{
  "video_id": "BiG2ssibKGc",
  "channel_slug": "aidotengineer",
  "channel_handle": "aidotengineer",
  "title": "Stop babysitting your agents... — Brandon Walsenuk, Unblocked",
  "duration_seconds": 1134.0,
  "url": "https://www.youtube.com/watch?v=BiG2ssibKGc",
  "upload_date": "",
  "transcript": "Hallo zusammen.  Schön, dich zu sehen.\nIch bin Brandon.  Ich arbeite bei Unblocked.  Es ist ein\ntoller Ort.  Und mein Ziel ist es, dafür zu sorgen,\ndass Sie\nIhre Agenten nicht mehr ständig beaufsichtigen müssen.  Ich bin mir sicher, dass wir alle\nunterschiedliche Auffassungen davon haben, was das\nbedeutet.  Ich denke dabei an Pflege und\nFütterung.  Im Grunde genommen existieren Agenten immer dann, wenn Sie\nsie durch Eingabe von „claude“ in Ihrer CLI starten.\nNehmen wir an, das jeweilige Tool, das Sie verwenden,\nexistiert, und es ist, als ob gerade ein genialer\nSoftwareentwickler erschienen wäre, der aber noch keine Ahnung hat,\nwas er zu tun hat\n.  Es weiß nichts über Ihre Organisation.\nEs hat in seinem Kopf völlig keinen Kontext\n.  Typischerweise müssen die\nMenschen also erst\ndiesen Kontext aufbauen, was wir zu\nBeginn besprechen werden.  Aber zuerst möchte ich\nheute kurz auf drei\nMythen darüber eingehen, wie man aufhören kann, seine\nAgenten ständig zu überwachen, und dann auf drei Lektionen,\ndie wir auf die harte Tour beim Aufbau einer\nKontext-Engine bei unblocked gelernt haben.  Unser\nProdukt bietet Agenten also im Grunde diesen Kontext.\nWir werden Ihnen ein wenig\ndarüber erzählen, wie wir diese Techniken entwickelt haben\nund worauf es ankommt. Ich zeige Ihnen auch ein Repository, das wir\ngestern in unserem Workshop erstellt haben und das\nEnde der Woche Open Source sein wird. Es enthält eine\nKomponente einer Kontext-Engine,\ndie Sie übernehmen und\nin Ihre Organisation einbringen können, wenn Sie möchten.  Vor\nnicht allzu langer Zeit waren Sie also noch die\nKontextmaschine.  Wenn man das bedenkt, hat man beim\nProgrammieren an\nalles gedacht.  Du wusstest alles.  Du hast alles herausgefunden\n.  Damit waren Sie befasst\n.  Und das Merkwürdige ist nun, dass\nSie sich in einem seltsamen Zustand befinden, in dem Sie\ntatsächlich die Kontextmaschine für Ihre\nAgenten sind.  Eine hilfreiche Herangehensweise\nist daher die Frage: Wie haben Sie Kontext geschaffen, als\nSie in einem Unternehmen anfingen?  Am ersten Tag\nhattest du wahrscheinlich gar nichts, aber du warst\nwirklich klug.  Du hast die Schule abgeschlossen, ich\nweiß nicht, vielleicht hast du dir auch selbst etwas beigebracht.\nMit der Zeit sammelt man dann Kontext, indem man\nDinge bei der Arbeit macht, den Markt kennenlernt,\nsein Team trifft und so etwas sagt wie: „Hier ist eine\nPressemitteilung, die abgelehnt wird.“  All diese positiven\nErfahrungen haben Ihre Fähigkeiten enorm gestärkt\n.  Und schließlich\nwurden Sie sehr gut in Ihrem Job, weil Sie\ngute Fragen stellten und wussten, wie man den\nrichtigen Kontext erfasst und alles aussortiert,\nwas Ihnen nicht weiterhalf.\nDas ist der aktuelle Stand.\nWenn man sich die unteren Bereiche ansieht, befinden sich die meisten Leute hier in der\nPhase, in der sie die Kontext-Engine sind, weil sie entweder\nmit den frühen Phasen der KI zu tun haben,\ndie nur aus einer ausgefeilten Autovervollständigung bestanden,\noder weil sie sich in einer agentenbasierten IDE befinden, in der sie\njeden Job auslösen.  