Googles neues Release hat KI-Systeme gerade erst repariert
AAI LABS
Computing/SoftwareInternet Technology
Transcript
00:00:00Sie haben wahrscheinlich schon vom ganzen Hype um Second Brains und Claude OS gehört.
00:00:03Leute haben Claude Code genutzt, um ihre gesamten Systeme einzurichten,
00:00:07und betreiben es wie ein Betriebssystem anstelle eines reinen Coding-Agenten.
00:00:10Aber diese Systeme bringen ihre eigenen Probleme mit sich.
00:00:12Wenn jemand ein Second Brain einrichtet, baut er es für den eigenen Gebrauch
00:00:16und strukturiert es so, wie es seiner Meinung nach am besten funktioniert.
00:00:18Es gibt keinen Standardweg dafür,
00:00:20was diese Systeme schwer navigierbar macht und ein Teilen erschwert.
00:00:23Um das zu lösen, hat Google gerade das Open Knowledge Format veröffentlicht,
00:00:26bei dem Google seinen eigenen Ansatz vorstellt, wie man solche Betriebssysteme mit KI aufbaut.
00:00:31Falls Sie zum ersten Mal hier sind: Wir sind ein Softwareunternehmen und das ist unser Kanal AI Labs,
00:00:36auf dem wir Ihnen zeigen, wie Sie Ihre eigenen Prozesse mit KI optimieren – genau wie wir es getan haben.
00:00:41Und in diesem Video erklären wir Ihnen, was dieses Format ist,
00:00:44wie es das Problem löst und warum es für Ihre Workflows tatsächlich wichtig ist.
00:00:48Bevor wir uns jedoch ansehen, was Google getan hat, wollen wir das eigentliche Problem verstehen.
00:00:52In unseren vorherigen Videos haben wir über die Pflege eines Second Brains gesprochen
00:00:55und wir verwalten selbst auch eines, in dem wir all unsere Strategien, Recherchen und Richtlinien aufbewahren.
00:01:00Es ist mit Git versioniert, zu GitHub gepusht und jeder in unserem Team hat Zugriff darauf.
00:01:05Wenn also neue Leute zu uns stoßen, können sie es einfach pullen und erhalten Kontext über unsere Arbeitsweise.
00:01:09Und wie bereits erwähnt, wird dieses Second Brain durch eine Claude.md-Datei gesteuert.
00:01:13Diese Datei leitet den Agenten im Grunde an, wie er sich im Brain bewegen soll.
00:01:17Wir haben außerdem dedizierte Claude.md-Dateien in jedem Ordner,
00:01:20sodass der Agent spezifische Anweisungen für die Arbeit in diesem Verzeichnis hat.
00:01:24Aber obwohl Claude ziemlich gut darin ist, Kontext aus Dateien zu gewinnen, macht es immer noch viele Fehler.
00:01:28Es ist uns so oft passiert, dass es eine Datei an den falschen Ort gelegt hat
00:01:31und wir es dann daran erinnern mussten, wohin sie eigentlich gehört.
00:01:34Und danach hat es einfach einen neuen Ordner dafür erstellt,
00:01:37einfach weil es nicht weiß, dass ähnliche Infos bereits in einem anderen Ordner unter anderem Namen existieren.
00:01:41Das eigentliche Problem ist, dass Claude nicht weiß, dass die benötigten Infos bereits in der Wissensbasis existieren.
00:01:47Es findet Dinge nur, wenn es aktiv danach sucht.
00:01:49Solange Sie ihm also nicht sagen, dass es in einer bestimmten Datei nachsehen soll, weiß es nicht einmal, dass sie da ist.
00:01:53Bei kleineren Wissensbasen fällt das nicht wirklich auf,
00:01:56aber es wird viel deutlicher, sobald man mit einer großen arbeitet.
00:01:59Claude sucht, indem es Schlüsselwörter mit dem Dateinamen abgleicht
00:02:03und auch die Dateinamen als Leitfaden nutzt.
00:02:05Wenn Sie es also bitten, eine wirklich verschachtelte Ordnerstruktur zu durchsuchen,
00:02:08muss es einige Versuche machen, bevor es auf der richtigen Datei landet.
00:02:12Das kostet nicht nur Zeit, sondern verbraucht auch viele Tokens.
