the n8n killer? AGENTIC WORKFLOWS: Full Beginner's Guide

Willkommen zum umfassendsten Kurs über agentenbasierte Workflows, der jemals erstellt wurde, absolut kostenlos. Bis vor kurzem wurde der Begriff Agent hauptsächlich mit einer Menge Hype und sehr wenig tatsächlichem Geschäftswert in Verbindung gebracht. Aber heute ist die Technologie gut genug, dass agentenbasierte Workflows definitiv hier sind und sie zweifellos die Zukunft des Workflow-Aufbaus sind. Nun, ich übertreibe nicht, wenn ich sage, dass diese schnell die gesamte Wirtschaft regieren werden. Wenn Sie also nach einer Möglichkeit gesucht haben, mit dem Erlernen von agentenbasierten Workflows zu beginnen, um Geschäftsprozesse zu automatisieren und potenziell viel Umsatz zu generieren, entweder für sich selbst oder für die Unternehmen, mit denen Sie zusammenarbeiten, sind Sie hier genau richtig. Mein Name ist Nick. Ich habe zwei Agenturen auf über 160.000 US-Dollar kombinierten Umsatz skaliert. Ich leite auch die profitabelste KI-Automatisierungs-Community, die es gibt. Sie heißt Maker School und generiert fast 300.000 US-Dollar Gewinn pro Monat. Ich sage das, um klarzustellen. Ich bin kein Fremder, wenn es um Umsatz oder Gewinn geht. Und dieser Kurs wurde mit all dem im Hinterkopf erstellt. Mein Ziel war es nicht nur, Ihnen Technologie um der Technologie willen beizubringen, sondern Ihnen zu zeigen, wie Sie diese Dinge auf eine umsetzbare Weise nutzen können, die Ihnen hilft, echtes Geld zu verdienen. Es geht also viel weniger um das Hypothetische und viel mehr um das sofort Anwendbare. Dieser Kurs wird Sie durch drei Dinge führen. Erstens werde ich Ihnen einige praktische Beispiele für agentenbasierte Workflows zeigen, damit Sie sehen können, was möglich ist, und zwar sofort. Ich werde dies vornherein stellen, weil ich denke, dass viele Leute keine Ahnung haben, wie mächtig diese Dinge sind, und ich möchte, dass Sie sie selbst sehen. Zweitens zeige ich Ihnen, wie Sie eine Agentenumgebung aufbauen, die etwas namens "Trennung von Belangen" mit einem einfachen Framework namens DOE oder kurz DO durchführt. Das steht für Directive Orchestration and Execution (Direktiven-Orchestrierung und Ausführung). Drittens zeige ich Ihnen, wie Sie sogenannte "selbstheilende" agentenbasierte Workflows erstellen, also Workflows, die sich im Laufe der Zeit selbst erhalten und verbessern. Wir werden eine agentenbasierte Workflow-Umgebung in einer beliebten IDE namens Anti-Gravity einrichten. Sie müssen keine Programmierung beherrschen oder wirklich Vorkenntnisse im Workflow-Aufbau haben. Ich werde Sie Schritt für Schritt durch alles führen. Und am Ende werden Sie ein agentenbasiertes Business-Betriebssystem haben, das es Ihnen ermöglicht, die meisten Ihrer wirtschaftlich wertvollen Arbeiten wahrscheinlich dutzende Male schneller als üblich über ein einfaches Textfeld zu erledigen. Ich habe auch Zeitstempel für alles in der Beschreibung hinzugefügt. Fühlen Sie sich also frei, dies über mehrere Sitzungen anzusehen, wenn Sie möchten. So habe ich es entworfen. Und wenn Sie möchten, können Sie dieses Video jetzt gerne als Lesezeichen speichern, damit Sie später leicht darauf zurückgreifen können. Bereit? Fangen wir an.

Okay, als Nächstes zeige ich Ihnen einige Live-Beispiele für echte agentenbasierte Workflows, die derzeit in meinem Unternehmen laufen. Dies sind keine "Hallo Welt"-Anfängerbeispiele. Dies sind Flows, die mir tatsächlich Umsatz generieren und ehrlich gesagt Dutzende von Stunden manueller Arbeit pro Woche einsparen. Sie arbeiten auch mit einer Zuverlässigkeit, die die meisten Leute für unmöglich halten mit aktueller KI. Zuerst also etwas Hintergrund zu meinen Unternehmen, damit wir alle auf dem gleichen Stand sind. Mein Hauptunternehmen heißt Leftclick. Es ist im Grunde eine aufgemotzte Vertriebs- und Marketingagentur. Wir nutzen KI, um Leads für eine Vielzahl von Unternehmen zu generieren, hauptsächlich durch Outbound-Marketing, was Kaltakquise per E-Mail bedeutet. Ich betreibe auch ein Dental-Marketing-Unternehmen, das rund 2 Millionen US-Dollar pro Jahr umsetzt. Und dies ist ähnlich, obwohl sie Möglichkeiten auf andere Weise generieren, nämlich über Inbound-Marketing, das hauptsächlich aus Anzeigen und PPC besteht. Zuerst zeige ich Ihnen ein einfaches System, das ich in weniger als 15 Minuten von Anfang bis Ende zusammengestellt habe, das eine sehr häufige Aufgabe automatisiert, die wir praktisch jeden Tag erledigt haben. Um es kurz zu machen, wir werden damit beginnen, eine Reihe von Leads zu scrapen, dann eine Reihe von E-Mail-Adressen zu erhalten, dann einige Anreicherungen durchzuführen und dann einige KI-Personalisierungen obendrauf. Und ich werde all das mit buchstäblich nur einer einzigen Nachricht starten. Das wird mich ein paar Sekunden kosten. Die IDE, die wir hier verwenden werden, ist wie erwähnt Anti-Gravity, die aktuelle agentenbasierte Plattform von Google. Und ich möchte nicht, dass Sie sich so sehr auf den Code oder die Art und Weise konzentrieren, wie der Arbeitsbereich eingerichtet ist. Konzentrieren Sie sich nur auf das Beispiel, da Sie am Ende des Kurses etwas Ähnliches erstellen können. Hier in meiner Garage, ich mache nur Spaß. Hier in meiner Anti-Gravity-IDE habe ich drei Bereiche. Auf der linken Seite habe ich einen Explorer. Das ist nur ein Dateiexplorer, ähnlich wie jeder, den Sie wahrscheinlich auf einem Mac oder PC verwendet haben. Ich möchte nur, dass Sie buchstäblich alles hier ignorieren, außer den Ordnern "Directives" und "Execution". "Directives" ist, wo wir übergeordnete Anweisungen speichern, wie eine Aufgabe ausgeführt wird. "Execution" ist, wo wir die Werkzeugschicht haben, die tatsächlich spezifische Skripte aufruft, die sie selbst generiert hat, um eine Aufgabe auszuführen. Nun, es ist nicht sehr wichtig, dass Sie genau wissen, wie all diese Dinge jetzt funktionieren. Ich mache nur eine Demonstration, aber im Grunde haben wir innerhalb von "scrape leads" übergeordnete Anweisungen, die es durch einen Prozess führen. Dann haben wir innerhalb von "scrape.py" ein Skript, das das eigentliche Scrapen durchführt. Offensichtlich könnte das Modell versuchen, all diese Dinge selbst zu tun, mit den Basistools, auf die es Zugriff hat, aber dort stoßen Sie auf Probleme, wo das Modell so flexibel ist, dass es den angegebenen Geschäftsanforderungen nicht zuverlässig genug nachkommt. Was wir stattdessen tun, ist, temporäre Skripte zu erstellen. Wenn diese Skripte gut sind, behält das Modell sie und fügt im Laufe der Zeit Komplexität hinzu.

Okay, cool. Als Nächstes haben wir hier diesen mittleren Bereich, der nur einen übergeordneten Zugriff auf verschiedene Dinge speichert. Agent Manager, Code bearbeiten, Zeilenweise Code mit Agent, usw. Auf der rechten Seite kommunizieren wir tatsächlich mit dem Agenten. Also, ich sagte, ich wollte einige Leads scrapen. Ich werde einfach 200 Immobilienmakler in den Vereinigten Staaten scrapen. Und schauen Sie mal. Ich habe nicht einmal "United States" richtig geschrieben, aber das ist in Ordnung. Ich vertraue darauf, dass das Modell mit diesem Framework tun kann, was ich von ihm verlangt habe. Es sieht so aus, als ob es als Erstes Direktiven und Ausführung analysiert. Dann werden alle Informationen gescrapt. Nun wird es diese Denkprozesse öffnen, und Sie müssen sie nicht unbedingt ansehen. Das ist nicht unbedingt relevant. Dieser Denkprozess ist nur das, was der Agent durchläuft. Und er speist seine Ausgaben immer und immer wieder zurück in seine Eingaben. Dies ist der Implementierungsplan für die Aufgabe, der generiert wird. Er wird im Grunde damit beginnen, diese Dinge zu lesen, dann einen Plan zu erstellen. Da haben wir es. Dann wird er einige Ausführungsschritte durchführen und dann eine Verifizierung vornehmen. Am Ende werden wir ein Google Sheet mit einer Menge Leads haben, was ziemlich großartig ist. Nun, an diesem Punkt können Sie ein paar Dinge tun. Ich meine, was ich tue, ist, ich öffne das einfach auf der rechten Seite meines Mac und dann habe ich etwas auf der linken Seite meines Mac und es erledigt einfach diese Arbeit, und wenn der Agent mit der Aufgabe fertig ist, was fünf oder zehn Minuten dauern kann. Ich meine, wir kommen hier zu wirklich langen Zeitspannen. Es wird mir die Ergebnisse präsentieren und dann kann ich damit machen, was immer ich will. Alternativ können wir uns etwas genauer ansehen, was der Agent unter der Haube tut. Das Allererste, was er tun wird, ist, wenn ich zu einer Scraping-Plattform gehe. Nun, ich weiß mit Sicherheit, dass er dies auf einem Dienst namens Appy ausführt, da dies Teil der Logik war, die ich in die übergeordnete Direktive eingebaut habe. Und so kann ich tatsächlich überprüfen, ob wir tatsächlich 25 anfängliche Interessenten gescrapt haben. Wir scrapen 25 anfängliche Interessenten, da dies Teil der Direktive ist. Die Direktive besagt: "Hey, ich möchte, dass du eine große Liste von Leuten zusammenstellst, von denen du denkst, dass sie Immobilienmakler sind, und dabei eine Reihe von Filtern verwendest. Wenn du feststellst, dass mehr als 85 % davon in unserem Zielmarkt sind, dann behalte sie und führe einen vollständigen Scraping durch. Wenn sie nicht 85 % oder mehr in unserem Zielmarkt sind, dann möchte ich, dass du deine Filter wiederholst, sozusagen selbstheilend, bis du die richtige Reihe von Filtern findest, die diese angegebene Aufgabe tatsächlich erfüllt." Und so haben wir das hier gemacht. Wir haben einen Test-Scraping durchgeführt, 25 Leads gefunden. Dann hat er überprüft, wie viele dieser Leads tatsächlich in unserem Zielmarkt waren. Er hat dies erreicht und festgestellt, dass mehr als 85 % es waren. Und jetzt hat er diese 200 Leads gefunden.

