{
  "video_id": "7CrPrHgoEYk",
  "channel_slug": "aidotengineer",
  "channel_handle": "aidotengineer",
  "title": "`What the Best Agents Share` — Mardu Swanepoel, Flinn AI",
  "duration_seconds": 621.0,
  "url": "https://www.youtube.com/watch?v=7CrPrHgoEYk",
  "upload_date": "",
  "transcript": "[Musik]\nAlles klar.\nBevor ich Ihnen nun erkläre, was meiner\nMeinung nach die besten Makler gemeinsam haben,\nmöchte ich Ihnen eigentlich ein Zitat vorstellen.\nUnd das ist ein Zitat, das ich\nmir tatsächlich sehr zu Herzen nehme, wenn ich persönlich\nAgenten entwickle.\nEs handelt sich um ein Zitat, das vielen von Ihnen\nvielleicht bekannt ist, obwohl ich etwas genauer darauf eingehen\nmöchte, was\nPablo Picasso mit dem Wort „stehlen“\nin diesem Zitat gemeint hat.\nEr meinte damit nicht unbedingt Stehlen im\nSinne von etwas, das einem physisch\nnicht gehört, und es\nals sein Eigentum auszugeben.   Ähm,\nstattdessen sprach er davon, sich\netwas anzusehen, es eingehend zu studieren, es\nwirklich zu verstehen und\nes sich zu eigen zu machen, und dann darauf aufbauend\netwas Besseres und\nEinzigartiges zu entwickeln, auf das man ohne\ndiesen Prozess nicht gekommen wäre.\nUnd genau das möchte ich\nheute in diesem Vortrag tun.  Ich möchte mir\nvier von ihnen genauer ansehen, die meiner Meinung nach zu\nden besten\nAgenten gehören, die uns derzeit zur Verfügung stehen\n.  Wir sollten sie eingehend studieren,\nverstehen, was sie tun, und sehen, was wir\nvon ihnen lernen können, um\nselbst Agenten\nviel besser zu entwickeln.\nIch werde mir vier\nspezifische Verhaltensmuster ansehen, die diese Agenten verwenden.\nBei jedem dieser Punkte werde ich kurz darauf eingehen,\nwas genau dieses Muster\nbeinhaltet, vor allem aber, welchen Mehrwert\nes Ihnen bei der Verwendung bietet, und\ndrittens, Ihnen kurz zeigen, wie das\nin der Praxis bei diesen\nAgenten aussieht.\nDer erste Modus ist das, was ich Fokusmodi nenne\n.  Im Fokusmodus\nversetzen wir den Agenten in einen spezifischen Modus, in dem\nwir die Aktionen und den\nEingaberaum einschränken.  Wir schalten also in den Planungsmodus\noder in den Recherchemodus.\nÄhm, was bringt uns das?  Nun,\nder größte Vorteil für uns als\nIngenieure besteht zunächst einmal darin, dass wir die Möglichkeit erhalten,\ndie Ausgabequalität des Agenten im\nkleineren, eingeschränkten Aktionsraum zu verbessern.\nWir könnten also tatsächlich sagen:\n„Lasst uns erstmal eine Menge Tools weglassen. Lasst uns\nunsere Systemabfrage wirklich verfeinern. Lasst uns\nunsere E-Validierungen so optimieren, dass sie auf\ndiesem kleinen Raum wirklich gut funktionieren, bevor wir irgendetwas anderes tun\n.“\nZweitens ist aus Nutzersicht ebenfalls wirklich wertvoll\n.\nEine Sache bei solchen\nAgenten-UIs, die alles ermöglichen und alle Fragen beantworten, ist die Tatsache,\ndass der Benutzer nicht unbedingt weiß,\nwas er tun muss, um das beste Ergebnis vom\nAgenten zu erhalten, und dass er auch sehr hohe\nErwartungen hat.  Indem wir also in einen\nbestimmten Modus wechseln, sagen wir im Grunde: „Lasst uns die\nErwartungen des Benutzers ein wenig angleichen und auch seine\nEingaben und sein Verhalten speziell auf diesen\nModus abstimmen.“\nCursor macht das wirklich gut.  Auf der\nrechten Seite sehen Sie die Cursor-\nChat-Oberfläche. Sie können ganz einfach\nzwischen verschiedenen Modi wechseln, indem Sie\nein Dropdown-Menü auswählen.\nUnd jeder dieser Modi hat dann\nspezifische Verhaltensweisen und Erwartungen, die\ner an den Benutzer stellt.\nÄhm, dann macht es ganz bestimmte Dinge.\nIn der Mitte sehen wir also den Planungsmodus.\nEs schreibt tatsächlich keinen Code.  Es wird\neinfach ein Plan erstellt und\nIhnen Fragen gestellt, und Sie sollten damit einverstanden sein,\ndenn dafür haben Sie sich ja angemeldet\n.  Im Debug-Modus verfolgt es einen sehr\nspezifischen, hypothesengetriebenen Ansatz\nnach dem Motto: „Okay, was sind die potenziellen\nProbleme in deinem Code? Äh,\nlass uns einen dedizierten Debug-Server einrichten, die\nProtokolle dorthin senden und das Problem dann genauer untersuchen\n.