00:02:15Google hat also das Open Knowledge Format eingeführt, und das Problem, das es löst, ist die Standardisierung.
00:02:20Und das haben wir bei Agenten bereits mehrfach erlebt.
00:02:24Als es notwendig wurde, Agenten mit externen Ressourcen über das Terminal hinaus kommunizieren zu lassen,
00:02:29führten sie MCPs ein und es wurde zu einem Protokoll, das jeder Agent übernahm.
00:02:33Ebenso kam das Verpacken wiederverwendbarer Anweisungen in Form von Skills
00:02:36und breitete sich genau wie MCPs auf jeden Agenten aus.
00:02:40Und als es notwendig wurde, die Kommunikation von Designabsichten zu standardisieren,
00:02:43hat Google ebenfalls den design.md-Standard eingeführt.
00:02:46Genau wie es immer den Bedarf gibt, Dinge zu standardisieren,
00:02:49gab es auch den Bedarf, Wissen zu standardisieren.
00:02:51Und genau das macht das Open Knowledge Format.
00:02:53Nun, diese Idee ist nicht wirklich neu.
00:02:55Sie basiert auf dem LLM-Wiki-Muster, das Andre Karpathy entwickelt hat,
00:02:58und es wurde vor einiger Zeit sehr populär.
00:03:00Bevor er sich das ausdachte, verließen sich die Leute auf den RAG-Ansatz,
00:03:03bei dem man all seine riesigen Dokumente in ein Vektorformat konvertiert.
00:03:07Und Vektoren helfen, weil sie im Grunde alles in eine Form bringen, die Modelle verstehen können.
00:03:12Von dort aus gleicht das System die Bedeutung Ihrer Anfrage mit den vorhandenen Daten ab
00:03:15und liefert die relevantesten Treffer.
00:03:18Aber Karpathy wies darauf hin, dass dies Probleme verursacht.
00:03:20Wann immer Sie eine Frage stellen, baut der Agent die Informationen im Grunde von Grund auf neu auf.
00:03:25Er gibt Ihnen eine Antwort, baut aber im Laufe der Zeit kein Wissen auf.
00:03:28Also schlug er stattdessen vor, Markdown-Dateien zum Aufbau von Wissensbasen zu verwenden,
00:03:31weil der Agent auf diese Weise tatsächlich fortlaufend Kontext sammeln kann.
00:03:35Sein Ansatz nutzte die Fähigkeit eines Modells, durch ein Dateisystem zu navigieren.
00:03:38Und nachdem er die Idee geteilt hatte, begannen viele Leute, ihre eigenen Second Brains zu bauen.
00:03:43Aber das Problem war, dass jedes um den persönlichen Workflow seines Erstellers herum entworfen wurde.
00:03:47Die Person, die es organisierte, wusste, was sich in jedem Ordner befand,
00:03:50und konnte leicht mit dem Agenten darin navigieren.
00:03:52Aber eine neue Person hätte es schwer,
00:03:54weil sie Zeit damit verbringen müsste, den Agenten die Ordner erkunden zu lassen
00:03:57und herauszufinden, was die Wissensbasis tatsächlich enthält.
00:04:01OKF löst dies, indem es eine standardmäßige Art der Dateiorganisation schafft,
00:04:04sodass nicht nur ein Agent, sondern auch ein Mensch verstehen kann, was sich in der Wissensbasis befindet.
00:04:09Es macht Wissen teilbar, indem es in ein Bündel verpackt wird.
00:04:12Und dieses Bündel kann Markdown-Dateien enthalten,
00:04:14die die eigentlichen Informationen zu dem enthalten, wofür Sie die Wissensbasis bauen.
00:04:18Jede Datei enthält außerdem ein YAML-Frontmatter, das im Grunde ein kleiner Block oben in der Datei ist,
00:04:23der beschreibt, was darin enthalten ist, damit der Agent weiß, was diese Datei birgt.
00:04:27OKF führt also eigentlich nichts Neues ein.
00:04:29Stattdessen bietet es Ihnen ein Standardformat, das jeder erstellen und lesen kann,
00:04:32und es macht Wissen über verschiedene Systeme hinweg portabel.
00:04:35Als wir das erste Mal davon hörten und es durchgingen, kam uns ein Gedanke.