Wie Sie sehen, haben wir eine Konsolenbenachrichtigung erhalten, dass die Leads jetzt im Datensatz bereit sind. Nun, was er tut, ist, er wird sie mir präsentieren. Okay, er liefert mir jetzt diese Informationen. Sie können sie hier sehen. Wir haben tatsächlich das Google Sheet, das all diese Leads enthält. Und als Teil meiner Anfrage reichert er sogar die E-Mail-Adressen der Leads mit einem anderen Dienst an. Dies mag ziemlich komplex erscheinen, aber ich möchte, dass Sie wissen, dass alles, was ich tun musste, um einen Workflow zu erhalten, der all dies völlig autonom erledigt, eine kurze Stichpunktbeschreibung war, und dann habe ich vielleicht 5 oder 10 Minuten damit verbracht, hin und her zu gehen, damit er ein Skript erstellt, das dies tut. Als Ergebnis erhielten wir 178 von den 200 E-Mails. Und ich überprüfe das gerade noch einmal. Wir haben diese 178 jetzt auf 193 gebracht, weil wir, wie erwähnt, einige Anreicherungen mit einer anderen Plattform durchgeführt haben. Auf der rechten Seite hat er gerade eine neue Spalte namens "Casual Company Name" erstellt. Dies ist nur Teil meiner Kaltakquise-E-Mail-Copywriting-SOP innerhalb des Unternehmens. Wenn wir eine E-Mail an Leute senden, verwenden wir nicht ihren Firmennamen, weil das ziemlich albern wäre. Wissen Sie, die Bal Serzac Group von AB and Co-Realtors zum Beispiel ist sehr lang. Können Sie sich vorstellen zu sagen: "Hey, Pete, ich liebe die Berzac Group von AB and Co-Realtors." Nein. Realistisch gesehen, wenn wir eine Kaltakquise-E-Mail senden, möchten wir etwas sagen wie "Baliserac Group". Und wie Sie hier sehen können, haben wir das tatsächlich getan. Er hat die informelle Version dieses Firmennamens, Berzac, erstellt, indem er nur Logik verwendet hat, die ich zuvor eingebaut hatte. Wenn wir nun zurückkehren, können wir sehen, dass wir jetzt die Ergebnisse haben und er hat sie tatsächlich in einer sehr kurzen Übersichtsnachricht formatiert, wie ich es gewünscht habe. Es heißt, er hat 200 Immobilienmakler für die Vereinigten Staaten gescrapt, 15 zusätzliche E-Mail-Adressen angereichert. Wir haben 191 Firmennamen informell gemacht. Dann haben wir sogar Zugriff auf das Google Sheet. Also öffne ich dieses Google Sheet noch einmal. Es ist dasselbe, das wir vorher hatten, aber nur zur Vollständigkeit halber. Und all unsere Informationen sind hier. Wie lange hat dieser gesamte Prozess gedauert? Sehr, sehr wenig Zeit. Ich habe jetzt die Daten in einem Format, mit dem ich im Grunde machen kann, was immer ich will.

Okay, schauen wir uns ein weiteres Beispiel an. Dieses Mal automatisieren wir den Prozess eines Post-Sales-Call-Vorschlags und einer E-Mail. Sie können diese Dinge absolut prozedural erstellen, wie mit klassischem Drag-and-Drop, Make.com, Nanonets usw. Aber es ist viel weniger flexibel und das System muss in der Regel ziemlich regelmäßig mit agentenbasierten Workflows gewartet und aktualisiert werden. Stattdessen bauen Sie es einfach einmal und es wird sich im Laufe der Zeit zuverlässig selbst verbessern, was wild ist. Okay, dann zeige ich Ihnen ein zweites Beispiel. Nun, hypothetisch, sagen wir, ich möchte einen Vorschlag für mich generieren. Dies sollte veranschaulichen, in welchem ​​Ausmaß Sie diese Art von Dingen im Grunde als Unterstützung in Ihrem Unternehmen nutzen können. Aber im Grunde habe ich einen Direktiven-Speicher, der ziemlich hochrangig ist und einfach "Create Proposal" heißt. Er führt Sie dann durch eine Reihe von niedrigeren Skripten wie "Create Proposal", "Create Content Calendar" und so weiter. Also sage ich einfach "Create a proposal". Ich gebe ihm nicht einmal Kontext. Ich habe all diese Dinge in den Direktiven gespeichert. Auf diese Weise bauen wir realistischerweise so etwas wie einen Kollegen auf, wie einen KI-Mitarbeiter in unserem Unternehmen. Stellen Sie sich vor, Sie schicken jemandem eine Slack-Nachricht wie: "Hey, erstelle einen Vorschlag." Nun, jetzt bekommen wir die Ergebnisse. Ich benutze hier ein anderes Modell, nur um zu zeigen, dass Sie beliebige Modelle verwenden können. In diesem Fall ist es jetzt Claude Sonnet 4.5. Obwohl Gemini 3 zum Zeitpunkt dieses Videos ein wirklich gutes Modell ist. Sie müssen nicht unbedingt die besten, modernsten Modelle für diese Informationen verwenden. Und Sie sehen, es hat meine Anfragen immer noch interpretiert und verstanden. Es fragt mich sogar nach einer Menge Informationen. Wie Sie sehen, haben wir strukturierte Informationen, Anrufprotokoll oder schnelle Details. Ich könnte also tatsächlich ein Anrufprotokoll bereitstellen, oder ich könnte es meine Fireflies oder was auch immer überprüfen lassen. In diesem Fall gebe ich Ihnen ein sehr kurzes Unternehmensprofil. Dies ist ein echter Kunde, aber ich werde alle Namen und so weiter schwärzen, damit wir einen Vorschlag generieren können, der tatsächlich Sinn ergibt.

Okay. Und ich habe gerade eine Menge übergeordneter Informationen kopiert und eingefügt. Ich werde sie einfach eingeben und Enter drücken. Obwohl, hoffentlich sehen Sie die verschiedenen Möglichkeiten, wie Sie diese Informationen eingeben könnten. Sie könnten es einfach über einen Anruf tun. Sie könnten einfach einige übergeordnete Basisdetails angeben, was auch immer. Es nimmt jetzt all diese Informationen auf und generiert tatsächlich einen Vorschlag basierend auf meinen Anweisungen. Wie Sie hier sehen, haben wir jetzt eine Pandoc-Vorschlagsaufgabenliste. Es wird also damit beginnen, die Probleme und Vorteile zu erweitern. Der Grund, warum ich dies entwickelt habe, ist, dass ich oft ein sehr übergeordnetes Verständnis dessen, was der Kunde will, in meinem Kopf speichere. Ich bin also buchstäblich bei Verkaufsgesprächen und sage einfach: "Oh, Sie wissen schon, die Person möchte 45.000 an Kosteneinsparungen für eine beliebige Plattform." Was es tut, ist, es nimmt diese Informationen und erweitert sie basierend auf dem Kontext des Unternehmens. Es wird ein wenig Recherche über das Unternehmen betreiben und verstehen, was es benötigt, um etwas zusammenzustellen, das tatsächlich gut aussieht. Es wird dies gemäß meinem Tonfall und allem tun. Okay, es erstellt jetzt den Pandoc-Vorschlag. Es hat gerade eine riesige API-Anfrage für mich zusammengestellt und das völlig autonom getan. Ich sollte erwähnen, dass ich diese Informationen nicht tatsächlich in den übergeordneten Anweisungen eingeben musste. Ich habe ihm nur sehr kurze Anweisungen gegeben, wie: "Hey, ich möchte, dass du Vorschläge in Pandoc für mich erstellst und Folge-E-Mails sendest. Könntest du mir eine Direktive dafür erstellen?" Es sendet jetzt eine Folge-E-Mail. Es tut dies mit einem MCP- oder Model-Context-Protocol-Tool, das ich installiert habe. Und jetzt sendet es mir eine Nachricht: "Hey, wir haben erfolgreich einen Vorschlag erstellt. Wir haben auch eine Folge-E-Mail mit einer vierteiligen Implementierungsaufschlüsselung gesendet." Also klicke ich einfach darauf, öffne dieses Ding, und wie Sie sehen können, haben wir den Vorschlag. Nun, ich sollte erwähnen, dass es nicht alles in diesem Vorschlag produziert hat. Ich hatte hier eine Vorlage eingerichtet. Also hat es all die Dinge in Gelb ausgefüllt. Und dies ist nur eine Vorschlagsvorlage, die ich für verschiedene Zwecke verwendet habe. Und wie Sie sehen können, hat es meine sehr übergeordneten Details übernommen und dann einen coolen Vorschlag geschrieben.

Systeme sind von Natur aus hochgradig hebelwirksam, aber dieser Hebel kann entweder für Sie oder gegen Sie arbeiten. In Ihrem Fall gibt es ein paar kleine, hartnäckige Probleme, die derzeit das Wachstum beeinträchtigen. Sie geben derzeit etwa 50.000 US-Dollar pro Jahr für Outreach und Apollo aus. Veraltete Tools sind für eine andere Ära des Vertriebs gebaut. Die Plattformen sind teuer, sperrig, sprechen nicht miteinander, und jeder Dollar, den Sie hier ausgeben, ist ein Dollar, der wieder in Wachstum reinvestiert werden könnte. Stattdessen ist er in aufgeblähten Unternehmensverträgen gebunden, die keinen proportionalen Wert liefern, richtig? Ich meine, offensichtlich ist der Prompt: "Hey, schreibe diesen wertbasierten Text. Sprich über Einsparungen und so weiter und so fort." Wir machen dasselbe für Lösungen. Wir haben offensichtlich eine Menge vorformatierter Informationen hier. Wir scrollen ganz nach unten. Sie sehen, wir haben auch den kleinen Investitionsbereich hier, der eine Menge Informationen darüber enthält, wie viel Geld sie im ersten, zweiten, dritten Monat und darüber hinaus bezahlen. Ich habe also einen hypothetischen Firmennamen und dann eine E-Mail-Adresse verwendet. Aber ja, diese Dinge funktionieren in echten Produktionskontexten. Ich benutze das ständig. Dies war ein weiteres System, das ich in etwa 15 Minuten entwickelt habe. Sehr übergeordnete Anweisungen. Sie geben ihm einfach einen kurzen Überblick. Sie informieren ihn über das Konzept der Selbstheilung, das ich später in diesem Kurs behandeln werde, und dann macht er Dinge, die tatsächlich wirtschaftlich wertvoll für Sie sind. Wir werden behandeln, wie man so etwas erstellt, im Rest des Kurses. Sie werden wissen, wie man einfache Workflows wie diesen in 15 Minuten erstellt und im Wesentlichen einen KI-Begleiter/KI-Mitarbeiter hat, der hinausgeht, Dinge für Sie erledigt und dann mit dem Ergebnis zurückkehrt, es über dem Kopf hochhält und Ihnen wie einem König präsentiert. Das ist ziemlich cool.

Okay, hoffentlich ist es klar. Diese Agenten sind nicht nur Chatbots. Sie sind im Grunde universelle Schnittstellen, die es Ihnen ermöglichen, Software zu steuern. Der Haken ist, dass im Hintergrund tatsächlich eine ganze Menge passiert, was Sie nicht gesehen haben. Wenn Sie einfach ChatGPT oder Claude Code öffnen und einen Prompt einfügen, der es bittet, das zu tun, was ich Ihnen gezeigt habe, wird es fast sicher fehlschlagen. Vielleicht nicht beim ersten Mal, aber es wird schließlich halluzinieren. Es wird in einer Schleife stecken bleiben. Es funktioniert vielleicht einmal am Anfang und schlägt dann beim zweiten oder dritten Mal fehl. Oder vielleicht sagt es Ihnen, dass es nicht auf eine Datei zugreifen kann oder irgendeinen anderen Randfallfehler, der auftritt. Wenn Sie also ein Hobbyist sind, ist das normalerweise in Ordnung. Und wissen Sie, eine Erfolgsquote von 50 % ist für Sie wahrscheinlich akzeptabel. Aber wenn Sie ein Unternehmen sind und ich weiß nicht, eine Million Dollar im Monat verdienen, ist das inakzeptabel. Sie können keinen Betrieb mit einer Million Dollar im Monat auf einem System führen, das nur die meiste Zeit funktioniert. Wenn es auch nur 2 % vermasselt, sind das nicht nur 2 % Ihres Umsatzes. Dieses Problem könnte Sie 100 % Ihres Umsatzes kosten. Überlegen Sie, was passiert, wenn Sie versuchen, einen Workflow mit solchen Agenten zu automatisieren, aber es geht darum, eine Rechnung zu senden oder so etwas, und Sie senden die falsche Rechnung an die falsche Person. Sie könnten buchstäblich einen riesigen Kundenvertrag verlieren. Wir brauchen also nicht nur die Fähigkeit, Dinge zu tun. Wir brauchen Zuverlässigkeit und Konsistenz. Im Grunde brauchen wir in Unternehmen ein System, das jedes Mal genau so funktioniert, wie wir es erwarten. Um dies zu erreichen, müssen wir eine Struktur um das Modell herum aufbauen, die es zwingt, zuverlässig zu sein, worüber ich als Nächstes mit Ihnen sprechen werde.