Bei\nall diesen Unternehmen, die mit uns\nbei der Einführung von KI zusammenarbeiten, beobachten wir, dass dies in der Regel auf\neinem unterschiedlichen Niveau geschieht.  Dies ist eine\nAdaption aus der Arbeit von Basim Eld.  Wenn du\nihn dir später mal anschaust, ist er ein großartiger Ingenieur.  Aber\nim Grunde ist das genau die Art von Leiter, von der\nwir träumen.  Und weit daneben liegt\neine verträumte Zukunft, die vielleicht\nCodeEx ergründet hat.  Ich glaube, ich habe\nRyans Vortrag leider verpasst, aber alle\nanderen versuchen ja gerade, dorthin zu gelangen.\nUm hier voranzukommen, müssen Sie\nzur Ebene des kuratierten Kontexts gelangen.  Das\nist typisch für viele Teams, die\nstatische Repositories erstellen.  Es handelt sich also um\nstatische Speicher, die eine Menge Kontextinformationen enthalten, welche\nwichtige Aussagen über das Unternehmen treffen.\nDazu gehören natürlich Cloud-MD-\nDateien, Agenten-MD und ähnliche\nTools, aber normalerweise beginnen die Leute damit,\neine Reihe weiterer wichtiger Unternehmenskontexte\nin einem Bereich zu platzieren, auf den Agenten zugreifen können, um\nDaten abzurufen.  Das Problem dabei ist, dass es sich\nnatürlich um statische Inhalte handelt.  Jemand muss sie also warten und\naktualisieren, da\nihnen ja keine\nRohdaten zur Laufzeit zur Verfügung stehen.   Es gibt\neinfach eine Menge Informationen, die\nIngenieure offensichtlich benötigen, die aber nicht\nin diese statischen Schichten einfließen, die man jetzt\nzu sehen beginnt und die typischerweise\nwie ein Dateisystem aussehen.  Wow.  Kontext-Engine.   Im\nGrunde muss dies\nall diese statischen Inhalte enthalten, aber\nauch zur Laufzeit, wenn eine Anfrage\nvom Softwareentwickler eingeht,\nwie implementiere ich diese\nFunktion typischerweise zur Laufzeit? Sie soll in der Lage sein, alle\nstatischen Quellen aus dem gesamten\nWissensbestand des Unternehmens abzurufen, egal ob\nes sich um viele SAS-Anwendungen, verschiedene\nSysteme oder Datensätze handelt, und die Laufzeitdaten abzurufen, um die\nDaten über all diese Oberflächen und\nverschiedenen Datenspeicher hinweg zu analysieren und dann eine umfassende Suche durchzuführen, um\nalle\nwichtigen Informationen zu finden und dann\neine tokenoptimierte, d. h. kurze Antwort\nmit allen Details, die der Agent\nfür die Ausführung seiner nächsten Schritte benötigt, zu senden.\nSie werden das also durchschauen, aber im Allgemeinen\nbedeutet das, dass die Bereitstellung des bestmöglichen Kontextes im\nVorfeld alle nachfolgenden Entscheidungen und\nAktionen des Agenten noch besser macht.  Wenn\nSie ihm beispielsweise ein wichtiges Forschungspaket geben, etwa: „\nHey, ich möchte eine neue\nIntegration durchführen“, und Sie ein Paket ablegen, damit\nes einen guten Plan erstellt, und diese\nInformationen Folgendes beinhalten: Hier sind unsere Muster, wir\nverwenden das Factory-Muster, wir tun diese Dinge usw., also\nalle Dinge, die Ihre\nOrganisation betreffen, dann kann es\nseine Hintergrundagentenjobs auslösen, um Ihre\nCodebasis zu durchsuchen und die erforderlichen Aufgaben\nmit höherer Genauigkeit auszuführen, was bedeutet, dass es\ntokeneffizienter ist und die Aufgabe\nschneller erledigt.\nDas ist das Problem unseres Freundes\nKaparthi.  Das Problem liegt zum\njetzigen Zeitpunkt nicht in der Intelligenz.  Es ist der Kontext,\nobwohl Mythologie ziemlich cool klingt.\nDas Problem ist also, dass die Leute denken, Zugang sei\ndie Lösung, aber es ist nicht das\nVerständnis.  