00:04:39Da Google versucht, die Websuche in eine agentische Suche zu verwandeln,
00:04:42könnte dies auch ein Versuch sein, diesen Wandel zu unterstützen.
00:04:44Im Moment fügen Websites LLMs.txt-Dateien hinzu,
00:04:48weil sie Informationen über die Website enthalten, die speziell auf Modelle zugeschnitten sind,
00:04:52und das diesen agentischen Systemen Kontext über die Website gibt.
00:04:55Anstatt sich also nur auf LLMs.txt zu verlassen,
00:04:58könnten Websites schließlich auch beginnen, OKF-Bundles hinzuzufügen.
00:05:01Das würde es Agenten ermöglichen, ihre Inhalte effizienter abzufragen
00:05:04und möglicherweise bessere Suchergebnisse basierend auf diesen strukturierten Infos zu liefern.
00:05:07Im Moment ist es nur für den internen Gebrauch gedacht,
00:05:09aber das ist etwas, das am Ende passieren könnte.
00:05:12Um zu verstehen, wie es hilft, schauen wir uns an, wie OKF im Hintergrund funktioniert.
00:05:16Dieses System nimmt alles, was Teil Ihrer Wissensbasis ist,
00:05:18und stellt es als Objekte dar, die Konzepte genannt werden.
00:05:21Das können Ihre Daten, Markdown-Dokumente, YAML-Dateien sein
00:05:24oder buchstäblich alles andere, was darin einfließt.
00:05:26Die Struktur funktioniert wie folgt.
00:05:28Alle Informationen, die Sie organisieren möchten, werden in Ordnern abgelegt,
00:05:31die nach dem Thema benannt sind,
00:05:32und jeder von ihnen enthält nur Inhalte zu genau diesem einen Thema,
00:05:35und in jedem Ordner befindet sich eine index.md-Datei.
00:05:38Diese ist die wichtigste, weil der Agent sie als Erstes liest.
00:05:41Sie gibt dem Agenten Kontext darüber, was sich in diesem Ordner befindet.
00:05:44Jedes Konzeptdokument hat einen kleinen YAML-Block,
00:05:46der einen Namen und eine Beschreibung enthält,
00:05:48die den Agenten genau wissen lässt, was es ist
00:05:50und was sich im Dokument befindet.
00:05:52Und so wie Skills einen ähnlichen YAML-Block haben,
00:05:54dient dieser genau demselben Zweck.
00:05:56Er füttert den Agenten Stück für Stück mit Kontext,
00:05:58sodass er nur genau das lädt, was er braucht,
00:06:00indem er zuerst diese Beschreibungen liest
00:06:02und dann die relevanten Inhalte heranzieht.
00:06:04Das Hauptprinzip, auf dem OKF aufbaut, ist Minimalismus.
00:06:07Die Idee ist, dass jedes Konzept nur eine Sache repräsentieren sollte
00:06:09und das Typfeld im Dokument verrät, was diese Sache ist.
00:06:13Es sollte nicht mehrere unverwandte Dinge enthalten,
00:06:15denn in dem Moment, in dem ein Konzept Themen mischt,
00:06:17verliert der Agent die Fähigkeit, genau die benötigten Informationen zu laden.
00:06:21Ein weiteres Prinzip von OKF
00:06:22ist die Trennung der Wissensbasis von demjenigen, der sie konsumiert.
00:06:25Ob es ein Agent, ein Mensch, ein Teammitglied oder sonst jemand ist,
00:06:29das Wissen selbst bleibt unabhängig.
00:06:31Es ist auch nicht an eine bestimmte Plattform gebunden,
00:06:33was es mit so ziemlich allem nutzbar macht.
00:06:36Aber bevor wir dieses System in Aktion sehen,
00:06:38ein Wort von unserem Sponsor Mobbin.
00:06:40Wenn Sie Tools wie Cursor, Lovable oder Claude Code zum Erstellen einer Benutzeroberfläche verwendet haben,
00:06:44haben Sie wahrscheinlich bemerkt, dass sie alle dasselbe ausspucken:
00:06:47denselben Hero-Bereich, dasselbe Karten-Layout und dasselbe generische Onboarding.
00:06:50Es sieht aus wie KI-Schrott und der Grund dafür ist einfach.
