Transcript
00:00:00Ich bin gestern auf X über diesen Beitrag von Peter Steinberger gestolpert,
00:00:02dem Schöpfer von OpenClaw, natürlich,
00:00:06wo er schrieb: “Hier ist eure monatliche Erinnerung,
00:00:09dass ihr keine Coding-Agents mehr prompten solltet.
00:00:12Ihr solltet Schleifen entwickeln, die eure Agents prompten.”
00:00:17Und oh Junge, dazu habe ich einige Gedanken.
00:00:21Also ist es jetzt Loop-Engineering, oder?
00:00:23Ich glaube nicht, dass es schon ein offizieller Begriff ist,
00:00:26aber wir werden sehen, ob er es wird.
00:00:27Und natürlich kommen wir aus einer Vergangenheit,
00:00:29in der wir Prompt-Engineering hatten.
00:00:31Dann beschlossen Teile der Branche,
00:00:33dass dies als Kontext-Engineering umformuliert
00:00:37oder umbenannt werden sollte, was immer dumm war,
00:00:39denn am Ende ist es dasselbe,
00:00:41weil es immer darum ging, sicherzustellen,
00:00:43dass das Modell den richtigen Kontext hat.
00:00:45Das war auch die ganze Idee hinter Prompt-Engineering,
00:00:48denn ja, offensichtlich ist der richtige Kontext wichtig,
00:00:51war wichtig, ist immer noch wichtig, wird wichtig sein,
00:00:54denn wenn man bessere Chancen haben will,
00:00:57gute Ergebnisse aus LLMs zu bekommen,
00:00:59muss man ihnen den richtigen Kontext geben.
00:01:02Dann hat man eine bessere Chance, keine Garantie.
00:01:05Selbst mit dem richtigen Kontext sind Fehler möglich.
00:01:07Wir bekommen einfach nicht das, wonach man suchte.
00:01:10Das ist alles möglich, weil es immer noch
00:01:12ein nicht-deterministisches System ist, ein nicht-deterministisches Werkzeug.
00:01:15Aber wenn man eine Chance auf gute Ergebnisse haben will,
00:01:18und man kann definitiv gute Ergebnisse bekommen,
00:01:20dann ist die Bereitstellung des richtigen Kontexts wichtig.
00:01:23Nun, um den Wechsel von 2025 auf 2026 herum und natürlich,
00:01:28das ganze Jahr über, sahen wir dann den Aufstieg des Agent-Codings,
00:01:32da Tools wie Claude Code und Codex, kombiniert mit den Modellen,
00:01:36die darin verwendet werden, die stark feinabgestimmt
00:01:39und für Anweisungsbefolgung und Coding-Aufgaben optimiert wurden,
00:01:42dass diese Tools mit den Modellen uns zeigten: Ja,
00:01:45man kann diese KI-Modelle, LLMs, wirklich für Coding-Aufgaben verwenden
00:01:51und mit ihnen als Unterstützung Dinge erledigen.
00:01:55Zumindest ist das immer noch meine Sichtweise und meine Erfahrung.
00:01:58Und ich habe diese Modelle viel benutzt und diese Tools,
00:02:02spiele so ziemlich jeden Tag mit ihnen herum,
00:02:05benutze sie jeden Tag und spiele nicht nur mit ihnen herum,
00:02:07sondern benutze sie auch für ernsthafte Projekte.
00:02:10Und natürlich habe ich deshalb Kurse
00:02:12über Claude Code und Codex erstellt, wo ich etwas tiefer eintauche
00:02:15und meine Erkenntnisse und die Nutzung dieser Tools teile.
00:02:17Und diese Tools sind nützliche Unterstützung,
00:02:21aber sie sind einfach noch nicht der Ersatz
00:02:25für Entwickler.
00:02:28Und wie ich in vielen anderen Episoden geteilt habe,
00:02:31wahrscheinlich auch nicht in naher Zukunft.
