Praktisches AI Engineering von Slava Dubrov
Die Teile von AI-Systemen, die sich in der Produktion bewähren
Automatische Übersetzung Dieser Artikel wurde automatisch aus der englischen Originalversion übersetzt.
Agent Runtimes, Memory, Security, Retrieval, Evaluation, LLM-Infrastruktur — aufgeschrieben so, wie ich sie an die nächste Person im Team übergeben würde.
Themenstränge
Alle Artikel durchsehen →-
KI-Agenten
Reasoning-Loops, Memory, Tools, Harnesses
14 Artikel -
Modellentwicklung
Fine-Tuning, Quantisierung, Serving
9 Artikel -
KI-Infrastruktur
vLLM, LoRAX, Durchsatz, Kosten
6 Artikel -
Retrieval- und Sprachsysteme
RAG-Evaluation, Ranking, Kontext
4 Artikel -
Entwicklungswerkzeuge
uv, pyproject, lokale LLMs auf macOS
8 Artikel
Engineering the Agentic Stack
Der Reihe nach. Beginne beim Loop.- 01 Reasoning Loops von AI Agents: ReAct, ReWOO, Plan-and-Execute 12 Min.
- 02 AI-Agent-Memory-Architektur: Checkpoints und Vector Stores 19 Min.
- 03 Tool Use für AI Agents: MCP, CLI, Skills und Code Execution 20 Min.
- 04 AI-Agent-Sicherheit: Berechtigungen, Sandboxes und MCP-Bedrohungen 35 Min.
- 05 AI Agent Runtime für langlebige Sessions: Checkpoints 40 Min.
- 06 Harness Engineering für AI Agents: Control Loops entwerfen 24 Min.
Neueste
Alle Artikel durchsehen →- TypeScript für Python-ML-Engineers: Einen Agent Service entwickeln 22 Min.
pydantic auf Zod, FastAPI auf Hono und Celery auf eine Postgres-Queue abbilden und anschließend einen streamenden Agent Service in einem pnpm-TypeScript-Monorepo entwickeln.
- Harness Engineering für AI Agents: Control Loops entwerfen 24 Min.
Wie der Control Code rund um einen AI Agent Tools autorisiert, Fortschritt bewahrt, den Abschluss verifiziert und jede zusätzliche Komponente durch Ablation rechtfertigt.
- Guide zur Model Quantization: Von den Grundlagen bis zum produktiven Model Serving 24 Min.
Ein praxisnaher Leitfaden zur Auswahl von Quantization-Pfaden für LLMs und Diffusion-Models anhand von Bottleneck, Hardware, Runtime-Kernel, Calibration Data und Deployment-Checks.
Ein Artikel, alle zwei Wochen
Dieselben Beiträge erscheinen am Tag der Veröffentlichung auf Substack. Kein Digest, kein Drip.