“  Also, meiner Meinung nach ist die Art und Weise, wie\nCursor\nModi nutzt, um bestimmte\nDinge wirklich sehr, sehr gut zu machen, eine wirklich, sehr wirkungsvolle Methode.\nDas zweite Muster ist die transparente\nAusführung.  Und was wir\nin diesem Fall versuchen, ist, den Benutzern so klar wie möglich zu\nmachen, was der Agent tut, benutzt\nund denkt\n.  Und der Kern dessen, was wir\nhier erreichen wollen, ist der Übergang von der\nDelegation zur Zusammenarbeit.\nDen Nutzer wirklich in den Prozess einzubeziehen\nund nicht einfach den Agenten\ndas Endergebnis liefern zu lassen.\nDer größte Vorteil, den wir hier erzielen, ist das\nVertrauen in das Ergebnis.  Wenn ich\nIhnen eine Aufgabe gebe und Sie mir lediglich\ndie Ergebnisse präsentieren, werde ich\nden Ergebnissen weniger vertrauen, als wenn Sie\nmir Ihren Lösungsprozess erläutern, Ihre\nGedanken mitteilen, was Sie\ngelesen haben, was Sie angenommen haben und worüber\nSie sich eigentlich nicht sicher sind\n.  Also, wir nutzen diesen\nTransparenzprozess, um Vertrauen in das\nletztendliche Ergebnis des Agenten aufzubauen\n.   Darüber\nhinaus ermöglicht es dem\nBenutzer, früher einzugreifen,\nwenn er feststellt, dass der Agent tatsächlich etwas\nFalsches tut, und dadurch\nVerschwendung zu reduzieren.  Wenn wir im zweiten Schritt des\nAgenten feststellen, dass der Agent gerade\naus, ich weiß nicht, Notion-\nDokumenten A und B vorgelesen hat, und ich hätte\ndas nicht tun sollen, dann können wir\nganz einfach sagen: \"Hey, ich denke, lasst uns\nanhalten und einen anderen Ansatz wählen.\"\nDas ist etwas, was Claude in meiner Co-Arbeit\nsehr gut macht.  Oben rechts befindet sich so etwas wie\neine Fortschrittsliste oder eine Aufgabenliste\nmit Dingen, die erledigt wurden und noch\nerledigt werden sollen. Dadurch wird deutlich, welcher\nSchritt als Nächstes ansteht.  Es vermittelt\neinen guten Eindruck vom Kontext, den es\nnutzt, und von den Fähigkeiten, auf die es zurückgreift\n.  Was die Aufrufe der coolen Tools angeht, so\nzeigt es Ihnen tatsächlich alle\nTool-Aufrufe an, die es durchführt, sowie die\nEingaben und Ausgaben dieser Tool-\nAufrufe.\nUnd das macht dem Benutzer wirklich ganz deutlich,\nwas\naus der Ausführungsperspektive des\nAgenten tatsächlich vor sich geht.\nManifold macht etwas sehr Ähnliches.\nAußerdem gibt es dort den Aufgabenfortschritt, wo\nman die erledigten und noch zu erledigenden Aufgaben sehen kann\n, und man bekommt auch einen sehr guten\nEindruck davon, was das System sich eigentlich angesehen und\nwie es diese Dinge bewertet hat.\nDas dritte Muster ist die Personalisierung.\nUnd genau hier versuchen wir,\ndem Agenten die Denkweisen, Systeme,\nKenntnisse, Prinzipien und\nMuster zu vermitteln, die wir selbst angewendet hätten, wenn wir\ndie Aufgabe selbst erledigen müssten.  Im\nGrunde genommen geht es uns\nhier darum, die\nGeschwindigkeit des Verständnisses des Agenten zu optimieren bzw. zu erhöhen.\nUnd genau diesen Punkt verstehen meiner Meinung nach\nviele Agenten nicht richtig, da\nsie zwar auf Geschwindigkeit beim Erreichen des\nErgebnisses optimieren, aber nicht auf Geschwindigkeit beim Verstehen. Denn\nes ist\nsehr einfach, ein Ergebnis für\neinen Benutzer zu generieren, aber wenn es nicht wirklich dem entspricht,\nwas der Benutzer in Bezug auf die Art und Weise, wie\ner es haben wollte, haben möchte, ist es\nnutzlos.  Die Optimierung der Geschwindigkeit beim\nVerständnis, also das wirkliche\nVerstehen aller Nuancen und\nimpliziten Dinge seitens des Benutzers, wie dieser\nvorgegangen wäre, ist\nfür den Agenten von entscheidender Bedeutung, um das Richtige zu tun\nund nicht einfach nur irgendetwas.\nPersonalisierung ist für uns ein Weg, dem\nAgenten ein schnelleres Verständnis zu ermöglichen und ihn dazu zu bringen, das\nRichtige zu tun und nicht einfach irgendetwas.\nDas ist etwas, das wir in verschiedenen Varianten\nin unterschiedlichen Wirkstoffen erhalten.  Ähm, für mich ist es auch\nganz nett, dass es\nHarvey ist.  