Das Problem wird wirklich als Stochastizität bezeichnet, was nicht-deterministische Ausgaben bedeutet. Wenn Sie ein LLM bitten würden, Leads von LinkedIn zu scrapen, könnte es beim ersten Mal funktionieren, aber beim zweiten oder dritten Mal kann es auch fehlschlagen. Beim vierten Mal kann es eine völlig andere Aufgabe halluzinieren. Und beim fünften Mal kann es sagen: "Entschuldigung, das verstößt gegen die Vorschriften" oder so etwas. Um es kurz zu machen, dies ist nichts, was für die vordefinierte Geschäftspipeline, die ich Ihnen gerade gezeigt habe, zuverlässig genug ist. Der Grund dafür ist, dass selbst eine Fehlerrate von 1 % im Geschäft zu einer Umsatzreduzierung von 50 % oder mehr führen kann. Dies ist keine akademische Theorie. Es ist nicht nur ein Wirtschaftslehrbuch. Das ist das echte Leben. Wenn Sie die falsche Rechnung versenden, selbst 1 % der Zeit, schaden Sie Ihrem Unternehmen nicht um 1 %. Sie könnten Ihre gesamte Kundenbasis komplett zerstören. Und da LLMs probabilistisch sind, d. h. sie erraten das nächste Token, und die Geschäftslogik deterministisch ist, was bedeutet, dass Sie im Grunde jedes Mal das exakt gleiche Ausgabeformat benötigen, stehen die beiden im Widerspruch. Wenn Sie versuchen, ein LLM alles machen zu lassen, also Planung, Werkzeugnutzung, Ausführung, Formatierung, was auch immer, dann potenziert sich die Fehlerrate. Eine gute Möglichkeit, dies zu betrachten, ist, wenn jeder Schritt eine Erfolgsquote von 90 % hat, dann ist eine Aufgabe mit fünf Schritten mathematisch 0,9 hoch 5 = 0,59. Um das alles für Sie zu dekonstruieren. Das bedeutet nur, dass diese Aufgabe, bei der jeder einzelne Schritt mit hoher Wahrscheinlichkeit erfolgreich sein mag, netto nur eine Erfolgsquote von 59 % hat, was für jeden echten Geschäftsbetrieb völlig inakzeptabel ist.

Okay, um dies zu beheben, versuchen wir nicht nur, das LLM intelligenter zu machen. Was wir tun, ist, dass wir die Architektur um das LLM herum grundlegend ändern und die integrierten Coding-Tools des LLM nutzen, um einen Teil der Schwerstarbeit für uns zu erledigen. Anstatt also ein LLM zu bitten, etwas direkt zu tun, werden wir es einfach bitten, ein standardisiertes Stück Code zu erstellen, um diese Sache zu tun, was philosophisch dasselbe ist, was die Leute vor 30 bis 40 Jahren getan haben. Es gibt keinen Unterschied. Dann verwendet es einfach den Code, den es geschrieben hat, um die Aufgabe selbst auszuführen. Dies reduziert die Flexibilität der Ausgaben erheblich und ermöglicht es Ihnen, das zu nutzen, worin KI fantastisch ist, nämlich Code, denn dafür entwickeln die Leute KI, während sie minimieren, worin sie schlecht ist, nämlich zuverlässige, vorhersehbare Abläufe.

Okay, wie machen wir das? Nun, um dies zu erreichen, müssen wir die Arbeit des LLM in drei verschiedene Ebenen aufteilen. Die erste ist die Direktiven-Ebene. Die zweite ist die Orchestrierungs-Ebene und die dritte ist die Ausführungs-Ebene. Das Tolle daran ist, dass dies die exakt gleiche Struktur ist, die von vielen sehr erfolgreichen menschlichen Organisationen verwendet wird. Sie haben einen Manager, der dem Direktiven entspricht, den Mitarbeiter, der dem Orchestrator entspricht, und dann die Werkzeuge, die der Ausführung entsprechen. Lassen Sie mich also die Struktur im realen Kontext erklären und warum die spezifische der Schlüssel ist, um meiner Meinung nach zuverlässige Agenten zu erschließen.

Wie sehen diese drei Ebenen also tatsächlich aus? Nun, so visualisiere ich sie normalerweise. Wir beginnen von oben, was Ihre Direktiven-Ebene ist. Nun, diese beinhalten Workflows, SOPs. Für Leute, die nicht wissen, was eine SOP ist, das steht einfach für Standard Operating Procedure (Standardarbeitsanweisung). Und im Wesentlichen schreiben wir all diese in einer formatierten Textform auf, die in unserem Fall Markdown sein wird. Und die Besonderheiten von Markdown sind nicht super wichtig, wenn Sie nicht wirklich sicher sind, was das bedeutet. Im Wesentlichen ist es nur eine Möglichkeit, Text zu formatieren und eine gewisse Struktur hinzuzufügen, ohne eine Menge Tokens zu verbrauchen. Und was diese sind, sind übergeordnete Anweisungen, die einen späteren Orchestrator einfach durch den Prozess führen. Ich meine, ein Beispiel könnte ein Rezept sein, richtig? Sie suchen nach einem Rezept, wie man, ich weiß nicht, Tofu oder so etwas macht. Und Schritt eins besagt: Geben Sie Sojasauce, Essig und was auch immer in einen Behälter. Dies sind übergeordnete Anweisungen, aber sie beschreiben nur, was der Agent tun wird, und definieren Leitplanken, die ein Agent später nach eigenem Ermessen wählt.

Also, übergeordnete Anweisungen sind, wo Direktiven ins Spiel kommen. Von dort aus brauchen wir natürlich etwas, das diese übergeordneten Anweisungen tatsächlich aufnimmt und dann darüber nachdenkt. Und da kommt Ihr KI-Agent ins Spiel. Nun, Sie bemerken, dass ich auch /Mitarbeiter hier geschrieben habe. Warum? Der Grund dafür ist, dass dies tatsächlich eine sehr ähnliche Struktur ist, wie die meisten großen Organisationen arbeiten. Die meisten großen Organisationen haben übergeordnete Direktiven, die als Workflows oder SOPs in natürlicher Sprache geschrieben sind. Und dann ist ein Mitarbeiter dafür verantwortlich, diese zu verdauen und in umsetzbarere Aufgaben umzuwandeln. Aber anyway, in unserem Fall, für unsere Zwecke, da kommt unser kleiner KI-Agent ins Spiel.

Also, unser KI-Agent durchläuft im Grunde eine Schleife der Entscheidungsfindung. Und so wird er lesen, wenn wir hier nach rechts gehen, wird er unsere Direktive lesen. Dann wird er eine Aktion auswählen. Dann wird er die genannte Aktion ausführen und dann die Ergebnisse bewerten. Diese gleiche Schleife wurde bereits millionenfach anders genannt. Ich werde es bei "lesen, auswählen, ausführen und bewerten" belassen. Aber solange Sie verstehen, dass es eine sequentielle Reihe von Schritten gibt, die jeder Software-Agent befolgen wird, wissen Sie mehr als genug. Machen Sie sich keine zu großen Sorgen über verschiedene Konventionen oder Akronyme oder was auch immer. Das sind keine Dinge, die Ihnen tatsächlich helfen, Geld zu verdienen und zu verstehen.

Okay. Diese KI-Agenten durchlaufen diese Entscheidungsfindungs-Schleifen. Sie koordinieren und sind für das ultimative Aufgabenmanagement verantwortlich. Sie funktionieren sehr ähnlich wie vielleicht ein mittlerer Manager oder so etwas. Sobald Sie entschieden haben, was als Nächstes zu tun ist, müssen Sie es ausführen, und da kommt die Ausführungs-Ebene ins Spiel. Und so gehen die KI-Agenten/Mitarbeiter in Ihrem Unternehmen hinaus und wählen bestimmte Werkzeuge aus, normalerweise Werkzeuge, die sie bereits entwickelt haben, oder sie schreiben Werkzeuge in Form von Python-Skripten. Zumindest das ist meine Empfehlung. Sie können eine Vielzahl von Sprachen dafür verwenden, aber Python-Skripte sind in der Regel am besten, einfach weil Python die Sprache ist, auf der die meisten dieser großen Sprachmodelle ursprünglich trainiert wurden. Es gibt eine Fülle von Python-Code da draußen, und Python wird auch als künstliche und synthetische Daten für viele davon verwendet. Sie funktionieren also tendenziell sehr gut mit Python. Und dann produzieren diese eine Art Ausgabe. Okay, das ist die Ausgabe. Ich weiß nicht, es könnten vielleicht einige Zahlen sein, es könnten, ich weiß nicht, einige Zeichenketten sein, was auch immer der Zweck dieses Python-Skripts ist. Im Beispiel, das ich Ihnen gezeigt habe, könnte es ein Lead sein, es könnte ein PDF sein. Und dann schleift diese Information zurück zum Orchestrator, dem Agenten, der dann die Ergebnisse liest und dann tatsächlich entscheiden kann, ob er nach oben geht und die Direktive selbst manipuliert.

Sie können sich diesen Orchestrator also wie einen Klebstoff vorstellen. Nun, jeder hier, der zuvor mit traditionellen No-Code- oder Low-Code-Plattformen gearbeitet hat, dieser Orchestrator funktioniert sehr ähnlich wie Make oder Nanonets oder Zapier oder eine dieser Plattformen. Alle diese Drag-and-Drop-Plattformen im Grunde genommen früher und jetzt sind nichts weiter als Klebstoff, der Geschäftslogik durch Knoten leitet und es Ihnen dann ermöglicht, zu wählen, in welche Richtung diese Dinge gehen, basierend auf vordefinierter Logik. Und so ist der Orchestrator in diesem Fall die Make- und Zapier-Lindy-Gum-Loop-Flow. Es ist nur, dass wir jetzt die Orchestrierung durch KI-Agenten ersetzen.

Agenten sind also im Grunde die Router und sie sind dafür verantwortlich, zu entscheiden, was wann zu tun ist. Was hier wirklich wichtig ist, ist, dass in der Direktiven-Ebene kein Code oder irgendein ausführbares Programm geschrieben ist. Die Direktiven-Ebene ist buchstäblich nur eine Menge natürlicher Sprach-Prompts. Wenn ich SOPs sage, meine ich buchstäblich SOPs. Es sind genau die gleichen Standardarbeitsanweisungen, die Sie in jedem Unternehmen finden würden, weshalb dies so wertvoll ist. Wenn Sie den DO-Ansatz verfolgen, könnten Sie buchstäblich eine bereits vorhandene Liste aller Standardarbeitsanweisungen in einem Unternehmen nehmen und sie einfach in Ihre IDE ziehen und fallen lassen, und zack, Sie haben bereits eine der drei Hauptschichten hier erreicht. Buchstäblich nur eine Liste von Dingen zu tun. Sie können dies dann einem Agenten zuführen, den Agenten verfeinern lassen und ihn dann in Listen von umsetzbaren Werkzeugen umwandeln, solange Sie Dinge wie API-Schlüssel, Konnektoren usw. bereitgestellt haben, was viel einfacher ist, als es klingt.