Die Bereitstellung von\nMCPs mit Verbindungen zu verschiedenen\nDatensätzen für Ihre Agenten-Tools ermöglicht den Zugriff darauf.  Aber du\nmusst dich daran erinnern, dass du am ersten Tag, als du zur\nArbeit kamst, nicht wusstest, wo die\nDinge sind, und ganz sicher nicht wusstest,\nwas du nicht wusstest.  Es gibt dort wahrscheinlich\nirgendeinen Dienst, von dem Sie noch nie\nin Ihrem Leben gehört haben.  Du\narbeitest an einem Projekt, und dein Agent sagt:\n„Oh, ich hab’s gemacht. Ich hab den gesamten Code\nvon Grund auf selbst geschrieben.“  Und dann sagt dein leitender\nIngenieur: „Hey, Kumpel, wir haben da einen\nService.“  Und verleugnet dich.  Eines der Dinge, die\nSie sehen werden, ist, dass wir diese Aufgabe tatsächlich ausgelöst haben\n.  Das ist eine echte Anregung.\nDaten zu den Ergebnissen sehen Sie später auf dieser Folie\n.  Wir haben es mit einer nicht blockierten\nKontext-Engine und anschließend ohne durchgeführt, wobei\njedoch ein MCP-Zugriff auf jedes SAS-\nTool erforderlich war, um die Aufgabe zu\nerledigen.  Und ich werde Ihnen die Unterschiede zeigen.\nKurz gesagt, man versteht das irgendwie.\nDer naive Durchlauf, bei dem lediglich der MCP-\nZugriff vorhanden war, hat im Grunde alle Code-\nPrüfungen bestanden.  Es ließ sich zwar kompilieren, aber der leitende\nIngenieur meinte, das sei völlig falsch\nund was es versuchte, hätte\nunser gesamtes System lahmgelegt, wenn wir\nes ausgeliefert hätten.\nDrei Mythen über Kontextbildung.\nDas erste, was ich als naive Kritik an meinen Dokumenten bezeichnen würde,\nwäre der Kontext.  Das\nfunktioniert leider nicht.  Ein naives Lappenblatt greift auf alles Mögliche zurück\n.  Dabei wird ein Datenspeicher eingerichtet, den\nder Agent dann durchsuchen kann.\nTypischerweise scheitert dies jedoch an einem Problem, das\nals\nSuchbefriedigung bekannt ist.  Dies ist ein bekanntes\nPhänomen in der Radiologie, aber kurz\ngesagt: Wenn Sie beispielsweise wegen eines Lungenproblems geröntgt werden,\nscannt der Radiologe den Bereich, und wenn er\netwas findet, sagt er: „Oh, da ist\netwas auf Ihrer Lunge“, hört er auf zu suchen,\nweil er glaubt, die Antwort\nauf Ihre geschilderten Symptome gefunden zu haben.\nDas ist natürlich sehr bedenklich für die Gesundheit, da\nmöglicherweise noch andere Probleme vorliegen\n.\nWenn man also einen Agenten anweist, eine Zenesk-Integration zu erstellen,\nruft dieser möglicherweise einen MCP auf und erkennt beim\nersten gefundenen Datenelement das gesuchte Muster. Die Suche wird dann\nabgebrochen.\nDas Problem ist, dass bei\nunvollständiger Suche die eigentliche Ursache nicht gefunden wird\noder nicht der optimale\nImplementierungsweg gefunden wird. Es\nkönnen noch viele andere Probleme auftreten. Im\nGrunde genommen\nliest man als Entwickler die Ausgabe des Agenten und denkt: „\nNein!“ Dann befindet man sich in einer Endlosschleife, in der man ständig korrigieren muss: „Ich muss das\nkorrigieren,\nes ist eigentlich hier, ich werde\neine Datei angeben.“ Man ist also quasi gezwungen, ständig zuzusehen, wie der Agent die Integration durchführt. „\nWenn ich nur genügend MCPs verbinde, bin ich fertig.“\nIch glaube, dazu habe ich gesprochen.  Sie sind\nda.  Das sind Rohre.  Das ist großartig.\nSie bieten aber kein Verständnis oder eine nachvollziehbare Begründung dafür\n.  Und schließlich\ndachten wir das tatsächlich eine Zeit lang.  