00:06:53Diese Tools haben nie wirklich gesehen, wie gutes Design aussieht,
00:06:56aber Mobbin schon.
00:06:57Mobbin hat gerade einen MCP-Server gelauncht,
00:06:59der Ihre KI-Tools direkt mit ihrer Bibliothek verbindet
00:07:02aus über 621.000 echten App-Screens
00:07:05und 142.000 Abläufen aus veröffentlichten Produkten wie Revolut, Uber und Wise.
00:07:11Hier ist also, wie ich es verwendet habe.
00:07:12Ich habe einen Checkout-Ablauf gebaut
00:07:13und meinen Agenten gebeten, sich daran zu orientieren, wie die besten Apps das handhaben.
00:07:16Das Wichtigste dabei: Es geht nicht darum, Screens zu kopieren.
00:07:18Mobbin gibt dem Agenten die echten Abläufe,
00:07:21Zustände und Hierarchien hinter diesen Designs, bevor es Code schreibt,
00:07:24sodass es auf bewährten Mustern aufbaut, anstatt zu raten.
00:07:27Die Einrichtung dauert weniger als eine Minute und es funktioniert über Claude, Cursor, V0 und mehr.
00:07:31Probieren Sie Mobbin MCP über den Link im angepinnten Kommentar aus.
00:07:34Wir wollten also sehen, wie sich dieses System in einem echten Setup tatsächlich schlägt,
00:07:38und da wir bereits ein Second Brain pflegten,
00:07:41das über GitHub in unserem Team geteilt wird,
00:07:43haben wir OKF daran getestet.
00:07:44Aber wir wollten den Main-Branch nicht anfassen, falls es nicht klappen sollte.
00:07:47Also haben wir einen neuen Branch erstellt, was im Grunde eine separate Kopie des Projekts ist,
00:07:51und alle unsere Änderungen dort vorgenommen.
00:07:52OKF wird im Grunde mit drei Dinge ausgeliefert.
00:07:55Das erste ist ein Anreicherungsagent.
00:07:57Er nimmt die Daten, die in BigQuery liegen,
00:07:59was im Grunde Googles große Datenbank zum Speichern von Daten ist,
00:08:03konvertiert sie in OKF-Konzeptdokumente
00:08:05und lässt dann einen LLM-Durchlauf laufen, um sie zu überprüfen.
00:08:07Dann gibt es ein HTML-Visualisierungstool,
00:08:09das ein OKF-Bundle in eine interaktive Graphenansicht verwandelt,
00:08:13die leichter zu erkunden ist.
00:08:14Und es enthält Beispiele dafür, wie korrekt formatierten OKF-Daten
00:08:18aussehen sollten, die der Agent als Referenz nutzen kann.
00:08:20Da wir nun nicht mit BigQuery gearbeitet haben,
00:08:22brauchten wir diesen ersten Teil nicht.
00:08:24Es hätte erfordert, ein ganzes Projekt darum herum in der Google Cloud einzurichten,
00:08:27was wir nicht brauchten, da unser Projekt bereits mit Git getrackt wurde.
00:08:31Aber das Tool, mit dem Daten in das OKF-Format gebracht werden,
00:08:34ist nur für BigQuery konzipiert.
00:08:36Als Workaround haben wir also einen Skill namens Markdown to OKF erstellt.
00:08:39Was dieser Skill tut, ist, jeden Ordner mit Markdown-Dateien
00:08:42gemäß der Spezifikation in ein Open-Knowledge-Format-Bundle zu konvertieren.
00:08:45Und so wie er konzipiert ist, erledigt Code die meiste Arbeit.
00:08:47Nur ein kleiner Teil wird von einem Agenten für die auf Beurteilung basierenden Dinge übernommen.
00:08:51Er folgt einem Skript-basierten Ansatz.
00:08:53Und das liegt daran, dass die Arbeit durch Code
00:08:55den Agenten weniger belastet und weniger Tokens verbraucht.
00:08:58Der Skill verfügt über ein Skript, das Markdown in das OKF-Format konvertiert.
00:09:02Er enthält auch Evals, um die Konvertierung zu testen, damit sie zuverlässig funktioniert.