Ich weiß nicht, ob Sie jemals das beliebte Videospiel Minecraft gespielt haben, aber wenn nicht, sind Sie im Grunde dieser Charakter, und dann gibt es viele Blöcke um Sie herum, und Sie beginnen das Spiel, indem Sie einfach einen Block schlagen, und dann gibt der Block etwas Holz oder so etwas aus. Und wenn Sie im Spiel fortschreiten, können Sie eine Menge Holz in Ihr Inventar aufnehmen und es schließlich in bestimmten Formen zusammenfügen und dann, anstatt einen Block mit Ihrer Hand wie ein Barbar schlagen zu müssen, können Sie sich irgendwie eine Art Beil bauen. Und es beginnt als Holzbeil, aber dann können Sie immer mehr dieser Holzblöcke abbauen und schließlich das Beil verstärken und anfangen, Stein oder so etwas abzubauen. Ich verhunze das offensichtlich. Jeder hier, der dieses Spiel tatsächlich in irgendeinem Maße gespielt hat, sollte es wissen. Mann, es ist eine Weile her, seit ich den Enderdrachen oder was auch immer bekämpft habe. Aber um es kurz zu machen, ich möchte, dass Sie Werkzeuge wie einen Charakter in Minecraft betrachten. Sie beginnen mit absolut nichts in Ihrem Ausführungsordner. Alles, was Sie tun, ist, übergeordnete Anweisungen zu geben, und dann wird der Agent tatsächlich Dinge wie, wissen Sie, eine Spitzhacke herstellen. Dann wird er Dinge wie, ich weiß nicht, ein Beil herstellen. Er wird Dinge wie, ich weiß nicht, ein Schwert oder eine Rüstung herstellen. Und was wirklich cool ist, ist, dass er, sobald er diese hergestellt hat, zurückgehen und sie verstärken und dann aufrüsten kann. Und schließlich können Sie zu Ihrer kleinen Diamantbefestigung oder was auch immer gelangen, wo Ihre Sachen wirklich, wirklich gut sind. Sie können, wissen Sie, einmalige Endpunkte durch Bulk-Endpunkte oder Batch-Endpunkte ersetzen. Sie können den Code ökonomisieren, so dass er eine Million Mal schneller läuft als ursprünglich. Sie können von einer Big O von N Quadrat bis zu einer O von N oder so etwas gehen. Das Potenzial ist ziemlich unglaublich, und sobald Sie diese Umgebung aufgebaut haben, wird das Ökosystem immer besser und besser.

Eine andere Möglichkeit, dies zu betrachten, ist, ich weiß nicht, eine Art Höhlenmensch, sagen wir in prähistorischer Zeit. Das ist Herr trauriger Höhlenmensch, weil er nichts hat und da ist ein großer Säbelzahntiger, und ich kann beim besten Willen keinen Säbelzahntiger zeichnen. Ich glaube nicht einmal, dass ich es versuchen werde. Mein Gott, das ist ungefähr so schlimm, wie ich es mir vorgestellt habe. Es sieht mehr nach Minecraft aus als nach allem anderen. Nun, ein Säbelzahntiger greift ihn beim ersten Mal an. Was wird er tun? Er wird versuchen, ihn zu schlagen. Er wird einen Stein auf dem Boden finden. Er wird ihn werfen. Nicht all diese Dinge werden hyperwirksam sein, richtig? Was er tut, ist, ich weiß nicht, er geht und macht einen Speer. Wenn Sie das nächste Mal einen Säbelzahntiger sehen, was werden Sie tun? Sie werden den Speer aufheben. Sie werden ihn benutzen, richtig? Wenn Sie dies immer wieder tun, wird Ihr Speer besser, stärker verstärkt. Er wird fähiger werden. Das ist also in Kürze eine gute Analogie dafür, was hier wirklich vor sich geht, besonders in einer selbstheilenden Situation.

Warum tun wir all das? Wir tun all das, um die inhärent probabilistische Natur großer Sprachmodelle einzudämmen. Dies ist ein Diagramm, das ich tatsächlich von einem großen Sprachmodell erstellen ließ. Und im Grunde auf der linken Seite ist die Art und Weise, wie die meisten Leute diese Dinge sehen. Und das ist der Grund, warum Agenten bis vor kurzem nicht wirklich in irgendeinem realen Geschäftsszenario eingesetzt werden konnten. Dies liefert ein unsicheres Ergebnis. Und obwohl es viel flexibler ist, wie Sie sehen können, gehen diese Pfeile irgendwie überall hin. Letztendlich wollen Sie im Geschäft keine Flexibilität. Im Geschäft wollen Sie Determinismus. Sie wollen eine sehr einfache und leicht interpretierbare Liste von Regeln, bei der, wenn eine Eingabe hier hereinkommt, wir sie basierend auf einem Filter, den wir haben, weiterleiten. Und so nehmen wir die inhärent flexible, probabilistische Natur von LLMs und nutzen sie, um eine Menge deterministischer Pipelines zu erstellen, und dann ruft es einfach die spezifische Pipeline auf, die es möchte, und macht sie im Laufe der Zeit immer besser.

Der letzte wichtige Punkt, den ich machen werde, ist Geschwindigkeit. Die historische Art und Weise, wie Sie Dinge erledigen, indem Sie LLMs mit einer Art eingebautem Werkzeug wie HTTP-Anfragen oder was auch immer aufrufen, ist sehr langsam. Aber wenn Sie Werkzeuge verwenden, können Sie sehr schnell vorgehen. Ich meine, nur als Beispiel, stellen Sie sich vor, Sie geben eine Liste von 10 Elementen in ein LLM ein und sagen: "Hey, ich möchte, dass Sie, ich weiß nicht, diese umgekehrt sortieren oder so etwas." Ich möchte im Grunde, dass Sie diese alphabetische Liste nehmen und das tun. Ich möchte, dass Sie alle Buchstaben nehmen und sie umkehren. Wenn Sie dies innerhalb eines großen Sprachmodells tun würden, müsste es eine enorm große Matrix von Arrays und Matrizen berechnen, um die einfache Aufgabe des Umkehrens oder Umkehrens dieses Arrays zu erledigen. Während Sie ein spezifisches Werkzeug wie in Python dafür erstellen könnten, könnten Sie dies praktisch augenblicklich tun. Die Größenordnung der Zeit, die für die obere Aufgabe benötigt würde, unter Verwendung eines LLM, und die untere Aufgabe, unter Verwendung eines Werkzeugs, ist etwa 10.000 Mal, wenn nicht 100.000 Mal. Ganz zu schweigen davon, dass Sie auch keinen Token-Verbrauch haben, was dies, obwohl nicht effektiv, nicht wirklich kostenlos macht, da Sie Ihre CPU und vielleicht eine Art Server verwenden werden, wenn Sie dies woanders hosten möchten, wird es effektiv kostenlos sein im Vergleich dazu, wie viel Zeit, Energie und Ressourcen aufgewendet werden, um dumme Anfragen wie diese mit LLMs durchzuführen.

Nun, da Sie auf hoher Ebene verstehen, wie die dreischichtige Softwarearchitektur funktioniert, lassen Sie mich Sie durchlaufen, wie sie genau in Ihrer integrierten Entwicklungsumgebung aussehen wird. Erinnern Sie sich, wie ich Ihnen vorhin das Beispiel für das Scrapen von Leads gezeigt habe, und ich habe einen Großteil der zusätzlichen Ordnerstruktur und so weiter versteckt? Der Grund dafür ist, dass dies Dinge sind, die spezifisch für die Entwicklungsumgebung sind, die Sie verwenden. Aber unabhängig von der von Ihnen verwendeten Entwicklungsumgebung werden Sie immer die folgenden Ordner haben. Nennen wir dies einfach unseren Arbeitsbereich und stellen Sie sich vor, dies ist ganz oben. Es ist nur der große Ordner, der alle anderen Ordner enthält. Die Ordner, die Sie benötigen, um dies auf diese Weise zu erledigen, sind ein "Directives"-Ordner und dann ein "Execution"-Ordner. Und innerhalb von "Directives" werden all unsere SOPs leben. Ich nenne das einfach SOP1.md, SOP2.md. Innerhalb Ihres "Execution"-Ordners werden all Ihre ausführbaren Dateien leben. Also, ich weiß nicht. Es wird so etwas sein wie scrape_leads.py. .py ist nur das Ende eines Python-Skripts. Vielleicht wird es, ich weiß nicht, enrich_leads.py sein.

Wir haben hier nur "Directives" und "Execution". Beachten Sie, dass wir den Orchestrator nicht haben. Der Grund dafür ist, dass der Orchestrator das LLM ist. Und das LLM ist sozusagen das Ding, wissen Sie, das große Galaxien-Gehirn, das die Direktiven liest, sie mit spezifischen ausführbaren Dateien verknüpft, sie ausführt, sie also tatsächlich in einer Art Terminal-Eingabeaufforderung ausführt, und dann schleift es einfach hin und her und hin und her, immer und immer wieder. Wenn Sie verstehen können, was ich Ihnen hier auf hoher Ebene gezeigt habe, ohne die Programmierkonzepte oder irgendetwas anderes zu verstehen, können Sie einen sehr guten agentenbasierten Workflow erstellen.

Das ist also das DOE- oder DO-Framework. Direktiven sind Ihre SOPs. Das ist das Was, die Absicht, das Ziel, die Verhaltensregeln. Orchestrierung ist Ihr Agent, das ist das Wer. Das ist der Entscheider, der Router. Und dann ist Ausführung Ihr Code, das ist das Wie. Und das ist die zuverlässige, deterministische Maschinerie. Sie läuft jedes Mal gleich. Sehr wertvoll für Unternehmen. Indem wir die Schwerstarbeit auf diese deterministischen Python-Skripte, die Ausführung, verlagern und die Anweisungen in Markdown, den Direktiven, klar halten. Wir lassen das LLM das Einzige tun, worin es wirklich gut ist, nämlich ein sehr intelligenter Router zu sein. Das löst ein Zuverlässigkeitsproblem, was bedeutet, dass Ihre Skripte im Grunde jedes Mal auf die gleiche Weise laufen, weil ein Python-Skript nicht halluziniert. Es funktioniert entweder oder es gibt einen Fehler aus. Und wenn es einen Fehler ausgibt, können wir ihn abfangen. Alles, was Ihr Agent tun muss, ist zu entscheiden, wann er die Sache ausführt.

Derzeit werden die allermeisten agentenbasierten Workflows in einer integrierten Entwicklungsumgebung oder IDE erstellt. Ich habe bereits ein wenig über Anti-Gravity gesprochen, und das liegt außerhalb des Rahmens unseres Kurses, aber ich bin sicher, dass zukünftige Agenten-Workflow-Builder Dutzende verschiedener Eingabemethoden und Möglichkeiten zum Erstellen enthalten werden, die nicht in einer Terminal-Umgebung stattfinden. Aber Anti-Gravity ist nicht die einzige verfügbare IDE. Und ich möchte Ihnen eine kurze Liste durchgehen. Aber im Moment erstellen wir sie über IDEs. Es lohnt sich also, ein paar Momente damit zu verbringen, die Benutzeroberfläche kennenzulernen und dann auch darin geübt zu werden, bevor wir tatsächlich mit der Einrichtung des Direktiven-Orchestrierungs- und Ausführungs-Frameworks beginnen. Was ich als Nächstes tun werde, ist, ich werde aufschlüsseln, wie die meisten IDEs funktionieren, nur damit Sie damit aus der Vogelperspektive vertraut sind, und dann auch ein paar der Werkzeuge, die wir verwenden werden, und danach lernen wir die Selbstheilung, bevor wir sie tatsächlich alle in einer realen Umgebung einrichten. Übrigens, wenn Sie bereits Entwickler sind oder verstehen, wie IDEs funktionieren, können Sie diesen Abschnitt überspringen und zum nächsten übergehen. Und ich sollte erwähnen, dass ich Ihnen keine akademische oder lehrbuchmäßige Definition geben werde, wie eine IDE funktioniert. Wir werden uns einfach aus einer sehr praktischen Perspektive damit beschäftigen, d. h. was Sie tatsächlich wissen müssen, um dort draußen Workflows zu erstellen und damit Geld zu verdienen. Wenn Sie eine viel tiefere Überprüfung wünschen, gibt es eine Vielzahl von Ressourcen. Im Grunde jede bekannte IDE. Suchen Sie einfach nach dem Namen der IDE und dann nach dem Wort "Tutorial", und der Dienst, der das System erstellt hat, wird eines bereitstellen.

Als Nächstes habe ich einen kurzen Überblick über eine typische integrierte Entwicklungsumgebung für Sie. Und ich werde dies für zwei IDEs tun. Die erste IDE ist diese hier, Anti-Gravity. Und die zweite IDE ist diese hier, die Visual Studio Code heißt. Ich wollte Ihnen beide zeigen, weil Anti-Gravity sicherlich der neuere Hit auf dem Markt ist. Ich glaube, sie wurde gerade letzte Woche veröffentlicht. Aber Visual Studio Code hat eine viel größere Benutzerbasis. Viel mehr Leute sind daran gewöhnt. Unabhängig davon werden Sie sehen, dass die Konzepte sehr ähnlich sind und sie sich im Grunde eins zu eins entsprechen.