Wir\nträumten von einem Kontextfenster mit einer Million Einträgen.\nEs ist da.  Ich weiß nicht, ob jemals jemand mit irgendetwas darauf eingeschlagen\nund dann\nversucht hat, den Agenten zu irgendetwas zu bewegen.\nDas geht nicht.  Ähm, es kann einfach nicht mit\nso vielen Daten umgehen.  Es ist einfach\nnicht besonders hilfreich.  Es steht einfach nur da.\nEs gibt keine Entitäten und Beziehungen\nund es gibt all diese Dinge, die wir\nbrauchen, damit diese Agenten optimal\nfunktionieren.  Ähm, ein größeres\nKontextfenster löst das Problem also nicht.  Es gibt eine\nReihe von Rechengründen, warum selbst wenn wir\n100 Millionen in einem Kontextfenster erreichen würden,\ndas immer noch nicht helfen würde, außer vielleicht bei der Suche nach der Nadel im\nHeuhaufen, wenn man\noffensichtlich so etwas wie „Fine Fine Waldo“ meint.   Im\nGrunde sehen wir also Folgendes: Der\nklassische Wasserfallcode, der kompiliert wird, ist das, was\nder Agent sehen kann.  Aber\nheutzutage entgeht ihnen das in der Regel alles, weil sie es\nnicht sehen können.  Es weiß nicht, ob es\nda ist.  Es müsste so lange\nin einer Sitzung laufen, um tatsächlich\nIhre Factory-Muster oder andere Dinge\nin Ihrer Codebasis zu finden, dass Sie eine\nBillion Tokens verbrauchen würden, und wenn Sie dann\ndas Terminalfenster schließen, ist es vorbei.  Du musst es einfach nochmal versuchen.\nUnd niemand möchte\ndiese Kosten wiederholen.\nDeshalb benötigen Sie eine Kontext-\nEngine.  Es versteht, wer Sie sind und\nwelche Informationen wirklich wichtig sind.  Ein\nwichtiger Bestandteil davon ist also ein soziales Netzwerk,\ndenn dieses dient als Dreh- und Angelpunkt.\nWenn ich beispielsweise frage, wie die Zenesk-\nIntegration funktioniert, sollte die Kontext-Engine\nwissen, in welchen Codebasen ich arbeite, wo sich\nmeine PR-Historie befindet, mit wem ich zusammenarbeite und\nwas ich damit meine, denn bei\ngroßen Unternehmen oder Firmen mit\n20.000 Mitgliedern, die\nunsere Kunden sind, ist die Situation ganz anders.\nMan muss also in der Lage sein, das logisch zu begründen.\nUnd übrigens: Ein Kontextgraph ist eine\nunglaublich nützliche Technik, um\nsolche Dinge zu erstellen.  Wir werden darüber sprechen.  Es\nsoll Konflikte lösen.  Ich weiß nicht,\nwie oft ich mir Quellcode angesehen habe, der\nin Maine läuft, und wir sagen:\nJa, das ist die Quelle der Wahrheit, aber dann gibt es\neine Slack-Konversation, in der der\nCTO sagt, dass das falsch implementiert wurde,\nwas ja auch stimmt. Eine Kontext-Engine muss in der Lage sein,\ndiese Diskussion zu klären, und übrigens\nhilft ein Graph des sozialen Netzwerks dabei,\ndenn wenn man sieht, dass der CTO\nim Slack-Thread sagt, dass das falsch ist, hat der CTO\nwahrscheinlich recht.  Die Kontext-Engine analysiert\ndas und geht davon aus, dass der\nCode dies und Slack dies sagt – das ist die Meinung\ndes CTOs.  Wir sollten dem Agenten wohl mitteilen,\nwas der CTO gesagt hat, und natürlich\nden Quellcode usw. zur Verfügung stellen. So wird die\nWahrheit weitergegeben.  Es geht also um\nWahrheitsgehalt.  Das ist ein schwieriges Problem.  Wir\nhaben in unserem Produkt viele Techniken integriert,\num dieses Problem zu lösen.  Das Problem ist noch nicht vollständig gelöst.  Es\nsollte Genehmigungen und\nRegierungen respektieren.  Das ist ziemlich einfach.  Einer der\nGründe, warum dies\nüber MCP bereitgestellt wird, ist, dass man das OOTH-Modell\nfür die Datenverwaltung und eine Reihe\nanderer Gründe, die für die Skalierung von\nUnternehmen wichtig sind, beibehalten kann.  