Harvey hat diese Idee eines\nHandlungsleitfadens, und ein Handlungsleitfaden ist für\nAnwaltskanzleien gedacht, ähm, typischerweise so etwas wie – ich bin kein\nRechtsexperte, aber soweit ich das verstehe – die\nMethoden und Prinzipien, die sie\nzum Beispiel verwenden, um einen bestimmten\nVertrag zu überprüfen.  Und Sie können diese\nHandlungsanweisungen in Harvey erstellen, und der Agent würde\nsie dann auf die gleiche Weise ausführen, wie es Ihre\nAnwaltskanzlei getan hätte.\n[schnaubt]\nHarvey verwendet auch ein recht gängiges Konzept,\nnämlich das Gedächtnis. Es erzeugt also tatsächlich\nErinnerungen, während wir\nden Agenten anweisen, und kann dann\nin nachfolgenden Interaktionen darauf zurückgreifen.\nClaude hat, wie viele andere auch,\ndie Idee von Fähigkeiten, Konnektoren und\nSystemen, die man nutzen kann, um\ndiese Wissensbasis zu erweitern und\ndie Personalisierung des\nAgenten zu verbessern.\nUnd die letzte Frage ist dann die Reversibilität.\nUnd Reversibilität bedeutet in Wirklichkeit die Fähigkeit\ndes Benutzers, die vom\nAgenten durchgeführten Aktionen rückgängig zu machen oder rückgängig zu machen\n.  Und im Grunde genommen ist das Wichtigste, was\nwir damit erreichen, dass wir\ndie Kosten unserer Fehler begrenzen.  Wenn\nwir also wissen, was das schlimmste Ergebnis ist\noder zumindest, welche negativen Folgen\nfür mich entstehen könnten, wird die ROI-Berechnung\nfür mich viel einfacher, sodass ich tatsächlich sagen kann:\n„Ich bin zufrieden, wenn du das machst“, anstatt dass es\nziemlich große Konsequenzen haben könnte.\nDas erste Ergebnis ist, dass die Nutzer\nmutiger werden und viel eher bereit sind,\nRisiken einzugehen und sich mit anspruchsvolleren\nAufgaben und Anwendungsfällen zu befassen, die der Agent\ntatsächlich erledigen kann.\nDas gelingt Cursor bei mir auch wirklich sehr, sehr gut\n.  Um Cursor\nermöglicht diese Reversibilität tatsächlich auf verschiedenen\nGranularitätsebenen.  Oben links\nkönnen Sie also tatsächlich einen Schritt zurückgehen oder auf\nZeilenebene auswählen, was Sie\nbasierend auf den Aktionen des Agenten akzeptieren oder ablehnen möchten.\nUnten links können Sie die Annahme auf Dateiebene bestätigen\n.\nUnten rechts können Sie tatsächlich\nzu bestimmten Punkten Ihres\nGesprächsverlaufs zurückkehren, sodass Sie sagen können: „Wir haben\ndieses Gespräch jetzt geführt, aber die letzten\ndrei Nachrichten, alle Änderungen, die\nSie vorgenommen haben, machen Sie diese rückgängig und springen Sie zurück.“\nUnd außerdem bietet es die\nMöglichkeit,\nmit demselben Input parallel mehrere Ausgaben unter Verwendung\nverschiedener Modelle zu erzeugen.  Und damit sagt der Nutzer im\nGrunde wissentlich: „Wir werden bis auf\nidealerweise einen alle unsere Ergebnisse rückgängig machen, um\ntatsächlich etwas Wertvolles zu erreichen\n.“  Cursor macht es\nIhnen also wirklich sehr einfach,\nmit Dingen zu experimentieren und sie auszuprobieren, da\nSie im schlimmsten Fall einfach alles rückgängig machen\nund weitermachen können.\nHarvey macht das auch ziemlich gut, und\nsie verwenden tatsächlich... Dieses Produkt ist\nein Microsoft Word-Add-In, das in\nMicrosoft Word läuft, und es\nintegriert sich in die native Word-API, um... nun ja,\nÄnderungen vorzunehmen und\nin Microsoft Word so anzuzeigen, wie es ein\nPrüfer oder Redakteur nativ mit\nWord tun würde.   In Ordnung\n.  Ähm, vielen Dank.  Das war, glaube ich,\nziemlich viel für eine so kurze\nZeit.  Ich hoffe, es war hilfreich.  Bitte melden Sie sich,\nfalls Sie weitere Fragen haben.\n[Applaus]\n[Musik]",
  "transcript_chars": 11025,
  "ingested_at": "2026-05-26T16:30:34.026816+00:00",
  "source": "channel",
  "yt_meta": {
    "view_count": 292,
    "like_count": 23,
    "channel_id": "UCLKPca3kwwd-B59HNr-_lvA",
    "categories": [
      "Science & Technology"
    ],
    "tags": [
      "ai",
      "ai engineer",
      "ai engineering",
      "software development",
      "tech",
      "startups",
      "software architecture",
      "machine learning"
    ]
  }
}