Beginnen wir oben links in Anti-Gravity. Wie Sie hier sehen, haben wir diesen Dateiexplorer, auf den ich bereits verwiesen habe. Dieser Dateiexplorer ist sehr ähnlich wie der grundlegende Dateiexplorer auf Ihrem Mac oder PC. Nur eine Möglichkeit, Dateien zu organisieren. Um auf diese Dateien zuzugreifen, müssen Sie einen bestimmten Ordner auf Ihrem Computer öffnen. Und wenn Sie gerade eine Anti-Gravity-IDE oder eine Visual Studio Code-Sache gestartet haben, müssen Sie tatsächlich einen Ordner erstellen oder öffnen, um auf das zuzugreifen, was wir hier sehen. In meinem Fall habe ich diesen Arbeitsbereichsordner geöffnet, und deshalb sehe ich, was ich auf der linken Seite sehe. Darin habe ich diesen aagent.claude.ve und dann habe ich meine Direktiven, Ausführung, tmp, und das ist nur der Kurs, den ich gerade für Sie aufnehme, sowie einige zusätzliche Dateien. Die Besonderheiten der Dateien sind wieder nicht sehr wichtig, da ich möchte, dass dies programmierunabhängig ist, je nach Ihrem Hintergrund oder was auch immer. Sie werden wissen, was einige davon bedeuten und andere nicht. Das ist in Ordnung. Ich möchte, dass Sie wissen, dass all diese Dinge komplett automatisch gemacht wurden. Ich habe nicht wirklich Kontrolle ausgeübt, um die Struktur zu wählen. Das ist nur etwas, das der Agent nach der Überprüfung effektiver Softwarearchitekturen und so weiter entwickelt hat.

Die Dinge, die für uns letztendlich wichtig sind, sind der Direktiven-Ordner hier und dann der Ausführungs-Ordner hier. Nun, da Sie einen Überblick auf hoher Ebene haben, achten Sie genau auf ein paar Dinge. Verschiedene Dateitypen haben typischerweise unterschiedliche Grafiken und so weiter. Sie haben auch unterschiedliche Dateiendungen. Und so hat eine Markdown-Datei zum Beispiel, wenn ich auf meine "scrape leads" klicke, dieses kleine M mit einem Pfeil nach unten und dann ist es .md, richtig? Das Python-Skript hingegen, Sie werden sehen, dass es eine Menge Farben ändert und dann dieses kleine Ding hat, das soll ein Python mit API am Ende sein. Und so oberflächliche Informationen hier, aber Sie sehen bereits, dass es deutlich mehr Struktur im Code gibt. Es ist fast wie ein Regenbogen im Vergleich zu, wissen Sie, der Markdown-Direktive. Und das liegt einfach daran, dass es im Code viel mehr Datentypen gibt, die man im Auge behalten muss. Zum Beispiel sind grüne Farben Kommentare. Blau könnten Variablendefinitionen sein. Lila könnte eine Art Logik sein und so weiter. Sie müssen das alles nicht wirklich wissen. Aber wenn die meisten Leute neu in IDEs und Programmierung sind und sie eine dieser Sachen herunterladen und herumstochern, sind sie wirklich überfordert, weil es einfach super kompliziert aussieht.

Okay, cool. Also wählen wir offensichtlich Dateien auf der linken Seite aus. Dann öffnen wir sie in der Mitte. Das ist also etwas, das es wert ist, sich anzusehen. Sie haben jeweils einen offenen Picker, aber Sie können tatsächlich so viele öffnen, wie Sie möchten. Öffnen Sie einfach zur Seite diese, öffnen Sie zur Seite diese und so weiter, und es wird ziemlich eng. Sie könnten die gleichen Tastenkombinationen verwenden, die Sie normalerweise auf, ich weiß nicht, einer Chrome-Instanz oder so etwas verwenden. In meinem Fall halte ich einfach Command W gedrückt und dann kann ich tatsächlich offene Fenster löschen. Das ist ziemlich nützlich. Auf der rechten Seite, wenn wir uns ein wenig bewegen, sehen Sie, dass es tatsächlich eine Übersicht auf oberster Ebene Ihres Codes gibt. Das ist geringfügig nützlich. Ich glaube, das ist ursprünglich eine VS-Code-Funktion, und jetzt haben es praktisch alle Plattformen übernommen, einfach weil man manchmal sehr, sehr lange mit diesen großen Code-Dateien arbeiten kann. Dies ermöglicht es Ihnen, die Architektur auf einen Blick zu sehen und dann, ich weiß nicht, schnell durchzugehen und einen bestimmten Punkt im Code zu finden, den Sie möchten. Ich benutze das ehrlich gesagt nie, um das klarzustellen, aber ich möchte nur erklären können, was unter der Haube vor sich geht, so dass, wenn jemand super eingeschüchtert ist, Sie zumindest jetzt wissen, dass es auch hier oben einen Ordner-Picker gibt, der tatsächlich durchgeht und dann die spezifischen Ordner und wichtiger die Funktionen und Klassen anzeigt, in denen Sie sich befinden. Und so befinde ich mich tatsächlich in dieser "fetch campaign"-Funktion. Wenn ich zu "get API key" gehe, sehen Sie, dass sich dies jetzt zu "get API key" ändert. Ziemlich wild. Aber das ist mehr oder weniger, was wir tun. Wir erstellen einen Ordner, der eine Datei enthält. Und innerhalb dieser Datei gibt es fast eine Reihe von Unterordnern. Das sind nur Funktionen.

Okay. Das Gute an Python ist, dass es ziemlich lesbar ist. Nicht, dass Sie es jemals lesen müssten, aber es ist ziemlich lesbar, wenn Sie es jemals durchgehen wollen. Und wenn Sie das Richtige in Ihr gemini.mmd einfügen, was ich gleich behandeln werde, kommentiert es den Code tatsächlich recht gut. Sie können also zumindest einen Blick auf einen Teil des Codes werfen, wenn nötig, um ein grundlegendes Verständnis davon zu bekommen, was vor sich geht. Für Leute, die hier eher mit No-Code-Plattformen wie Nanonets oder Make vertraut sind, möchte ich, dass Sie sich alle Funktionsdefinitionen ansehen. Also "define get API key" und ich möchte, dass Sie das einfach wie einen einzelnen Knoten in einem Graphen behandeln. Das ist im Grunde das, was es ist. Dies ist also Ihr "get API key"-Knoten und vielleicht ist dieser hier Ihr "fetch campaign"-Knoten. Wissen Sie, dieser hier ist Ihr "extract sequences"-Knoten und so weiter.