Ich meine, sobald man über 20 ist\n, spielt das in der Regel eine Rolle, weil\nmanche Daten nicht für andere zugänglich sein sollten\n.  Wenn Sie also Ihre Engine entwickeln, sollten\nSie nicht alles hineinpacken\n, insbesondere wenn Sie bedenken, dass\nwir Slack-Konversationen und\nMicrosoft Teams-Unterhaltungen einbinden.  Wenn Sie es also sind,\nwerden wir auf private\nChats antworten. Wenn aber jemand anderes eine\nFrage stellt, werden wir ihm niemals\nprivate Chats anzeigen, die nicht ihm gehören.  Das ist\nnur eine einfache Möglichkeit, darüber nachzudenken.  Und\nes sollte den richtigen Kontext, das\nrichtige Modell zum richtigen Zeitpunkt und auf\ntokenoptimierte Weise liefern.  So funktioniert es bei uns.   Kurz gesagt,\nwir verarbeiten eine Vielzahl von\nDatenquellen.  Es ist in unserem Motor eingebaut.  Wir\nhaben sechs wesentliche Unterscheidungsmerkmale, auf die ich gleich eingehen werde\n.  Und auf der\nAusgabeseite sollten zahlreiche Schnittstellen vorhanden sein, über die\nAgenten und Menschen\nmit der Kontext-Engine interagieren können.  Eine\nunserer Methoden ist einfach.  Menschliche Ingenieure chatten in Slack\neinfach mit dem System und stellen ihm ständig Fragen, um die\nbenötigten Daten zu erhalten.  Ich\nzeige Ihnen ein Beispiel.  Ähm, aber wenn\nman dann zu Hintergrundagenten übergeht,\nbenötigen diese natürlich eine Kontext-Engine, um ohne\nBenutzeroberfläche, im\nHintergrund oder in der Cloud ausgeführt werden zu können, da\nsie in der Lage sein müssen, Fragen an\neine Maschine und nicht an eine Person zu stellen, denn\nsonst würde man ja nicht mit\neiner Pull Request-Meldung aufwachen.  Du wirst aufwachen und dich fragen: Darf ich\ndieses Werkzeug benutzen?  Und das ist nicht\nhilfreich.  Das sind also die sechs.  Wir werden zügig vorankommen\n.  Kurz gesagt:\nIch habe mit vielen von ihnen gesprochen, aber das\nsind im Grunde Marketingbegriffe.  Einheitlicher\nSystemkontext.  Es sollte also in der Lage sein,\nüber alle Ihre Datensatzsysteme hinweg zu argumentieren\n.  Es muss in der Lage sein,\ngezielte Datenabfragen durchzuführen.\nWie bereits beschrieben, kommt es\nhäufig vor, dass Dokumente und andere Dinge im Widerspruch zueinander stehen\n.  Wie\nregelt man das also?  Das\nProblem der Datenverwaltung.  Also sicheres Zugriffsmodell,\npersonalisierte Relevanz, Aufbau sozialer\nNetzwerke, Wissen darüber, wer Sie sind und mit wem Sie\nzusammenarbeiten.  Und schließlich natürlich die Token-\nOptimierung.  Das entwickelt sich zu einem ziemlich\ngroßen Problem.  Viele Vorteile der\nToken-Optimierung ergeben sich allein schon durch die Verwendung einer\nKontext-Engine, da\ndie GPS-Abfragen für den Agenten nicht erneut ausgeführt werden müssen.  Aber\nauch mit einer Engine, die\nalle Daten berücksichtigt, kann sie\ndie Antwort auf genau das komprimieren, was\nder Agent benötigt, und nur das\nals Antwort zurücksenden.   Bei der\nAufgabe, von der ich gesprochen habe, ich will nicht\nlügen, haben wir Claude gebeten, den\nVergleich durchzuführen, also sind diese Balkendiagramme\nund Zahlen entstanden, aber es wurden alle\nwichtigen Punkte herausgearbeitet.  Derselbe Vorschlag,\neiner war naiv.  Es verfügte über alle MCPS, die es\nzum Abrufen der Daten benötigte, das andere hingegen\nnur über unsere Kontext-Engine.  