00:02:33Nichtsdestotrotz haben Anthropic und OpenAI natürlich
00:02:36diese Tools um zusätzliche Befehle erweitert,
00:02:41wie den /goal-Befehl in Codex
00:02:43oder den /loop-Befehl in Claude Code,
00:02:46wobei die Idee ist, dass man ein spezifisches Ziel angeben kann,
00:02:51eine vielleicht komplexere Aufgabe,
00:02:53mit diesem Befehl davor.
00:02:56Und das Tool, Codex, Claude Code mit dem Modell,
00:03:00wird weitermachen und sich selbst immer wieder neu prompten,
00:03:03bis diese Aufgabe erledigt ist.
00:03:06Und es ist eigentlich nur wieder die RALF-Schleife.
00:03:09Erinnert ihr euch an die RALF-Schleife Anfang 2026?
00:03:13Wir hatten diesen Hype um die RALF-Schleife,
00:03:16wo einige Leute euch nur verkaufen wollten, dass ihr nur eine detaillierte,
00:03:19Schritt-für-Schritt-Liste von Aufgaben benötigt, die erledigt werden müssen,
00:03:24um ein bestimmtes Ziel zu erreichen, ein bestimmtes Feature zu bauen,
00:03:27und dann könntet ihr eine Erweiterung benutzen,
00:03:28um Claude Code und Codex dann irgendwann am Laufen zu halten
00:03:33und sich dann durch diese Liste arbeiten zu lassen.
00:03:34Und obwohl wir die RALF-Schleife schon im Januar hatten,
00:03:38und manche Leute sie euch als die Lösung
00:03:41für das autonome Bauen von Software verkauften,
00:03:44wo ist all diese Software?
00:03:46Wo ist all diese Software, diese fehlerfreie, erstaunliche Software?
00:03:50Warum flackert Claude Code immer noch?
00:03:54Ja.
00:03:55Wie auch immer, wir hatten die RALF-Schleife damals.
00:03:58Jetzt ist sie wieder hier, offiziell in Claude Code und Codex integriert.
00:04:03Und jetzt reden wir über Loop-Engineering,
00:04:05oder das Entwerfen eurer Schleifen, die eure Agents prompten.
00:04:10Und natürlich ist das etwas, das leicht zu sagen ist
00:04:12für jemanden, der am Ende für OpenAI arbeitet,
00:04:17wegen unbegrenzter Tokens,
00:04:20weil sich herausstellt, dass diese Schleifen, diese Befehle,
00:04:23viele Tokens verbrauchen können.
00:04:27Das Problem ist nur, man hat immer noch die gleiche probabilistische Natur
00:04:33des gesamten Systems.
00:04:34Und ich denke, eine Sache, die oft übersehen wird,
00:04:38ist, dass meine Erfahrung tatsächlich war,
00:04:40dass diese KI-Modelle und/oder diese Tools
00:04:43und die Modelle kombiniert – es sind wirklich beide.
00:04:46Sie sind tatsächlich ziemlich gut darin, einfach weiterzumachen,
00:04:50bis ein bestimmtes Ziel erreicht ist.
00:04:52Ich meine, ein kleines Beispiel hatte ich vor ein paar Wochen oder jetzt Monaten,
00:04:59da hatte ich ein paar PDF-Dokumente,
00:05:01die ich zu einem kombinieren musste,
00:05:03was zusammen nicht größer als fünf Megabyte sein darf,
00:05:06aber jedes einzelne Dokument war schon etwa sechs Megabyte groß,
00:05:08weil sie Scans enthielten.
00:05:10Also habe ich meinen Coding-Agent, ich glaube Codex, auf die Aufgabe angesetzt,
00:05:14und er hat einfach weitergemacht, hat einige kleine Programme und so weiter geschrieben,
00:05:17bis er das wirklich erreicht hat.
00:05:19Und offensichtlich mag das keine super komplexe Aufgabe sein.