fort. Es ist nur so, dass es anstatt nett und einfach und visuell von links nach rechts, offensichtlich hier von oben nach unten angeordnet ist, in einer Sprache, die die meisten Leute nicht nativ verstehen. Das ist also der Hauptnachteil im Moment. Aber wie ich bereits erwähnt habe, werden zukünftige Decoding-Plattformen mit ziemlicher Sicherheit alle Drag-and-Drop sein. Nun, speziell bei Anti-Gravitation, wenn wir zu dieser mittleren Tafel hier gehen, sehen Sie, dass es ein paar Optionen gibt. Wenn Sie Command und E gedrückt halten, öffnen Sie Ihren Agentenmanager. Ihr Agentenmanager ist im Grunde wie eine einmalige Chatbox, in der Sie mit einem Modell sprechen können, ohne sich durch, wissen Sie, Ihren gesamten Code und dergleichen wühlen zu müssen. Ich meine, er wird immer noch Ihren Code durchsuchen, aber dies nimmt im Grunde alles auf der rechten Seite und steckt es direkt in die Mitte, dann können Sie Fragen und Antworten machen. Sie können damit machen, was auch immer Sie wollen, was ziemlich nett ist. Sie können auch spezifische Agenten für verschiedene Zwecke erstellen, was ziemlich raffiniert ist. Und Sie können sogar Wissenselemente in Ihre Anti-Gravitationsinstanz einfügen, so dass, wenn es Dinge gibt, von denen Sie wissen, dass Sie sie speziell oft anfordern und ein Modell nicht wirklich kennen würde, wissen Sie, irgendwann wird das Modell dies tatsächlich einer Wissensdatenbank hinzufügen, so dass es ständig darauf zurückgreifen kann, bevor es Ihre Frage beantwortet. Oben haben Sie einen Posteingang. Dieser Posteingang enthält im Grunde alle Benachrichtigungen, die der Agent für Sie gemacht hat. Das ist etwas, das spezifisch für Anti-Gravitation ist und wirklich cool ist. Ich mag es wirklich. Es ist einer der coolen Teile daran, für den ich denke, dass viele andere IDEs noch aufholen müssen. Und es ist auch ein gutes Beispiel dafür, wie sich diese Plattformen mehr in Richtung agentenbasierter Zusammenarbeit bewegen, anstatt nur Code zu erstellen. Wenn Sie eine neue Konversation starten, starten Sie diese standardmäßig im Playground. Der Playground ist einfach eine neue Konversionsinstanz, die nicht an einen bestimmten Arbeitsbereich gebunden ist. Aber wie Sie hier sehen, können Sie auch einen bestimmten Arbeitsbereich öffnen, den Sie zuvor mit einem Modell besprochen haben, wenn Sie möchten. Sie haben auch die Möglichkeit, neue Remote-Arbeitsbereiche zu öffnen. Dies eröffnet die Möglichkeit, später Dinge auf anderer Hardware zu tun, was ziemlich cool ist. Es gibt auch eine Browser-Nutzungsfunktion. Wie Sie hier sehen können, wenn ich immer zulassen klicke, wird es tatsächlich eine bestimmte Webseite anfordern, der ich Zugriff gewährt habe, und sogar Dinge wie DOM-Elemente, Document Object Model, für diejenigen von Ihnen, die nicht wissen, was das ist, einbeziehen, was Ihnen coole Browser-Automatisierungen ermöglicht. Dies ist meine Website hier, leftclick, und sie scrollt eine Seite, extrahiert Elemente, gibt mir im Grunde eine Menge Informationen. Ich habe einfach gesagt: Okay, gehe zu leftclick, sag mir, was darauf ist. Das ist ziemlich raffiniert. Und wenn Sie neu in dieser Funktion sind, gehen Sie einfach in die untere linke Ecke des Agentenmanagers, und Sie erhalten alles, was Sie dafür brauchen. Wir werden in diesem Kurs nicht so viel darüber sprechen, da es leider immer noch etwas wackelig ist. Funktioniert vielleicht nur 70-80% der Zeit. Sicherlich nicht gut genug für echte Unternehmensanwendungen, aber es ist ziemlich cool und ein Hinweis darauf, wie schnell wir bald das meiste Internet nur noch über Browser navigieren werden. Okay. Auf der linken Seite der Seite haben wir auch eine Code-Suchfunktion. Das ist ziemlich raffiniert, denn anstatt Code zu durchsuchen, können Sie tatsächlich einfach in natürlicher Sprache suchen. Wenn ich zum Beispiel das Wort Orchestrierung eingebe, sehen Sie, dass das oberste Ergebnis von einer gemini.md-Datei stammt. Und das ist eine Datei, in der ich dem Agenten Anweisungen auf hoher Ebene gebe, um ihn im Grunde zu leiten, was er tun soll, jedes Mal, wenn er initialisiert wird. Ich werde später darauf eingehen, aber im Wesentlichen kann ich alle Instanzen eines bestimmten Wortes finden. Das ist offensichtlich ziemlich nützlich, wenn Sie eine große Basis von agentenbasierten Arbeitsabläufen durchsuchen. Diese nächste Funktion hier heißt Quellcodeverwaltung. Nun, ich spreche in diesem Video oder Kurs nicht viel über Quellcodeverwaltung, weil sie für die meisten Leute hier, die keinen Programmierhintergrund haben, einfach nicht sehr relevant ist. Aber im Wesentlichen gibt es Möglichkeiten, was als Repository bezeichnet wird, zu instanziieren, was nur eine Möglichkeit ist, verschiedene Datenaktualisierungen zu speichern und dann zu kontrollieren. Es ist sehr beliebt, wenn Sie ein Programmierer sind, da es mehreren Personen ermöglicht, gleichzeitig an demselben Repository zu arbeiten, ohne Dinge zu vermasseln, was, wie ich sicher bin, Sie sich vorstellen können, in der alten Softwarearchitektur passiert, wo selbst ein einzelnes Semikolon an einer Stelle oder was auch immer das Ganze zum Absturz bringen könnte. Danach haben Sie einen Tab "Ausführen und Debuggen". Ich benutze das persönlich nie. Dann gibt es einen Remote-Explorer, der dazu dient, wenn Sie sich mit einer Vielzahl anderer Server oder so etwas verbinden, können Sie diese Informationen tatsächlich hier anzeigen, was ziemlich raffiniert ist. Danach haben Sie Erweiterungen. Erweiterungen sind ziemlich beliebt. Es gibt eine Vielzahl von verschiedenen Erweiterungen für eine Vielzahl von verschiedenen Zwecken. Sie können also Docker, Markdown-Linting herunterladen. Sie können Go machen, Sie können Sprachunterstützung für Java machen, wenn Sie eine andere Programmiersprache verwenden. Das sind alle, die ich hier installiert habe. Und dann unten die, die zur Installation empfohlen werden. Und schließlich haben Sie unten das Testen. Diese kleine Flasche. Ich benutze das nicht wirklich. Meistens erstellt der Agent seine eigenen Tests als Teil des Prozesses. Das sind alles Dinge, die Softwareentwickler früher Tage zum Einrichten brauchten. Jetzt machen wir das im Grunde mit einem Knopfdruck, was unglaublich ist. Okay, obligatorisch. Wenn Sie in der oberen linken Ecke auf einem Mac gehen, finden Sie hier einige Anti-Gravitations-Einstellungen. So ziemlich die wichtigste Funktion hier ist die automatische Ausführung von Terminalbefehlen und dann diese Überprüfungsrichtlinie. Nun, ich bin hier eher ein Beschleuniger. Ich habe beides auf automatisch eingestellt. Also, das obere ist immer fortfahren, das untere ist Turbo. Im Wesentlichen, jedes Mal, wenn das Modell etwas tut, das normalerweise einen Shell-Zugriff oder Terminalzugriff erfordern würde oder etwas für Sie erstellt, haben Sie die Möglichkeit, es fragen zu lassen, ob Sie es überprüfen möchten oder autonom fortfahren möchten. Nun, ich möchte, dass mein System die ganze Arbeit für mich erledigt. Offensichtlich möchte ich nicht alle 5 Sekunden überprüft werden. Und so habe ich all diese auf autonom fortfahren eingestellt. Und ich stelle fest, dass, wenn ich das tue, der wirkliche Hebel einsetzt. Wenn Sie an Visual Studio Code von früher denken, Entschuldigung, dass ich hier von früher spreche, wir reden von ein paar Monaten mit Cloud Code oder was auch immer, eines der nervigsten Dinge überhaupt für mich war, wie ich es bat, etwas zu tun, und dann ging ich ein paar Minuten weg und kam zurück und stellte fest, dass es 5 Sekunden nachdem ich es gebeten hatte, etwas zu tun, mich bat, es zu überprüfen oder zu überprüfen, bevor es fortfuhr. Das ist viel verschwendete Zeit. Und so vertraue ich den meisten dieser Modelle in ihrem inhärenten Urteilsvermögen, solange ich ihnen einen ausreichend guten Rahmen zum Verwalten gebe. Also stelle ich normalerweise die Überprüfungsrichtlinie und die automatische Ausführung von Terminalbefehlen beide auf ein. Ich sollte anmerken, dass es einige Sicherheitsprobleme damit gibt. Erfahrene Programmierer, Informatiker, Sicherheitsexperten werden mich wahrscheinlich ansehen und sagen: Bist du verrückt? Aber wir treten in eine neue Ära ein, in der Agenten, die tendenziell deutlich mehr Autonomie haben, deutlich produktiver sind. Und ich bin glücklich, diesen Kompromiss einzugehen. Und das ist eine Übersicht über Anti-Gravitation. Okay, ich öffne Visual Studio Code. Ich werde das auf einer sehr hohen Ebene tun, weil Sie hoffentlich sehen, dass die Dinge ziemlich ähnlich sind. Sie haben hier einen Datei-Explorer. Also haben wir unsere Ordner, Direktiven und Ausführungsordner. Okay, es gibt eine Seite "Offene Editoren", die, wenn ich andere Editoren geöffnet hätte, ich sehen könnte. Wenn ich auf eine Datei klicke, öffnet sie sich nicht in der Mitte, sondern auf der rechten Seite, und das ist in Ordnung. Der Grund dafür ist, dass ich gerade meine kleine Cloud-Code- oder Terminal- oder agentenbasierte Workflow-Instanz nicht geöffnet habe. Sie ordnet sich also neu an, um dem, was Sie gewohnt sind, ähnlicher zu sehen. Nun, typischerweise, was Sie tatsächlich tun müssen, um dieses Ding zum Laufen zu bringen, ist, dass Sie eine agentenbasierte Plattform wie Cloud Code in Ihrem VS Code installiert haben müssen. Es ist nicht wirklich nativ oder wird nativ out of the box geliefert. Obwohl ich sicher bin, dass Cursor und andere Plattformen und so etwas das tun. In meinem Fall ist dies nun die Benutzeroberfläche für Cloud Code, und ich kann damit sprechen, genau wie ich mit dem Agenten in Anti-Gravitation sprechen würde. Super unkompliziert. Ich stelle nur fest, dass, es sei denn, Sie geben an, dass Sie mehr Denken sehen möchten, es nicht mehr Denken zeigen wird, was gut oder schlecht sein kann, wenn Sie möchten. Abgesehen davon ist im Grunde alles hier dasselbe. Okay, nur eine andere UX. Auf der linken Seite haben Sie Ihren Such-Tab, Sie haben Ihren Quellcodeverwaltungs-Tab. Dies ist Ihr Ausführungs- und Debugging-Tab. Hier sind Ihre Erweiterungen. Da ist Ihr Remote-Explorer. Da sind einige Agenten-Sitzungen, was ein lokaler Chat-Agent ist. Dies ist VS Code, das im Grunde versucht, mit Cloud Code zu konkurrieren oder Dinge wie Cloud Code zu tun. Sie haben Ihre Tests hier unten. Dann schließlich haben Sie dies ist eine benutzerdefinierte Erweiterung, die ich namens Cloud Code Chat erstellt habe, die im Grunde dasselbe tut wie das, was Sie hier auf der rechten Seite der Seite sehen. Wir sehen das also nur, weil Codierung noch ziemlich neu ist, richtig? Und deshalb haben die Leute noch keine endgültige Konvention dafür gefunden. Deshalb sehen Sie leicht unterschiedliche Layouts und UXs und so weiter. Großartig. Sie wissen jetzt alles, was Sie über eine IDE wissen müssen, um coole agentenbasierte Arbeitsabläufe zu erstellen. Lassen Sie uns weitermachen. Okay, Sie kennen jetzt die Ein- und Ausgänge der meisten IDEs. Herzlichen Glückwunsch. Lassen Sie uns zu selbstheilenden Arbeitsabläufen übergehen. In der Metallurgie, die im Grunde der Prozess und die Herstellung von Metallen ist, ist das Glühen ein Prozess, bei dem Sie das Metall erhitzen und dann langsam abkühlen lassen, um innere Spannungen zu entfernen und es stärker zu machen. Wenn Sie wirklich auf Animes stehen, fallen Ihnen wahrscheinlich viele alte Animes ein, in denen ein Typ ein glühend heißes Schwert in ein großes Wasserbecken taucht, wenn ich das sage. Und im Grunde erlaubt die Hitze den Atomen, sich in einer stabileren Struktur anzuordnen. Im Kontext von KI bedeutet selbstheilend, ein System aufzubauen, das jedes Mal stärker wird, wenn es versagt. Denken Sie also einen Moment darüber nach. Die meisten Automatisierungen, die zuvor erstellt wurden, sei es in Code oder mit einer Drag-and-Drop-Plattform wie Maker Nadn, wissen Sie, wenn in Ihrem Scraper ein Fehler auftritt, sagen wir, ein Button, den Sie auf einer Website abgreifen, bewegt sich oder vielleicht stellt die API fest, dass Sie scrapen und gibt einen 429 zurück, was ein Ratenbegrenzer ist, Ihre Automatisierung stürzt ab, der Prozess stirbt, und dann verlieren Sie viel Geld. Aber in einem