Field Notes

Agenten zuverlässiger bauen: Kontext im Griff, smarte Freigaben, bessere Bilder

Heute bekommst du konkrete Schritte, um Agenten günstiger zu betreiben, Freigaben zu entlasten und visuelle Assets schneller zu liefern.

Wichtige KI-Nachrichten

Vier Ebenen für weniger Kontext-Ballast bei Produktions-Agenten

Ein neuer Praxisbeitrag ordnet Techniken der Kontext Engineering, also das gezielte Optimieren des Modell-Kontexts, in vier Ebenen und zeigt Code dazu. Architektur, Promptregeln, Datei-Auslagerung und unabhängige Prüfagenten greifen ineinander. In der Referenz-Implementierung sinken Zusatz-Tokens je Skript mit einem Write-and-Execute-Tool um etwa 95 Prozent, der Systemprompt schrumpft mit On-Demand-Skills um rund 97 Prozent. Das sind Anbieterangaben aus der gezeigten Lösung Deep Insight, gebaut auf Strands Agents SDK und Amazon Bedrock. Wenn du Agenten für Datenanalyse oder Berichte betreibst, kannst du Kosten und Fehler spürbar drücken.1.

Kimi K3.1 Pro: offengewichtiges Multimodal-Modell mit 1M Kontext

Moonshot stellt Kimi K3.1 Pro auf Hugging Face bereit. Es ist ein Open-Weight-Modell, also mit veröffentlichten Gewichten, die Lizenz „other“ setzt aber Nutzungsgrenzen. Es bietet 1.048.576 Token Kontext und nutzt ein MoE-Design mit 2,8T Parametern, aktiv 104B. Die vielen Benchmarks sind Herstellermessungen und teils intern. Prüfe also, ob sie zu deinem Einsatz passen.2.

OpenAI Images 2.6 startet mit schnellerer Generierung und GIFs

OpenAI führt Images 2.6 ein. Neu sind schnellere Bilder, GIF-Erzeugung, präzisere Edits und zusätzliche API-Kontrollen. Das gilt laut Anbieter für ChatGPT, Codex und die API. Für dich heißt das: Du produzierst Assets und kleine Animationen direkter im bestehenden Workflow.3.

OpenAI übernimmt Pierre Computer Company

OpenAI kündigt die Übernahme von Pierre Computer Company an. Ziel ist, Codex-Werkzeuge zum Bauen, Verstehen und Prüfen von Code auszubauen. Das ist eine Ankündigung. Konkrete neue Funktionen für dich sind darin noch nicht belegt.4.

Agenten-Ausfälle in Tests verwandeln

NVIDIA zeigt, wie du Belege aus der Produktion in priorisierte Issues und domänenspezifische Evals überführst. So verbesserst du Prompts, Tools, Modelle, Speicher und Harness systematisch. Nützlich, wenn generische Benchmarks deine Fehler nicht erklären.5.

Highlights für deinen Arbeitsalltag

  • Smart Approvals in Amazon Quick reduziert unnötige Rückfragen, ohne Freigabepflichten abzuschalten. Ein separater Klassifizierer prüft vorgeschlagene Aktionen gegen deinen Auftrag und Kontext. Du kannst festlegen, was stets zur Person geht, und siehst Nachweise in CloudTrail. Prüfe als Nächstes die Connector-Berechtigungen für sensible Aktionen.6.

  • Dokumente als strukturierte Felder: Der Dharma Field Extractor nimmt beliebige Dateien und gibt JSON zurück. Das hilft bei Rechnungen, Lebensläufen oder Formularen, wenn du Felder in Systeme übertragen musst. Starte mit einem kleinen Satz Musterdateien und vergleiche die extrahierten Werte mit deinen Pflichtfeldern.7.

  • Kino AI bringt einen kollaborativen, code-first Video-Editor mit Agenten-Support. Der volle Editor ist kostenfrei, Pro kostet 25 US-Dollar pro Editor im Monat. Du brauchst die Electron-App. Gut für Teams, die regelmäßig Social- oder Produktvideos iterieren und Agenten mitarbeiten lassen wollen.8.

Tools und Updates

  • Datasette Apps 0.3a0: LLMs können Apps in Datasette leichter referenzieren und Berechtigungen für gespeicherte Abfragen verwalten. Schreibrechte erfordern deine Bestätigung. Setzt eine bestehende Datasette-Instanz voraus, Alpha-Status.9.
  • Together Compiler: Optimiert offene Modelle binnen 24 Stunden mit Agenten und persistenten Engines. Bis zu 3,7x mehr Durchsatz laut Anbieter. Für Teams mit eigenem Inferenzbetrieb, technisch anspruchsvoll.10.
  • Polymorphic Inference: Selbsttuning für offene Modelle bei wechselnden Lasten und Chips. Arbeitet mit Together Compiler zusammen. Relevanz vor allem für Betreiber mit variabler Nachfrage.11.

In fünf Minuten ausprobieren

Bilde in ChatGPT ein kurzes Produkt-GIF mit Images 2.6

1) Öffne ChatGPT und gib ein: „Erzeuge ein dreiteiliges, nahtlos loopendes 512×512 GIF für eine ‚Neues Feature‘-Ankündigung. Farben: #0A84FF, #111827, Weiß. Ein Icon erscheint, wandelt sich zur Checkliste, dann zu einem Haken.“3. 2) Bitte um eine Variante mit präziser Edit: „Tausche die Checkliste durch ein Zahnrad. Setze die Bildfolge auf 0,7 s je Frame. Schärfe Kanten für Web-Darstellung.“3. 3) Lade das GIF herunter und prüfe es in 200 px Größe.

Erwartetes Ergebnis: Ein klar lesbares, flüssig loopendes GIF in deinen Farben. Prüfkriterium: Dateigröße unter 1 MB, Elemente sind in 200 px ohne Pixelmatsch erkennbar.3.

Ein guter Fund

Practical AI fasst drei pragmatische Punkte zusammen. Baue verlässliche Workflows mit passenden Guardrails und Evals. Entwickle mit den Menschen an der Front, nicht nur für sie, und justiere den Autonomiegrad an Ziele und Prüfwege. Nimm daraus eine Sache mit: Definiere für einen Agenten heute eine klare menschliche Prüfstelle und messe ihren Effekt. Grundlage sind die Shownotes.12.

Quellen

  1. Four layers of context engineering for production AI agents: How Deep Insight applies them in working code (aws.amazon.com)
  2. moonshotai releases moonshotai/Kimi-K3.1-Pro on Hugging Face (huggingface.co)
  3. Introducing Images 2.6 (openai.com)
  4. OpenAI to acquire Pierre Computer Company, Inc. (openai.com)
  5. Use NVIDIA NeMo to Turn Agent Failures into Tests and Harness Fixes (developer.nvidia.com)
  6. Smart Approvals in Amazon Quick: Human oversight where it matters (aws.amazon.com)
  7. Dharma Field Extractor: Any Document In, Structured Fields in JSON Out (huggingface.co)
  8. Launch HN: Kino AI (YC S23) – AI media manager and video editor (news.ycombinator.com)
  9. datasette-apps 0.3a0 (simonwillison.net)
  10. Together Compiler: Continuous Compilation for AI inference (together.ai)
  11. Polymorphic Inference: self-tuning inference for open models (together.ai)
  12. Abundant Intelligence at the Midwest AI Summit (share.transistor.fm)