Ein täglich aktualisierter Index für Deployment-, RAG-, Agenten- und LLMOps-Werkzeuge — dazu Praxisnotizen, wie KI in echten Unternehmen tatsächlich ausgerollt wird.
Anthropic San Francisco, CA | New York City, NY FDE
Partner with customers to understand their requirements and architect technical solutions for integrating Claude into their tech stack.
PythonAnthropic APIEvalsLLMClaudeClaude CodeClaude APIClaude for Enterprise
Anthropic London, UK FDE
Partner with startups to build and deploy AI solutions using the Claude Developer Platform.
PythonAnthropic APIEvalsClaude Developer PlatformAI systemstechnical architectureevaluation frameworkstechnical credibility
Vercel Hybrid - San Francisco FDE Hybrid
Serve as technical contact for Vercel's partners, building product integrations and providing pre-sales support.
AWSReactAgentsfrontend developmentcloud infrastructureagentic developmentmodern application developmentNext.js
Neo4j Remote: United States FDE Remote
Designs and deploys AI solutions combining graph databases and AI, translating customer needs into production-ready applications.
graph databasesLLMsAI frameworksgraph technologies
Hybride Code-Überprüfung, die deterministische Regeln vorrangig behandelt und das LLM zweitrangig – die einzige Reihenfolge, die eine Unternehmenssic…
Git-Worktree-Plumbing für das gleichzeitige Ausführen mehrerer Codieragenten ohne Konflikte im Arbeitsverzeichnis.
Eine kuratierte Sammlung wiederverwendbarer Fähigkeiten für Codieragenten – der Unterschied zwischen einem Agenten, der Aufgaben erledigt, und einem,…
Der terminalnative Agent, der das agente Coden zum Mainstream gemacht hat – und der Referenzpunkt, an dem jeder andere Coding-Agent gemessen wird.
Führt viele Codieragenten parallel aus, ohne dass Sie neue Abonnements abschließen müssen – das Kostenmodell ist das Produkt.
Eine Routing-Schicht, die Ihren Coding-Agenten am Laufen hält, wenn ein Anbieter eine Rate-Limit erreicht – allein der Fallback lohnt sich.
Entfernt den verräterischen Rhythmus von Modellausgaben aus generiertem Text — nützlich und ein Hinweis darauf, dass die Merkmale nun allgemein bekan…
Eine explizite, lesbare Liste von etwa zwanzig Mustern, die darauf hindeuten, dass Text automatisch generiert wurde – nützlicher als Filter ist sie a…
Der kürzeste Weg von pip install zu einem funktionierenden Retriever – deshalb beginnt fast jedes RAG-Tutorial hier.
Überprüft die Modellausgabe gegen ein Schema, anstatt zu hoffen – und stellt erneut eine Frage, wenn die Überprüfung fehlschlägt.
Bietet einem Agenten Kontinuität über Sitzungen hinweg — das fehlende Puzzlestück, wenn Benutzer erwarten, dass es sie erkennt.
LLM-Spuren als Standard-OpenTelemetry-Spuren – damit sie im Observability-Stack landen, für den Sie bereits bezahlen.
Selbsthosting schlägt die API in Bezug auf die Kosten pro Token nur über einem Auslastungsschwellenwert, den fast niemand erreicht. Darunter zahlen Sie für untätige Silizium-Chips…
Feinabstimmung kodiert Verhalten; Abruf liefert Fakten. Wenn man fragt, was besser ist, stellt man die falsche Frage — man sollte fragen, wie oft das zugrunde liegende Wissen sich…
Jeder mehrinstanzenfähige RAG entdeckt letztendlich das Gleiche: Das Filtern von Ergebnissen nach dem Abruf ist keine Isolation. Der Filter muss die Suche einschränken, nicht dere…
Veröffentlichte Benchmark-Tabellen vergleichen die Trefferquote auf öffentlichen Datensätzen, was nicht Ihrem Datensatz, Ihren Filtern oder Ihrer Abfrageverteilung entspricht. Vie…
Das Risiko besteht nicht darin, dass das Modell etwas Falsches sagt. Es besteht darin, dass der Agent etwas Falsches tut – mit Berechtigungen, in einem System, das kein Undo biete…
Zwei Jahre lang lautete der Rat, bessere Prompts zu schreiben. Diese Empfehlung hat irgendwann aufgehört zu funktionieren, als das Modell zuverlässig gut darin wurde, Anweisungen…
Chunking-Strategien, Reranking-Setups, Evaluations-Harnesses und die sieben Fehlerbilder, an denen jede RAG-Demo in Woche drei stirbt.