Das ist der\nUnterschied in den wichtigsten Prinzipien des\nIngenieurwesens.  Aber die sind lustig.  Es scheint\nnicht mitbekommen zu haben, dass wir den Felsgrund als\nAusweichlösung nutzen.  Es wurde wie ein Virus ausgeliefert.\nEiner davon verursachte Probleme mit den benutzerdefinierten\nAnrufern.  Kurz gesagt: Wenn man\nin irgendeiner Größenordnung arbeitet, werden 20 oder\nmehr Agenten einfach nur versuchen,\nDinge zu imitieren, und das Ergebnis wird wie ein\nPrototyp aussehen.  Es ist nicht zusammenführbar.  Wenn Sie\neine Kontext-Engine erhalten.  Als ich diesen Pull\nRequest erstellte, hat uns unser leitender Ingenieur für den mit\nder Engine betrauten Entwickler im Grunde nur eine Kleinigkeit vorgeworfen\nund gesagt: „Ja, du kannst das mergen.\nKorrigier einfach das.“  Großartig.\nDas sind einige unserer schmerzhaften Lektionen.\nWir haben versucht, den Zugriff zu optimieren, nicht das\nVerständnis.  Wir sind der Meinung, dass die Flasche das\nverkraften wird.  Als ob der Agent das schon irgendwie herausfinden würde\n.  Es wird\nin einen Mythos oder Ähnliches verfallen.  Das ist nicht der Fall.\nEs ist schon Jahre her.  Wir dachten uns also: „Wir\nmüssen dieses Problem auf einem anderen Weg lösen.“\nUnd ich denke, das stimmt, wenn man bedenkt, dass\nAnthropics gestern Abend\nmit Cloud-Agenten gestartet ist und Ryan heute\nMorgen darüber gesprochen hat.  Man muss den Kontext in\nden Kabelbaum einbeziehen, und ein Motor ist der Weg,\ndies zu tun.  Wir haben Konflikte vertuscht, anstatt\nsie zu lösen.  Der Agent wählte die\nKonflikte zunächst einfach aus,\nweil wir dachten: So schlimm kann es ja nicht sein\n.  So schlimm ist es.  Die Lösung von\nKonflikten ist daher ein wichtiges Problem.  Und zum\nSchluss noch ein wirklich lustiger Tipp.\nWir dachten, dass wir mit dem Auftauchen guter Antworten auch\ntatsächlich Feedbackschleifen dazu erhalten würden.\nWir haben sie also zwischengespeichert, um die Latenz zu reduzieren.  Wenn man\neine gute Antwort zwischenspeichert, ist das im Prinzip so, als würde\nman Dokumente schreiben, richtig?  Sobald\nman es aufschreibt, ist es nicht mehr gültig,\nweil sich die Dinge ändern.  Wenn Sie also\neine korrekte Antwort speichern und morgen\njemand dieselbe Frage stellt und Sie\ndiese beantworten, haben Sie ihn wahrscheinlich angelogen,\nweil sich die Dinge innerhalb von\n24 Stunden wahrscheinlich geändert haben.  Das System ist also nicht\ndasselbe.  Natürlich sind einige Fragen sicher\nunbestreitbar, aber das hat zu einer Menge\nProbleme geführt.  Daher rate ich dringend davon ab,\nselbst wenn es optimiert ist.\nHier befinden sich die KI-gestützten Stürmerteams.\nSie verwenden in all diesen Fällen Kontext-Engines\n.  Ich weiß, wir sind alle\nIngenieure, aber ich bin mir sicher, dass wir\nandere in unseren Organisationen wie in einem „Ask\nEngineering“-Kanal unterstützen.  Unsere Kontext-Engine\nist in jedem technischen Anfragekanal eines Kunden integriert\n.  Es erkennt, ob eine\nFrage gestellt wird, bewertet die Antwort zuverlässig\nund reagiert dann automatisch.\nWenn also Support-Teams, Vertriebsteams oder wer auch immer fragt: „\nHey, was läuft in der Produktionsumgebung?“\nWas ist das?  Die Kontext-Engine\nbeantwortet diese Anfragen und kümmert sich um das Problem, genau\nwie sie eine Anfrage eines Agenten\nnach Daten beantworten würde.  