selbstheilenden Arbeitsablauf sind diese Systeme antifragil. Und ich leihe diesen Begriff von diesem lieben Schriftsteller namens Nim Tibb, falls Sie es nicht wussten. Es ist ein großartiges Buch. Aber um es kurz zu machen, Antifragilität bedeutet im Grunde, dass ein System von Schocks profitiert. Genau wie das Schwert, das in kühles Wasser getaucht wird, profitiert das Schwert von dem Schock. Und auf die gleiche Weise werden unsere Systeme von Fehlern profitieren. In unserem Fall, wenn ein Fehler im Agenten auftritt, bedeutet ein selbstheilendes Framework, dass er nicht abstürzt. Er wird stattdessen pausieren. Er wird die Fehlermeldung lesen und dann den Code betrachten, der den Fehler verursacht hat, und dann wird er ihn hoffentlich beheben. Und dann, am wichtigsten, wird er sogar sowohl das Skript umschreiben, um den neuen Grenzfall zu behandeln, als auch die Direktive oder die Reihe von Anweisungen, um zukünftige Instanzen vor der Ratenbegrenzung zu warnen und sicherzustellen, dass sie sie zukünftig bewältigen kann. Dann wird er es erneut versuchen und dann wird es funktionieren. Das ist also der Unterschied zwischen einem Werkzeug wie vielleicht einem NAN oder einem Make.com-Workflow, bei dem Sie ständig auf Fehler aufpassen müssen, und dem, wozu wir uns entwickeln, nämlich der Idee eines KI-Mitarbeiters. Nun, im wirklichen Leben ist ein Mitarbeiter, der jedes Mal zu Ihnen kommt, wenn er auf ein Hindernis stößt, super nervig, richtig? Und das weiß ich aus Erfahrung. Ich hatte viele davon, aber ein Mitarbeiter, der auf einen Fehler stößt und dann die Fähigkeit hat, den Fehler zu beheben, dann in die Unternehmens-SOP-Datenbank zurückzugehen und sie zu aktualisieren, damit niemand anderes auf das Hindernis stößt, und dann vielleicht eine Schulung abzuhalten, die allen anderen im Unternehmen beibringt, wie man es vermeidet, ist ein verdammt guter Spieler, und das sind Leute, die man behalten will. Wir werden also eine Feedbackschleife implementieren, bei der Ihr Agent die Erlaubnis und die Fähigkeit hat, seine eigenen Direktiven und seine eigenen Ausführungsskripte basierend auf realem Feedback neu zu schreiben. Das ist die geheime Zutat. So bauen Sie ein System auf, das Sie wochenlang laufen lassen können. Wenn Sie dann zurückkommen, läuft es tatsächlich besser als als Sie es verlassen haben. Sehen wir uns an, wie das funktioniert. Okay, bevor wir die sehr hochrangige Direktive erstellen, die unseren Agenten selbstheilend macht und ermutigt, lassen Sie mich Ihnen eine kurze visuelle Demonstration der Konzepte zeigen, über die ich gesprochen habe. In der Metallurgie haben wir eine Menge chaotischer Atome. Dann treffen wir auf eine Art Glühflamme, tauchen sie in eine Art kalte Flüssigkeit, und dann erhalten wir eine wunderschön ausgerichtete Kristallstruktur. Das passiert tatsächlich in der Natur. Ich möchte, dass Sie unsere Systeme ganz ähnlich betrachten. Wir beginnen mit etwas Code, der tatsächlich gut sein kann oder auch nicht. Ich meine, diese KI-Systeme sind dafür bekannt, Ecken zu sparen, wo immer es menschlich möglich ist, aus Gründen der Token-Einsparung oder aus einer Vielzahl anderer Gründe. Aber die Realität ist, dass wir dem Code, der zum ersten Mal herauskommt, nicht einfach vertrauen sollten. Wir müssen ihn Belastungstests unterziehen. Und so können Sie die Belastungstests als einen Fehlerfilter betrachten, bei dem wir all diese Linien haben, die in alle möglichen Richtungen gehen, und wir filtern sie einfach. Was am Ende herauskommt, ist ein effizientes Protokoll. Das ist es, was wir realistischerweise mit einem selbstheilenden System suchen. Eine andere Sichtweise ist, dass Sie am ersten Tag eine sehr grobe, hochrangige Stichpunkt-basierte Direktive dessen haben, was Sie tun möchten. Okay? Und ich weiß nicht, wir zeichnen das einfach auf, aber wir wollen, dass es nach oben geht und dann nach unten und dann wieder nach oben. Okay? Das ist unsere grobe Direktive. Beim allerersten Mal, wenn wir es ausführen, funktioniert es vielleicht, ich weiß nicht, 20, 30, 40% der Zeit oder so etwas. Aber was passiert, wenn es fehlschlägt, ist, dass wir anfangen zu befestigen, und wenn Sie Selbstheilung in Ihren Agenten einbauen, wird er anfangen, Dinge zu tun wie automatische Wiederholungslogik an bestimmten Stellen hinzuzufügen, an anderen Stellen eine Art Validierungsschritt hinzuzufügen und so weiter, um etwas, das vielleicht nur wie ein zierliches Stück Schnur aussieht, in etwas zu verwandeln, das außergewöhnlich effektiv, effizient und dann sicherer ist als ursprünglich. Das werden wir also tun. Wie macht man das nun tatsächlich? Ich sprach in unserem Editor davon, dass wir mit einem Direktivenordner beginnen würden, den wir auch mit einem Ausführungsordner beginnen würden, richtig? Nun, alle IDEs, integrierte Entwicklungsumgebungen, haben ein zusätzliches Datenelement, das Sie dem Agenten hinzufügen können, um dies so gut wie möglich zu ermöglichen, wie ich hier spreche. Und wenn Sie diesen anfänglichen Prompt, diese anfängliche hochrangige Anleitung nicht haben, ist die Leistung tendenziell deutlich schlechter, als wenn Sie sie haben. Meine Empfehlung ist also, sie zu haben. Dies ist im Grunde ein injizierter Prompt, den Sie immer hinzufügen oder das System immer am Anfang einer ganzen Konversationskette hinzufügt. Und die Art und Weise, wie dies funktioniert, ist, dass Sie eine Datei definieren, und es gibt eine Vielzahl von Konventionen für diese Dateien. Eine ist agents.md. Eine weitere für Claude-Code-basierte Systeme ist claude.md. Eine für Gemini-basierte Systeme ist überraschenderweise gemini.md. Okay. Eine Vielzahl dieser verschiedenen Konventionen hängt von der IDE ab, die Sie verwenden. Und Sie geben ihm einmal einen anfänglichen hochrangigen Überblick darüber, was Sie von ihm erwarten. So dass von Anfang an, beginnend mit dem allerersten Prompt, so etwas wie Ihr System-Prompt, wenn Sie damit vertraut sind, es immer so etwas wie die Struktur Ihres Frameworks kennt und versteht, was es bedeutet, selbstheilend zu sein. Wenn Sie dies anbieten, ist das wie das Steuern des Schiffes. Und wenn Sie darüber nachdenken, meine ich, das ist nur eine grobe kleine Karte hier. Wenn ich an der Ostküste der USA bin und das irgendwo an der Westküste Afrikas oder so etwas ist. Wenn ich hier bin, okay, und ich habe ein kleines Schiff und mein Ziel ist es, hierher zu gelangen, sagen wir, es gibt einen Hafen, richtig? Wenn ich mir auch nur einen kleinen Spielraum für mögliche Ergebnisse gebe, kann ich stark über mein Ziel hinausschießen. Ich könnte irgendwo von hier bis hier bis hier bis hier landen. Also, was wir tun, ist in den allerersten Phasen, im Grunde so früh wie menschlich möglich, schränken wir ein, wo dieses Schiff innerhalb sehr enger Leitplanken fahren kann. Die Wahrscheinlichkeit, dass es irgendwohin geht, wo wir es nicht haben wollen, ist sehr, sehr gering. Okay. Anders betrachtet, da wir sehr große, lange Dinge mit diesem Agenten tun werden, ist es sehr wichtig, dass wir ihn auf die exakt richtige Flugbahn bringen. Deshalb empfehle ich immer, eine Datei wie diese zu haben. Wie sieht diese Datei in der Praxis aus? Nun, wenn Sie aufmerksam waren, hätten Sie bemerkt, dass ich in meiner Anti-Gravitationsumgebung diese gemini.md hatte. Und das ist es, was jetzt am Anfang jeder einzelnen Instanziierung meines Agenten eingefügt wird. Wir platzieren also sehr hochrangige Anweisungen, die einfach beschreiben, wie unsere Umgebung aussieht, wie das DO-Framework funktioniert und was wir vom Agenten in Bezug auf seine Fähigkeit zur Selbstheilung erwarten. Wenn ich hier ein wenig hineinzoome, können Sie sehen, dass ich sage: Sie arbeiten innerhalb einer dreischichtigen Architektur, die Bedenken trennt, um die Zuverlässigkeit zu maximieren. LLMs sind probabilistisch, während die meiste Geschäftslogik deterministisch ist und daher Konsistenz erfordert. Das System behebt diesen Mismatch. Dreischichtige Architektur Schicht 1 Direktive, was zu tun ist. Es sind SOPs, die in Markdown geschrieben sind und in Direktiven leben. Ich sage ihm also tatsächlich, wo sie sich befinden. Definiert die Ziele, Eingaben, Werkzeuge und Skripte, die verwendet werden sollen, Ausgaben und Grenzfälle. Anweisungen in natürlicher Sprache, wie Sie sie einem Mitarbeiter im mittleren Management geben. Schicht 2 Orchestrierung. Das sind Sie. Ihre Aufgabe ist intelligente Weiterleitung. Sie lesen Direktiven, rufen Ausführungswerkzeuge in der richtigen Reihenfolge auf, behandeln Fehler, bitten um Klärung und aktualisieren Direktiven mit Lernergebnissen. Sie sind der Klebstoff zwischen Absicht und Ausführung. Z.B. Sie versuchen nicht, Websites selbst zu scrapen. Sie lesen Direktiven/scrapen Website und kommen mit Eingaben, Ausgaben und führen dann die Ausführung aus, scrapen eine einzelne Website. Schließlich haben wir unsere Ausführungsschicht. Das sind deterministische Python-Skripte und Umgebungsvariablen, API-Schlüssel usw. werden in .env gespeichert. Das ist diese andere Datei hier. Es ist eine Programmierkonvention, aber im Grunde, anstatt all Ihre API-Schlüssel im Klartext zu speichern, legen Sie sie an einem Ort ab, damit Sie sie nie verlegen. Behandelt API-Aufrufe, Datenverarbeitung, Dateivorgänge, Datenbankinteraktionen, zuverlässig, testbar und schnell. Verwenden Sie Skripte anstelle von manueller Arbeit. Wir geben ihm eine Logik, warum. Und dann kommt die Selbstheilung. Sie sollten sich also selbst heilen, wenn Dinge kaputt gehen. Lesen Sie die Fehlermeldung und den Stacktrace. Korrigieren Sie das Skript und testen Sie es erneut, es sei denn, es verwendet bezahlte Token, Credits usw. In diesem Fall fragen Sie zuerst den Benutzer. Haben Sie auf jeden Fall etwas darin. Aktualisieren Sie die Direktive mit dem, was Sie gelernt haben. Ein Beispiel ist hier. Und dann gebe ich ihm schließlich eine kurze Selbstheilungsschleife. Sie reparieren es, Sie aktualisieren das Werkzeug, testen das Werkzeug, aktualisieren die Direktive, und jetzt ist das System stärker als zuvor. Das ist etwas, das Sie brauchen, damit Ihr Agent Kontext darüber hat, wie das System funktioniert. Ich würde immer empfehlen, etwas Ähnliches in einer hochrangigen Datei wie agents.md, claude.md, Gemini.m.md zu speichern, aber schauen Sie sich natürlich die Konvention Ihrer jeweiligen IDE an. Das muss im Hintergrund 24/7 laufen, sonst kann Ihr Agent das nicht herausfinden und Sie wissen, er wird sein Bestes geben, aber Sie können einfach auf alberne anfängliche Logik stoßen, wo ich weiß nicht, Sie sagen: Hey, mach das Ding, und dann wird es Ihren Ausführungsordner überprüfen, es wird etwas namens "das Ding" finden, das Sie tun wollen, und dann wird es nicht erkennen, dass es tatsächlich eine hochrangige Reihe von Direktiven gibt, die es leiten. Das ist also ein viel schnellerer und einfacherer Weg, um sicherzustellen, dass es immer richtig anfängt, damit Sie die Macht der Selbstheilung haben. Sie schreiben nicht mehr nur Code, Sie erstellen im Grunde fast ein lebendes System. Sie beginnen mit einer groben SOP. Der Agent versucht dann, sie auszuführen. Er stößt dann auf ein Problem. Er behebt dann das Problem. Er aktualisiert die SOP, optimiert den Code, und im Laufe der Zeit entwickelt sich die Direktive, die Sie geschrieben haben, von dieser wirklich groben Stichpunkt-Skizze zu einem hoffentlich deutlich zuverlässigeren, sehr optimierten Protokoll, das es Ihnen ermöglicht, Grenzfälle zu behandeln, von denen Sie wahrscheinlich nicht einmal wussten, dass sie existieren, als Sie angefangen haben. Ich habe Arbeitsabläufe, die seit Wochen laufen und die ich überhaupt nicht angefasst habe. Aber wenn ich mir den Code heute ansehe, ist er sehr anders als der Code, den wir ursprünglich hatten. Er hat verschiedene Wiederholungslogiken hinzugefügt. Er hat unzählige Validierungsschritte hinzugefügt. Er hat seltsame Grenzfälle oder Fehler gefunden, die ich nicht bemerkt habe. Er hat einmalige Endpunkte durch Bulk-Endpunkte ersetzt. Er hat für Geschwindigkeit und Zuverlässigkeit optimiert. Und das Coole ist, der Agent hat all das gemacht. Ich hatte absolut nichts