15 MinutenWie wir effektive Agenten entwickeln: Barry Zhang, Anthropic
Einfachere Agentenschleifen mit klaren Abbruchregeln, Aufgabengrenzen und menschlichen Kontrollpunkten entwerfen.
freeCodeCamp.org. Ein ausführlicher Kurs, der von der Theorie zum Code führt und Quantisierung, LoRA, QLoRA sowie vollständiges PEFT mit Llama 2 und Gemma auf Hardware behandelt, die vielen Entwicklern zur Verfügung steht. Auf YouTube kommt er der Erfahrung, einer fachkundigen Person bei der Arbeit über die Schulter zu schauen, am nächsten. Mit konkreten VRAM-Budgets untermauert er die Aussage des Artikels, dass kein Cluster erforderlich ist.
Modellnamen, Preise und Fähigkeiten ändern sich schnell. Die Basismodelle des Kurses (Llama 2, Gemma) sind veraltet, doch die vermittelten LoRA-, QLoRA- und Quantisierungstechniken lassen sich direkt auf aktuelle Open-Weight-Modelle übertragen. Nutzen Sie den Kurs für das Entscheidungsmuster und prüfen Sie vor dem Einsatz das aktuelle Modellverhalten.
Sie können Quantisierung, LoRA- und QLoRA-Feinabstimmungen von Anfang bis Ende auf Hardware durchführen, die die meisten Entwickler bereits besitzen.
Python plus grundlegende Vertrautheit mit ML-Tools; der Kurs richtet sich an Hardware, die die meisten Entwickler bereits besitzen.
Zuletzt geprüft: 18. Mai 2026
Fahren Sie mit demselben Lernpfad fort und sehen Sie die nächsten kuratierten Begleitvideos.
15 MinutenEinfachere Agentenschleifen mit klaren Abbruchregeln, Aufgabengrenzen und menschlichen Kontrollpunkten entwerfen.
190 MinutenEinen LangGraph-Agenten mit typisiertem Zustand, bedingtem Routing, Checkpoints und Werkzeugnutzung entwickeln und beurteilen, wann sich diese Explizitheit auszahlt.
8 MinutenVerstehen, wie lange Kontexte unter Mehrdeutigkeit und Ablenkungen versagen können, und Tests für dieses Risiko entwerfen.