00:05:22Der Punkt ist nur, tatsächlich, diese Modelle,
00:05:25wenn sie ein Ergebnis verifizieren können, sind sie recht gut darin, ein Ziel zu erreichen,
00:05:30eine bestimmte Aufgabe zu erfüllen.
00:05:32Sie machen einfach weiter und versuchen verschiedene Wege, um dorthin zu gelangen.
00:05:36Das Problem ist nur, dass das nicht unbedingt die Art ist, wie gute Software gebaut wird.
00:05:41Es ist eine Sache, einfach etwas erledigt zu bekommen, einfach einen Weg zu finden, etwas zu tun.
00:05:48Das mag für bestimmte Anwendungsfälle ausreichen.
00:05:51Wenn wir über Software sprechen, Software, die verteilt,
00:05:54weiterentwickelt und gewartet werden soll,
00:05:57ist es keine gute Strategie, nur einen Weg zu finden, dorthin zu gelangen,
00:06:02denn dieser eine Weg mag zu diesem Zeitpunkt eine Sache erledigen.
00:06:08Er kann in der Zukunft kaputtgehen.
00:06:09Er kann bei einer leicht anderen Eingabe kaputtgehen.
00:06:11Er kann viele Fehler oder Sicherheitsprobleme enthalten.
00:06:15Er kann aus so vielen Gründen, in so vielen anderen Situationen scheitern.
00:06:20Er kann eine schlechte Leistung haben.
00:06:22Und all das kann, wieder, keine Rolle spielen,
00:06:24wenn man nur versucht, jetzt gerade eine Sache zu erledigen.
00:06:28Aber das ist, wieder, nicht das, worum es bei Software,
00:06:31im Allgemeinen, wenn wir zumindest über Software als Produkt sprechen, geht.
00:06:35Es gibt also Gründe, warum wir als Entwickler gelernt haben,
00:06:41dass bestimmte Muster und Praktiken und Ansätze Sinn ergeben,
00:06:45weil sie einfacher anzupassen, einfacher zu verstehen, einfacher zu korrigieren sind.
00:06:51Einfach sauberer, nicht nur um der Sauberkeit willen,
00:06:55sondern um der Erweiterbarkeit, Wartbarkeit, Leistung, Sicherheit
00:07:00und der Verständlichkeit willen.
00:07:02Und selbst wenn es euch egal ist, den Code nicht mehr zu verstehen,
00:07:06weil ihr sagt, dass die KI ihn nur verstehen muss, nicht ein Mensch,
00:07:10was wirklich, wirklich eine schlechte Einstellung ist,
00:07:14denn offensichtlich haben KI-Modelle begrenzte Kontextfenster und all das.
00:07:17Aber selbst dann, wenn das eure Einstellung zur Verständlichkeit ist,
00:07:21spielen die anderen Teile immer noch eine Rolle.
00:07:23Und ja, ich glaube nicht, dass es dazu noch mehr zu sagen gibt.
00:07:29Ich hasse wirklich den aktuellen Zeitpunkt, an dem wir all diese nervigen,
00:07:37dummen Begriffe haben, die ständig auftauchen.
00:07:39Und dann haben wir Leute, die versuchen, euch Produkte und Kurse und so etwas zu verkaufen.
00:07:45Und ich verkaufe selbst Kurse.
00:07:47Ich verkaufe nur keinen Kurs über Loop-Engineering oder irgendetwas in der Art.
00:07:52Aber ja, hier sind wir.
00:07:54Ich bin mir sicher, dass wir das irgendwann hinter uns haben werden.
00:07:58Und wir können diese Coding-Agents als das nutzen, was sie sind: hilfreiche Unterstützung.
00:08:03Aber im Moment stecken wir immer noch hier fest.
00:08:05Und ich bin gespannt, was nach dem Loop-Engineering kommt.
Community Posts
No posts yet. Be the first to write about this video!
Write about this video