. Teil 2 erklärt das Arbeitsgedächtnis einer KI, warum das Kontextfenster die knappste Ressource ist, die Sie verwalten, und wie Retrieval-Augmented Generation dem Modell im richtigen Moment Ihr eigenes Wissen zuführt.
Es geht um den Aufbau einer Wissensbasis auf einer Vektordatenbank, um System-Prompts und Memory als Verhaltenssteuerung und um das richtige Dosieren von Kontext, damit Antworten präzise bleiben statt in Halluzinationen abzudriften.
38 Minuten. Für alle, die eigene KI-Systeme bauen oder bestehende verbessern.
Kapitel
- Das Arbeitsgedächtnis der KI
- System-Prompts, Memory und RAG
- Kontext richtig dosieren
Das im eigenen Betrieb anwenden?
Die Hörbücher erklären die Ideen. Im Kickstart-Workshop baut Ihr Team an einem Tag das erste eigene Werkzeug.
Kursangebot ansehenVom Prompt zum Loop: Die Evolution der KI-Steuerung
-
1. Das Handwerk der WorteRollen, Few-Shot-Beispiele, Chain of Thought und System-Instruktionen: Prompting als Handwerk statt Rätselraten.
-
3. Die Entstehung der AgentenVom Antwortautomaten zum Akteur: Tool Use, Function Calling, ReAct und das Model Context Protocol.
-
4. Das Harness und die UmgebungDie Umgebung entscheidet, ob ein Agent produktionsreif ist: Leitplanken, Sandboxen und automatische Evaluatoren.
-
5. Die Geburt von Loop EngineeringPlanen, Ausführen, Beobachten, Verfeinern: Warum autonome Arbeitszyklen bei jeder längeren Aufgabe den Einzel-Prompt schlagen.
-
6. Anatomie eines perfekten LoopsAbbruchbedingungen, Kontext-Rotation, Memory und ein menschlicher Notaus: Was eine autonome Schleife sicher hält.
-
7. Verifizierung und Self-CorrectionEin Modell darf seine eigene Arbeit nicht benoten: Generator-Evaluator-Schleifen, harte Tests und Fallbacks für KI, der man trauen kann.
-
8. Das autonome ÖkosystemTeams spezialisierter Agenten, Hierarchie gegen Schwarm, und der Mensch als Architekt, Auditor und Dirigent.