Ähm, es gibt also viele\nMöglichkeiten wie den Anwendungsfall, den ich gerade erwähnt habe\n, aber dann noch Ticketanreicherung,\nTriage, Vorfallmanagement, natürlich die\nZusammenarbeit mit Ihren Agenten und die Programmierung.\nDas sind alles großartige Möglichkeiten, wie man durch die Installation eines solchen Systems einen enormen\nNutzen erzielen kann\n.   Die\nTeams passen sie dann individuell an.  So die meisten Gabeln\nhaben wir so etwas wie ein Kochbuch.  Sie nehmen dieses\nRepository, die Kochbücher voller Fertigkeiten.  Ähm,\naber dann entwickeln Sie Ihre Fähigkeiten anhand\nIhrer Standardarbeitsanweisungen.\nNatürlich können Sie Ihre eigenen Arbeitsabläufe erstellen,\negal ob Sie dies als Fertigkeit oder mithilfe einer\nanderen Technik tun.  Und dann natürlich noch die\nZollbeamten.  Alle diese Systeme können dieselbe\nKontext-Engine nutzen.  Man\nerhält dadurch einen enormen Hebel.\nDas ist es, was ich Ihnen mitgeben möchte\n.  Ein Agent sollte Code schreiben, der sich so\nanfühlt, als wäre er von jemandem verfasst worden,\nder schon seit Jahren zu Ihrem Team gehört.  So etwas\nsollten wir\nmittlerweile eigentlich erwarten.  Und dies ist eine der\nTechniken, die Sie dorthin bringen.\nIch kann eine kurze Fragerunde durchführen und eine\nDemo geben.  Ich habe noch drei Minuten.\nWas ist Ihre Präferenz?  Demo.\nCool.  Dies ist also das Werkzeug, von dem ich\nim Workshop gesprochen habe.  Wir werden es als Open\nSource veröffentlichen.  Dies ist eine Komponente eines\nSchlüssels eines sozialen Netzwerks.  Und\nwenn Sie es ausführen, wird dies verfügbar sein.\nIch glaube, es ist Montag.  Wir werden jetzt\ntatsächlich den geschlossenen Quellcode öffnen\n.  Es gibt ein ganzes System, aber wir haben eine\nReihe von Teams damit beschäftigt, es zu hacken und\nCode zu veröffentlichen.  Im Prinzip wird es Ihnen aber eines davon bauen\n.  Äh, ich zoome mal rein.\nDas ist unsere Technik, oder wie Sie\nsehen können, gibt es verschiedene Knoten und Kanten.\nEs ist ein einfaches Diagramm, aber es ist ein soziales\nDiagramm.  Rasheen ist eine verdammte Maschine.  Die Menge, die\ner versendet, hängt also von der\nGröße des Knotens ab.  Wenn Sie sich das ansehen, werden Sie feststellen, dass es\nalgorithmisch und prozedural generiert wurde.\nSie sehen also das Werkzeug, aber kurz gesagt,\nkönnen Sie rechts sehen, mit wem er zusammenarbeitet\n.  Entschuldigung, der Bildschirm ist etwas\nklein.\nGroßartig.  Hat einigermaßen funktioniert.  Damit man sehen kann, mit\nwem er zusammenarbeitet, wessen Code er überprüft und in welchem\nBereich er tätig war, verwenden wir\ndie Kennzeichnung mit einem API-Schlüssel von Enthropic.\nOh Gott, jetzt sieht es furchtbar aus.  Lasst uns etwas näher heranzoomen\n.  Ähm, Entschuldigung, es ist ein nettes\nTool, aber im Grunde würde dieses Expertendiagramm es\nIhnen ermöglichen, bei einer eingehenden Anfrage zu sagen:\n„Oh, Sie sind Rashine. Sie\narbeiten mit diesen Leuten zusammen.“  Großartig.  Es wird\nauf diesen Daten basieren.  Anschließend wird\nder Code genauer untersucht, mit dem er arbeitet.\nWenn Sie also als Ingenieur fragen – vielleicht\nnicht die beste Aufforderung aller Zeiten –, aber so etwas sagen\nwie: „Hey, ich muss das\nerledigen. Da ist ein Fehler. Ich muss ihn beheben.“\nEs wird wissen, wer du bist.  Das wird der entscheidende Faktor sein\n.  Es wird wahrscheinlich den Fehler finden, der\nkorrekt ist.  Und auch hier wird diese\nKomponente verwendet, um eine Reihe von Aufgaben zu erledigen und\nEntscheidungen zu treffen, während sie den Prozess durchläuft, um\ndem Agenten die exakte\nAntwort zu liefern, die er benötigt.  