82 Lektionen, jede ein eigenständiges Paket — Studiennotizen, Lernkarten und eine gesprochene Zusammenfassung. Offline öffnen; lerne in deinem eigenen Tempo.
Jede Karte öffnet eine vollständige Lektion: Notizen zum Lesen, Karten zum Üben und eine Zusammenfassung zum Anhören. Beginne überall; sie stehen für sich.
Studiennotizen: Einführung in Clod
Claude Modellfamilien: Vergleich und Auswahl
Studiennotizen: Claude API und Textgenerierung
Studiennotizen: Vertex AI mit Anthropic SDK
Lernnotizen: Kontext und Gesprächshistorie in LLM-APIs
Studiennotizen: Aufbau eines einfachen Chatbots
System Prompting: Konzept und Anwendung
System-Prompts zur Optimierung von KI-Code-Generierung
Zusammenfassung: Textgenerierung und Temperatur-Parameter
1. Problem der Latenz (Verzögerung)
Studiennotizen: Einfluss auf die Ausgabe von LLMs (Claude)
Studiennotizen: Stop Sequences und Assistant Message Pre-filling
Lernnotizen: Steuerung von LLM-Ausgaben mit Message Prefilling und Stop Sequences
Prompt Engineering und Prompt Evaluation
Studiennotizen: Prompt-Evaluierungs-Workflow
Studiennotizen: Prompt-Evaluierung und Datensatz-Erstellung
Thema:** Aufbau und Funktionsweise einer automatisierten Evaluierungspipeline zur Bewertung von LLM-Outputs.
Zweck:** Ein Grader nimmt die Ausgabe eines Modells entgegen und liefert ein objektives Signal zur Bewertung der Qualität.
Ziel des Code Graders:
Lernnotizen: Verbesserung des Modell-Prüfers (Model Grader)
I. Prompt Engineering (PE)
Prompt Engineering: Klarheit und Direktheit
Prompt Engineering: Spezifität
Problem bei großen Eingaben:** Wenn ein Prompt sehr viel Inhalt (z. B. 20 Seiten Verkaufsberichte) enthält, kann das KI-Modell (Cloud) Schwierigkeiten haben, die Struktur und die Bedeutung der verschiedenen Textabschnitte zu erkennen.
Studiennotizen: Prompt Engineering mit Beispielen
Studiennotizen: Prompt Engineering zur Datenextraktion
Lernnotizen: Tool-Nutzung (Tool Use)
Lernnotizen: Implementierung von Tools für Claude
Studiennotizen: Implementierung von Tools
Studiennotizen: JSON Schema für Tool Calling
Studiennotizen: Werkzeugnutzung (Tool Use) mit Claude
Erkennung des Tool-Bedarfs:** Claude antwortet mit einer `tool use block`, wenn es eine Funktion aufrufen möchte.
Ziel:** Mehrere verschiedene Tools mit Claude verknüpfen, um komplexe Anfragen zu beantworten.
Hauptziel:** Die `run_conversation`-Funktion muss Claude kontinuierlich aufrufen, bis er keine weiteren Werkzeuge (Tools) mehr anfordert.
Ziel:** Hinzufügen neuer Tools (`add duration to date time` und `set reminder`) zur Konversation.
Herausforderung bei LLMs und Tool-Nutzung:
Studiennotizen: Strukturierte Ausgabe mittels Tools
Grundlagen des Text Editor Tools
Studiennotizen: Web Search Tool (Claude)
Studienguide: Retrieval Augmented Generation (RAG)
Ziel:** Implementierung eines benutzerdefinierten Retrieval-Augmented Generation (RAG) Workflows.
Lernnotizen: Semantische Suche und Text-Embeddings
RAG-Pipeline: Schlüsselkonzepte
Studiennotizen: RAG Workflow und Vektordatenbanken
Problem mit Semantischer Suche (Semantic Search):
Ziel:** Kombination von semantischer Suche (Vector Index) und lexikalischer Suche (BM25 Index) zu einer einzigen, verbesserten Suchpipeline.
Studiennotizen: Re-Ranking zur Verbesserung der Retrieval-Genauigkeit
Kontextbezogene Wiederherstellung (Contextual Retrieval)
Definition & Purpose:
Cloud Vision Capabilities: Lernnotizen
Schlüsselkonzepte: PDF-Verarbeitung mit Clod
Studiennotizen: Quellenangaben (Citations) in KI-Antworten
Prompt Caching: Schlüsselkonzepte
Prompt Caching: Schlüsselkonzepte
Ziel:** Prompt Caching für System-Prompts und Tool Schemas standardmäßig in der Chat-Funktion aktivieren.
Definition und Zweck:
Zweck:** Der Client dient als Kommunikationsschnittstelle zwischen dem Server und dem MCP Server.
Studiennotizen: Implementierung eines CLI-Chatbots (MCP)
MCP Server und Tool-Implementierung (Zusammenfassung)
Studiennotizen: Debugging des MCP Servers mit dem MCP Inspector
Architektur und Rolle des Clients
Definition:** Ressourcen ermöglichen es einem MCP-Server, Daten an den Client zu übergeben (Exponieren).
Studiennotizen: Ressourcen-Lesefunktion im MCP-Client
Studiennotizen: Prompts in MCP-Servern
MCP Client und Prompt-Verwaltung
Die drei Server-Primitives definieren, welche Komponente einer Anwendung (Modell, App oder Benutzer) für eine bestimmte Funktion verantwortlich ist.
Anthropic Anwendungen:** Das Modul behandelt zwei von Anthropic entwickelte Anwendungen: CloudCode und ComputerUse.
Cloud Code: Schlüsselkonzepte
Cloud Code: Grundlagen und Workflow
Studiennotizen: Erweiterung von Cloud Code durch MCP-Server
Hauptkonzept:
Cloud Code: Automatisches Fehler-Monitoring und Beheben
Studiennotizen: Claude – Computer Use Funktion
1. Funktionsweise von Tool Use (Werkzeugnutzung):
Studiennotizen: Workflows und Agents
Problemstellung (Initial Approach):
Studiennotizen: Workflow-Ketten (Prompt Chaining)
Studiennotizen: Routing-Workflow für Inhaltsgenerierung
Workflows:
Kernkonzept: Umgebungsinspektion (Environment Inspection)
Definition:** Vordefinierte Abfolge von Aufrufen an Claude.
I. Anthropic Modelle und API-Nutzung