00:09:06Und diese Evals sind im Grunde Prompts, die der Agent gegen die Ausgabe laufen lässt,
00:09:09um sicherzustellen, dass alles korrekt konvertiert wurde.
00:09:12Wir wechselten dann also zu unserem neuen Branch und baten ihn, die Konvertierung durchzuführen.
00:09:15Er führte alle Skripte aus und konvertierte die Dateien anhand der Anweisungen.
00:09:19Und dadurch wurde eine index.md-Datei mit Links zu allen Unterordnern erstellt, indem auf sie verwiesen wurde.
00:09:24Wenn Sie Obsidian schon mal benutzt haben, wissen Sie, dass dies der Art und Weise, wie es verschiedene Seiten verknüpft, sehr ähnlich ist.
00:09:29Und das ist auch das, was Obsidian verwendet, um seine Graphenansicht aufzubauen.
00:09:32Und die index.md existiert nicht nur auf der Wurzelebene.
00:09:35Sie existiert auch in jedem Unterordner.
00:09:37Jede von ihnen listet alles auf, was sich in diesem Ordner befindet.
00:09:40Damit der Agent weiß, welche Inhalte dort verfügbar sind.
00:09:42Wie wir bereits erwähnt haben, wird OKF mit einem Visualisierungstool ausgeliefert.
00:09:45Also ließen wir es über den Befehl visualize im Terminal auf unserem Bundle laufen.
00:09:49Und es generierte ein HTML-Dokument, das die gesamte Wissensbasis darstellt.
00:09:53Und Sie können es einfach in einem Browser öffnen.
00:09:55Es stellt alle Knoten zusammen mit den Verbindungen zwischen den Dateien dar.
00:09:58Das gibt Ihnen eine interaktive Möglichkeit, das gesamte System und die Vernetzung zu verstehen.
00:10:03Da nun alle Dokumente in die OKF-Struktur konvertiert waren, testeten wir das Suchverhalten.
00:10:07Als wir es jedoch zum ersten Mal baten, nach einer Datei zu suchen, nutzte es standardmäßig die gewohnte Mustersuche.
00:10:13Das liegt daran, dass OKF noch kein weit verbreiteter Standard ist und erst kürzlich herauskam, sodass Claude es noch nicht kannte.
00:10:20Um das zu beheben, fügten wir einen Abschnitt in die Claude.md ein, der erklärt, wie das System zu navigieren ist und welche Rolle jede Datei spielt.
00:10:28Sobald das eingerichtet war, baten wir es, zu einer bestimmten Datei zu navigieren, und diesmal ging es durch unsere index.md-Dateien und lieferte Ergebnisse viel schneller als die normale Suche.
00:10:42Es verbrauchte zudem weniger Tokens, da es zuerst die YAML-Metadaten lud, um den Inhalt jeder Datei zu verstehen, bevor es sie öffnete.
00:10:50Die Hauptvorteile sind also zwei Dinge: geringerer Token-Verbrauch und schnellere Abrufzeiten.
00:10:56Es ist wirklich ein schnellerer Weg, um Informationen abzurufen mit weniger Fehlern, und dank der Claude.md vergisst es nicht, wohin Dateien gehören.
00:11:05Außerdem weiß es dank der index.md-Dateien genau, was jede Datei tut.
00:11:10Modelle sind bereits ziemlich fähig darin, Muster abzugleichen und eigene Terminalbefehle auszuführen.
00:11:16Bis dies ein offener Standard wird, den Agenten von Haus aus unterstützen, ist dies eher eine Optimierung.
00:11:23Die von uns erstellten Skills finden Sie in AI Labs Pro, unserer Community.
00:11:27Dort erhalten Sie Ressourcen, Starter-Packs und einen Ort zum Austausch mit Gleichgesinnten und unserem Team.
00:11:34Wenn Sie unsere Arbeit schätzen und den Kanal unterstützen möchten, ist dies der beste Weg dazu.
00:11:39Der Link ist in der Beschreibung.
00:11:40Das bringt uns an das Ende dieses Videos.
00:11:42Wenn Sie den Kanal unterstützen und uns helfen möchten, solche Videos zu machen, können Sie den Super-Thanks-Button nutzen.
00:11:49Wie immer vielen Dank fürs Zusehen, und bis zum nächsten Mal.