Dieses Tool\ngeneriert das also für Sie.  Sie\nverweisen einfach auf Ihr Code-Repository.  Es wird eine\nKonstruktionsarbeit leisten.  Ähm, aber es\nschafft auch Experten in verschiedenen\nBereichen des Unternehmens.  Also, in unseren Bibliotheken,\nunseren Diensten, ich scrolle schnell durch,\nEntschuldigung, wir haben Zeit.  Sie können eine\nHeatmap gr einsehen, die anzeigt, wer mit wem zusammenarbeitet,\nz. B. wer was überprüft, wer was\nverfasst.  Sie können Peer-Tabellen einsehen, zum Beispiel\n, mit wem Andre zusammenarbeitet usw.\nDiese Daten sind in einer Kontext-Engine verfügbar und daher\nsehr nützlich.  Und auch dies wird\nOpen Source sein.  Äh, wenn ich glaube, dass ihr einen\nBadge-Scan habt, werde ich euch allen eine E-Mail schicken,\nsobald er Open Source ist.  Das ist\ncool.\nEine weitere kurze Demo.  Ghosty, mein Junge.\nIn diesem Fall habe ich also unser MCP verwendet und\neinfach direkt gefragt: Wie kann ich eine\nneue erstklassige Integration in Zenesk erstellen?\nIch habe doch nur gesagt, benutzt das MCP.  Es hätte es wahrscheinlich sowieso erkannt\n, aber ich möchte\nfür diese Demo sichergehen, dass es das auch getan hat.\nEs wurde ausgeführt und entschied sich für die Nutzung unseres Recherchetools\n.  Man kann sehen, dass eine\nAbfrage erstellt wurde.  Der Agent tat dies also auf Grundlage\nder Form unseres MCP.  Es hat also die\nrichtige Abfrage geschrieben und diese ausgeführt.  Es hat sich\ngroße Mühe gegeben, logisch zu denken.  Die Daten wurden\nwiederhergestellt.  Dann wurden die Erkundungsagenten aktiviert\n.  Das ist entscheidend, denn jetzt,\nnachdem dieses\nForschungspaket eingegangen ist, erkunden sie den richtigen Bereich. Hervorragende\nForschungsergebnisse.  Er hat es getan, er hat es getan, er hat\nmir einen Plan geschrieben.  Wenn Sie sich also diesen\nPlan ansehen, kennen Sie meine Quelle nicht.  Das ist\nfair.  Aber wenn wir es einfach nur scannen, so als ob es\nalle wichtigen Dinge gefunden hätte, wie die\nRegistrierung unseres Anbieters, dann haben wir offensichtlich\nein Fabrikmuster.  Ähm, ich werde das schon irgendwie schaffen\n, aber so wie die\nBibliotheksmodule, der Client, so ist das Ganze, um es kurz zu machen, ein\nverdammt guter Plan.  Und\ndas stimmt im Großen und Ganzen.  Ich würde\ndas wahrscheinlich noch ein paar Mal wiederholen,\num es ganz richtig hinzubekommen, aber es\nist jederzeit während der Ausführung in der Lage,\nunseren MCP aufzurufen.  Typischerweise\nnutzen wir die Engine also für die Planung, führen die\nAusführung durch\nund\nsetzen sie dann bei der Codeüberprüfung erneut ein,\nda sie sich sehr gut für\nCodeüberprüfungen eignet und extrem gut in der\nPlanung ist.\nDas ist alles, was ich an Zeit habe.  Vielen Dank an alle\n.  Ich schätze es.  Äh, ich bin\nan einem Stand auf der G16, also kommen Sie vorbei, wenn Sie\nFragen haben.",
  "transcript_chars": 26061,
  "ingested_at": "2026-05-26T16:30:42.590860+00:00",
  "source": "channel",
  "yt_meta": {
    "view_count": 1273,
    "like_count": 65,
    "channel_id": "UCLKPca3kwwd-B59HNr-_lvA",
    "categories": [
      "Science & Technology"
    ],
    "tags": [
      "ai",
      "ai engineer",
      "ai engineering",
      "software development",
      "tech",
      "startups",
      "software architecture",
      "machine learning"
    ]
  }
}