Schreiben & Ideen
Gedanken zu KI-Engineering, LLM-Systemen und dem Bau von skalierbarer Software.
Reverse Engineer Anything (REA): Einrichtung und Praxis
Reverse Engineer Anything (REA) verbindet einen KI-Coding-Agenten mit Werkzeugen, die kompilierte Software, Anwendungspakete und das Verhalten im …
Eine Python-API mit OpenTelemetry tracing
Der Bericht klingt immer gleich: „Die App ist manchmal langsam." Nicht bei jeder Anfrage, nicht für jeden Benutzer und nicht reproduzierbar auf …
API-Rate-Limiting: Token-Bucket, Sliding Window und Redis
Die meisten Rate-Limiter in der Produktion sind nicht falsch, weil jemand den falschen Algorithmus gewählt hat – sie sind falsch, weil jemand einen …
Kleine, schnelle, reproduzierbare Python-Docker-Images
Die meisten Python-Docker-Images sind auf dieselben drei Arten gleichzeitig schlecht: sie sind riesig, sie bauen bei jeder Code-Änderung von Grund auf …
Strukturierte LLM-Ausgaben, die in der Produktion nicht brechen
Die Demo funktioniert jedes Mal: Das Modell um JSON gemäß einem Schema bitten, json.loads() auf die Antwort anwenden und weitermachen. Dann wird es …
LLM-Kosten senken ohne einen schlechteren Agenten zu shippen
Der instinktive Schritt, wenn eine LLM-Rechnung unangenehm wird, ist das Modell gegen ein günstigeres zu tauschen und damit fertig zu sein. Manchmal …
Einen MCP-Server in Python bauen
Die meisten MCP-Tutorials zeigen dir ein „Hello World"-Tool – eine Funktion, zwei Argumente, ein Print-Statement – und hören genau dort auf, wo …
Human-in-the-Loop-Agents mit LangGraph
Das Versprechen autonomer Agents lautet immer „Er erledigt die gesamte Aufgabe von Anfang bis Ende." Die Realität beim Ausliefern eines solchen …
LangChain vs. LangGraph: Wann du wirklich einen Graphen brauchst
Frag ein Team, warum es von LangChain zu LangGraph gewechselt hat, und du bekommst meistens ein Achselzucken und „Der Agent hat ständig komische …
Multi-Tenant RAG: Metadaten-Filterung ohne Datenlecks
Ein Multi-Tenant-RAG-System hat einen Fehlermodus, den Single-Tenant-Systeme nicht haben: Es kann eine Antwort liefern, die flüssig, gut zitiert und …
Warum dein RAG die falschen Chunks abruft
„Das Modell halluziniert" ist die Standarddiagnose, wenn ein RAG-System eine falsche Antwort liefert – und meistens liegt sie daneben. …
Eine RAG-Pipeline evaluieren: Recall@k, MRR, Faithfulness
Die meisten Teams „evaluieren" ihre RAG-Pipeline, indem sie ihr eine Handvoll Fragen stellen, die Antworten lesen und entscheiden, ob es sich …