grok-bot
1abe50b287
Script für einheitliche Markdown-Tabellen-Separatoren; Executive Summaries und Schlusswort angeglichen.
1.7 KiB
1.7 KiB
Teil I – Executive Summary (Tech-Leads & Engineering Manager)
One-Pager · Vom Modell zum Agenten-Problem
Worum geht’s
Teil I schafft realistische Erwartungen an LLMs und etabliert Context Engineering als Disziplin. Kapitel 1–2 sind Auffrischung (API-Evolution, Context Window); Kapitel 3 ist der Pflichtkern vor Harness und MCP.
Kostenhebel
| Hebel | Wirkung |
|---|---|
| Context Waste (zu viel irrelevanter Prompt) | Tokens ↑, Latenz ↑, Qualität ↓ |
| Modell-Hopping ohne stabile Kontext-/Tool-Schicht | Rewrites, inkonsistente Evals |
| Frühe Messbarkeit (Hit Rate, Success) | spart spätere Platform-Schulden |
Risiken (Top 3)
- Halluzinierte „grüne“ Ergebnisse ohne Verify-Tools
- 1M-Context als Strategie statt Selektion
- Vendor-Lock-in über model-spezifische Tool-APIs ohne portable Schicht
Rollen
| Rolle | Entscheidung |
|---|---|
| EM / Tech-Lead | Budget für Context Engineering vs. nur Model-APIs |
| Architect | Portabilitäts- und Integrationsstrategie (siehe Kap. 4.0) |
| IC | Experimente, Evals, ehrliche Failure Modes |
Quick Wins
| Horizont | Maßnahme |
|---|---|
| 30 Tage | Context-Waste an 5 realen Tasks messen; 1 Verify-Tool (Tests) erzwingen |
| 90 Tage | Working-Set-Policy skizzieren; Spec-Pin und Companion-Pin kennen |
Wenn du nur 30 Minuten hast
- Vorwort – Haltbarkeits-Matrix + Entscheidungsliste
- Kap. 2.3 – Context Window als Arbeitsspeicher (kanonisch)
- Kap. 3.7 – Context Engineering als Disziplin
Dann: Kap. 4 (Harness + MCP) oder Demo im Companion code/ (agent.py --demo).