Keine AI-News. Kein LLM-Blog. AI-Playbook.
Baue AI Agents, die Production überleben.
Praktische Patterns, Failure Cases, Architektur und Governance für Agents, die echte Tools aufrufen.
Nicht sicher, welches Pattern du brauchst? Agent gestalten →
Lernen
Start
Das Modell: was ein Agent ist – und wann man keinen nutzt.
5
Angezeigt: 3 / 5
- Was ist ein KI‑Agent (einfach erklärt)
- Worin sich ein KI-Agent von ChatGPT und Automatisierung (Workflow) unterscheidet
- Wie ein KI-Agent Entscheidungen trifft (und warum das keine Magie ist)
Alle anzeigen (5) →
Grundlagen
Tool Calling, Memory, Planning vs. Reactive, LLM-Limits.
9
Angezeigt: 3 / 9
- Woraus ein KI-Agent besteht
- Wie ein Agent Tools verwendet (Grundlagen)
- Wie man den Zugriff auf Tools begrenzt
Alle anzeigen (9) →
Agent‑Muster
Production-Patterns für Agents, die du shippen & skalieren kannst.
15
Angezeigt: 3 / 15
- React-Agent-Architektur: Muster, Fallstricke, Lösungen
- Task-Decomposition-Agent: Komplexe Aufgaben zerlegen
- Routing-Agent: Aufgaben smart zum besten Agenten leiten
Alle anzeigen (15) →
Bauen
Architektur
Production-Stack, Observability, Rate Limits, Operations.
4
Angezeigt: 3 / 4
- KI‑Agenten containerisieren (damit sie beim Deploy nicht sterben)
- Hybrid Architecture (Workflow + Agent)
- Multi-Tenant Agent Design (Isolation + Governance)
Alle anzeigen (4) →
Governance & Guardrails
Budgets, Approvals, Permissions, Audit Logs — Controls, damit Agents nicht eskalieren.
7
Angezeigt: 3 / 7
- Allowlist vs. Blocklist (Warum Default-Deny gewinnt) + Code
- Budget Controls für AI Agents (Steps, Time, $) + Code
- Cost Limits für AI Agents (Stop Spending) + Code
Alle anzeigen (7) →
Observability & Monitoring
Logs, Traces, Metrics und Alerts — damit Agent-Incidents keine Detektivarbeit werden.
1
Angezeigt: 1 / 1
- Logging für KI‑Agenten (was du loggen musst, was du redigierst, worauf du alertest)
Alle anzeigen (1) →
Tests & Evaluation
Unit Tests, Golden Tasks, Record/Replay und Evals, die Regressionen abfangen, bevor Prod es tut.
1
Angezeigt: 1 / 1
- Unit Tests für KI‑Agenten (deterministisch, billig, wirklich nützlich)
Alle anzeigen (1) →
Optimierung
Prompt- und Runtime-Tuning ohne Safety zu zerstören: Latenz, Kosten, Regressionen.
1
Angezeigt: 1 / 1
- Prompt‑Optimierung für KI‑Agenten (ohne Production zu zerlegen)
Alle anzeigen (1) →
Security & Control
Permissions, Budgets, Kill Switch, Idempotenz, Audit Logs.
1
Angezeigt: 1 / 1
- Tool‑Berechtigungen für KI‑Agenten (mit Code)
Alle anzeigen (1) →
Tools & Integrationen
APIs, Browser, Datenbanken und Automations-Plattformen.
1
Angezeigt: 1 / 1
- Browser Tool for AI Agents (Mit Code)
Alle anzeigen (1) →
Vermeiden
Fehler & Fixes
Reale Failure Modes und wie du sie in Prod stoppst.
12
Angezeigt: 3 / 12
- Stiller Agent-Drift (Qualitäts-Regression) + Erkennung + Code
- Budget Explosion (Wenn Agents Geld verbrennen) + Fixes + Code
- Cascading Tool Failures (Wie Agents Outages verstärken) + Code
Alle anzeigen (12) →
Anti-Patterns
Dinge, die in Demos schlau wirken und in Prod zuverlässig wehtun.
4
Angezeigt: 3 / 4
- Kein Monitoring (Anti-Pattern) + Was du loggen musst + Code
- Single-Step-Agents (Anti-Pattern) + Fixes + Code
- Tool-Output blind vertrauen (Anti-Pattern) + Fixes + Code
Alle anzeigen (4) →
Anwenden
Playbooks
Baue X in 20 Minuten (sicher by default).
1
Angezeigt: 1 / 1
- Baue deinen ersten AI Agent (sicher, mit Code)
Alle anzeigen (1) →
Beispiele
Komplette Agents mit Code, Diagrammen und Trade-offs.
1
Angezeigt: 1 / 1
- AI Support Agent Example (Mit Code)
Alle anzeigen (1) →
Vergleiche
Framework vs Framework, Agents vs Workflows — was in Prod bricht und was du wählen solltest.
6
Angezeigt: 3 / 6
- AutoGPT vs Production Agents (was du wirklich brauchst) + Code
- CrewAI vs LangGraph (Production-Vergleich) + Code
- LangGraph vs AutoGPT (Production-Vergleich) + Code
Alle anzeigen (6) →
Integriert: Production ControlOnceOnly
Guardrails für Tool-Calling-Agents
Shippe dieses Pattern mit Governance:
- Budgets (Steps / Spend Caps)
- Tool-Permissions (Allowlist / Blocklist)
- Kill switch & Incident Stop
- Idempotenz & Dedupe
- Audit logs & Nachvollziehbarkeit
Integrierter Hinweis: OnceOnly ist eine Control-Layer für Production-Agent-Systeme.
Beispiel-Policy (Konzept)
Python
# Example (Python — conceptual)
policy = {
"budgets": {"steps": 25, "usd": 2.0},
"tools": {"allow": ["http.get", "browser.search"]},
"controls": {"kill_switch": True, "idempotency": True, "audit": True},
}
# run = onceonly.run(policy)
# result = run.invoke(agent, input="...")