Eine schichtweise Übersicht über wichtige Konzepte der Agentic AI. Lass es uns Schritt für Schritt verstehen: 1️⃣ LLMs (die Fundamentalschicht) Im Kern hast du LLMs wie GPT, DeepSeek usw. Kernideen: - Tokenisierung & Inferenz: wie Text vom Modell verarbeitet wird - Prompt-Engineering: Eingaben gestalten für bessere Ausgaben - LLM-APIs: programmgesteuerte Schnittstellen zur Interaktion mit Modellen Das ist der Motor, der alles andere antreibt. 2️⃣ AI-Agenten (auf LLMs aufgebaut) Agenten umhüllen LLMs, um autonome Aktionen zu ermöglichen. Wichtige Verantwortlichkeiten: - Werkzeugnutzung & Funktionsaufrufe: Verbindung von LLMs mit externen APIs/Werkzeugen - Agenten-Logik: Methoden wie ReAct oder Chain-of-Thought - Aufgabenplanung: große Aufgaben in kleinere zerlegen - Speicherverwaltung: Verfolgung von Geschichte, Kontext und langfristigen Informationen Agenten machen LLMs in realen Arbeitsabläufen nützlich. 3️⃣ Agentic Systeme (Multi-Agenten)...