damit zu tun. Sie haben also die Theorie, Sie haben die Architektur, und Sie haben auch den selbstverbessernden Mechanismus. Lassen Sie uns die Hände schmutzig machen und tatsächlich etwas bauen. Wie wir alle wissen, ist Theorie ohne Ausführung nutzlos. Zeit, einige Arbeitsabläufe zu erstellen. Sie können technisch gesehen jeden dieser Arbeitsabläufe in VS Code oder Cursor oder sogar einem Notizblock erstellen, wenn Sie super masochistisch sind. Aber lassen Sie mich Ihnen zeigen, wie ich diese Dinge von Grund auf baue. Ich beginne damit, eine Liste von Kernanweisungen für das Modell zu konfigurieren. Dann richten wir ein Ziel ein. Ich gebe ihm einige Stichpunkte. Dann wird es seine eigenen Direktiven und seine Ausführungen erstellen. Okay. Ich habe also Anti-Gravitation hier geöffnet. Und was ich tun möchte, ist, Ihnen zu zeigen, wie Sie es komplett von Grund auf einrichten. Vorausgesetzt, Sie beginnen genau dort, wo ich jetzt bin. Wenn Sie also Anti-Gravitation öffnen, sieht es so aus. Das Erste, was Sie tun müssen, ist offensichtlich, einen Ordner oder einen Arbeitsbereich zu finden. Ich bin auf Mac OS. Also klicke ich einfach auf neuen Ordner. Ich nenne das Beispiel-Arbeitsbereich. Dann klicke ich auf Erstellen. Sobald ich mich im Beispiel-Arbeitsbereich befinde, und das ist wirklich wichtig, Sie müssen sich im Ordner befinden, klicken Sie auf Öffnen. Jetzt haben Sie Ihren Arbeitsbereich in Anti-Gravitation geöffnet. Und das Allererste, was wir tun wollen, ist, einfach eine gemini.md auf der obersten Ebene der Ordnerstruktur abzulegen. Dann fügen Sie diese Beschreibungen ein, die ich Ihnen früher im Videokurs gezeigt habe. Sobald Sie damit fertig sind, haben Sie es gespeichert, Sie können sagen: Instanziieren Sie meine Umgebung basierend auf dem, was in gemini.md steht. Anstatt also all diese Ordner und dergleichen selbst erstellen zu müssen, lassen wir Gemini das für uns tun. Wahrscheinlich haben wir ihm alle Informationen gegeben, die er braucht, in dieser Datei. Also wird er durchgehen und dann, wissen Sie, einige Ordner und dergleichen einrichten. Okay, er hat einen Direktivenordner oben mit einem Ausführungsordner darunter erstellt. Er hat auch einen Git-Ignore-Ordner erstellt, vorausgesetzt, wir würden einen GitHub-Workflow oder ein Repository dafür erstellen. Obwohl ich für die Zwecke dieser Demonstration nicht zu GitHub hochladen werde. Und jetzt prüft er, ob es noch etwas gibt. Vermutlich schreibt er eine Readme, die im Grunde erklärt, was vor sich geht, wie der Arbeitsbereich strukturiert ist und so weiter. Wiederum alles klassische Dinge, die Sie in einer Art GitHub-Workflow finden würden. Okay, jetzt, da wir damit fertig sind, jetzt, da wir unseren Direktivenordner und unseren Ausführungsordner haben, wollen wir mit der Erstellung von Arbeitsabläufen beginnen. Das Allererste, was ich tun werde, ist, ihn zu bitten, einen sehr, sehr einfachen Arbeitsablauf für mich zu erstellen. Ähnlich wie der Arbeitsablauf, den Sie in einem meiner Beispiele gesehen haben. Ich werde ihn bitten, einige Leads für mich zu scrapen, mit einigen hochrangigen Stichpunkten. Und dann wird er mich durch die eigentliche Erstellung dieses Arbeitsablaufs führen. Okay. Ich habe meine Anweisungen hier. Im Wesentlichen sage ich, ich möchte einen Arbeitsablauf erstellen, der Leads in einer von mir angegebenen Branche mit einem bestimmten Appy-Akteur scrapt. Alles, was ich getan habe, war, auf Appy zu gehen, das ist dieser große Scraping-Marktplatz, und dann habe ich dort einen der Akteure gefunden, der für mich funktioniert hat. Dann sage ich: Füge es einem Google Sheet hinzu und gib mir dann einen Link zur Überprüfung. Alles Anweisungen in natürlicher Sprache, sehr hochrangig. Als Teil des Scrapes möchte ich zuerst einen Testlauf mit 25 Leads scrapen. Dann möchte ich überprüfen, wie viele davon in meiner anfänglichen Branche sind. Manchmal scrapen Leads, die außerhalb meines Umfangs liegen. So funktionieren Filter. Wenn 80% oder mehr der Leads in Ordnung sind, fahren Sie mit dem Scraping der vollen Menge fort. Wenn weniger als 80% in Ordnung sind, versuchen Sie es erneut mit anderen Filtern. Das gebe ich also alles autonom an Gemini 3 Pro High und lasse es einfach laufen. Dies wird also in möglichst Echtzeit geschehen. Ich werde alle längeren Wartezeiten herausschneiden, wie wenn wir den Ampify-Scraper ein paar Mal als Test laufen lassen. Aber Sie können sehen, dass er mir zunächst einen Workflow-Implementierungsplan erstellt hat. Und das ist nur eine interne Sache, die Systeme heutzutage immer tun, um ihre Genauigkeit zu verbessern. Sie benutzen das im Grunde als eine Art Checkliste von Aufgaben, die sie erledigen. Eine Sache, die wir hier sehen, ist, dass er sicherstellt, dass er mich bittet, ein Appy API-Token und auch ein Dienstkonto für den Google Sheets-Zugriff bereitzustellen. Ich muss also auf meiner Seite hingehen und ihm tatsächlich Zugriff gewähren, aber ich vertraue darauf, dass er weiß, dass er keinen solchen Zugriff hat und mich durch den Prozess der Hinzufügung führen wird. Was wirklich cool ist, ist, dass es vollkommen autonom ist. Es tut all das völlig ohne jegliche Übersicht, nur basierend auf meiner anfänglichen Anfrage. Okay. Und wie Sie sehen können, hat es nun einen ersten Entwurf meiner Direktive erstellt. Die Direktive ist im Grunde nur eine erweiterte Version der von mir bereitgestellten Stichpunkte, aber wir haben das Ziel, die Eingaben, die Werkzeuge und Skripte, den Prozess, die Ausgaben, die Grenzfälle und dann auch die Fehlerbehandlung. Und wenn ich zum eigentlichen Python-Skript hinuntergehe, haben Sie das scrape_appify, dann das update_sheet. Wir haben also zwei verschiedene hier. Eines ist speziell für Amplify. Es ist ein temporäres Skript, das es für diesen Zweck erstellt hat. Und das andere ist für das Google Sheet. Wir verlassen uns also nicht darauf, dass das Modell die Logik für uns übernimmt. Wir lassen es einfach die Funktion erstellen. Weiß ich, was das tut? Nein, ich habe keine Ahnung. Ich habe mir das noch nie angesehen. Manche Leute würden das wahrscheinlich als Sicherheitsfehler betrachten. Und wissen Sie, alle Computersicherheitsexperten hier, das ist wahrscheinlich ein Sicherheitsfehler, aber so sind Agenten nun mal. Sie bauen Dinge spontan für Sie. Sie abstrahieren die gesamte Komplexität weg, und dann können Sie sie im Grunde als Geschäftspartner nutzen. Okay, es fragt mich jetzt nach Appy- und Google-Anmeldeinformationen. Ich werde also schnell ein paar finden. Ich gehe zu Appify, unten links, glaube ich, habe ich Einstellungen, dann API und Integrationen. Und warum erstelle ich hier nicht eine neue? Lassen Sie sie morgen ablaufen, damit mich niemand reinlegt. Zuerst füge ich das ein. Okay, und ich habe sowohl den API-Schlüssel als auch eine Reihe von Google-Details bereitgestellt. Okay, es führt nun eine Reihe von Integrationen durch. Es hat vermutlich einige Fehler mit dem von mir bereitgestellten Authentifizierungstoken gefunden und dann weiß ich nicht, eine Datei hier, die alle meine Anmeldeinformationen enthält. Ich lasse das einfach so, lasse das Modell sein Ding machen, und ich kümmere mich darum, das Ding zu testen, wenn es fertig ist. Und es sagt nun, dass es meine Anmeldeinformationen konfiguriert und den Arbeitsablauf zur Unterstützung von OAUTH aktualisiert hat. Wenn ich den Scrape zum ersten Mal ausführe, wird eine URL ausgegeben. Ich muss sie nur in meinem Browser öffnen. Okay, Test. Machen wir 100, ich weiß nicht, Zahnarzt-Leads. Mal sehen, was passiert. Denken Sie daran, in einem selbstheilenden Arbeitsablauf ist die allererste Instanziierung etwas, das es jemals sein wird, weil es noch keine Grenzfälle oder irgendetwas durchlaufen hat. Es sind nur ein paar Minuten vergangen, seit ich damit angefangen habe. Die Wahrscheinlichkeit, dass das Modell alles richtig herausgefunden hat, ist ziemlich gering. Aber das ist der Vorteil des selbstheilenden Arbeitsablaufs. Ich bitte es einfach, einen Test durchzuführen. Es wird all die Tests durchführen. Es wird vermutlich einige Fehler geben. Wer weiß. Vielleicht klappt es auf Anhieb. Und wenn ja, ist das fantastisch. Es sieht so aus, als ob wir bereits mit dem Scrapen begonnen haben, was ziemlich gut ist. Aber während wir Fehler ansammeln und während diese Fehler auftreten, sind die einzigen wirklichen Kosten auf unserer Seite nur ein paar zusätzliche Sekunden, vielleicht 10 bis 15 Sekunden, während wir darauf warten, dass es sich selbst korrigiert. Und dann wird unsere Direktive im Laufe der Zeit stärker und gefestigter. Eine weitere Sache, die Sie tun können, um mehr Einblick zu bekommen, ist, die Terminalsitzung unten auf dem Bildschirm zu verschieben. Ich verstecke den linken Teil davon, aber im Grunde sagt das Nyx arrive at MacBook Pro oder was auch immer. Machen Sie sich also keine Sorgen. Aber wann immer Sie eine Konsolen- oder Terminal-Sache ausführen, ist es schön, sie tatsächlich live hier unten sehen zu können. Und der Vorteil ist, wenn ein Problem auftritt, wissen Sie, es ist nicht in diesem kleinen Fenster. Ich kann den Agenten tatsächlich anleiten, ihm sagen: Hey, wissen Sie, ich habe ein Problem mit dem Lead-Scraping-Filter oder was auch immer. Und sofort sehe ich, dass wir zu viele Leads scrapen. Also, wir überschreiten die 25er-Marke. Ich glaube, wir sind jetzt bei 200. Hey, du scrapt mehr als 25 Leads. Also habe ich gerade die Anfrage eingegeben, die es leitet und sagt: "Hey, da passiert etwas Seltsames. Du hast mehr als 100 Leads gescrapt." Um es klar zu sagen, ich musste das nicht tun. Es würde das irgendwann von selbst herausfinden, aber ich dachte, wenn ich mir jetzt 30 Sekunden sparen kann, warum nicht. Es sieht so aus, als hätte es das Problem gelöst. Es führt den Scrape nun mit einem streng begrenzten Limit von 25 Leads erneut durch. Eine coole Sache, die Gemini tut, ist, dass es auf den Abschluss von Befehlen bis zu einer vordefinierten Zeit wartet. In diesem Fall prüft es im Grunde alle 30 Sekunden, wie viele dieser Leads wir gescrapt haben und so weiter. Es ist also fast wie ein internes Warten, wenn Sie mit Make oder Non vertraut sind. Was cool ist, ist, dass es die Wartezeiten selbst erstellt. Wenn Sie also einen Prozess haben, von dem es weiß, dass er eine beträchtliche Zeit zum Scrapen dauern wird, in diesem Fall ist Amplify offensichtlich der limitierende Faktor hier, kann nur so viel laufen, wie der Serverplatz und RAM usw. ihm zugewiesen sind. Es wird tatsächlich intelligent versuchen, zu bestimmten Zeiten nachzusehen. Das tut es also gerade. Okay. Okay. Und es hat tatsächlich einen großen JSON mit all den Lead-Informationen generiert, was ziemlich cool ist. Wie Sie hier sehen, bekommen wir nicht nur die E-Mail-Adresse, den Vornamen, den Nachnamen. Wir bekommen Dinge wie alle Schlüsselwörter, wir bekommen die Telefonnummern, wir bekommen die Schlagzeilen und so weiter. Also, ziemlich gut für einen ersten Durchgang. Machen wir es besser. Nun, ich sollte anmerken, dass während es diesen Workflow erstellt, ein Prozess stattfindet, der ein paar Minuten dauert. Sie können sich einfach zurückziehen und tun, was auch immer Sie wollen. Sie können tatsächlich mehrere Anti-Gravitations-Instanzen haben, die mehrere Arbeitsabläufe gleichzeitig entwickeln, vorausgesetzt, Sie haben die Rechenleistung und die Token. Oder Sie können Anti-Gravitation in einem Fenster geöffnet haben, Visual Studio Code in einem anderen Fenster und so weiter. Das Coole an der Verwendung der D-Schleife ist, dass im Gegensatz zu typischen Codebasen, die Codebasis normalerweise besorgt ist, eine Datei zu überschreiben, an der sie arbeitet, wenn Sie mit mehreren verschiedenen Anti-Gravitations-Instanzen oder mehreren verschiedenen Visual Studio Code-Instanzen arbeiten und diese Arbeitsabläufe sehr granular gemacht haben, so dass Sie nur an einer Direktive oder einer Reihe von Arbeitsabläufen gleichzeitig arbeiten. Im Grunde können Sie so viele dieser Dinge 24/7 laufen lassen, so viele dieser Assistenten 24/7, sie werden jeweils nur ihr eigenes Ding im Hintergrund tun. Solange sie nicht an derselben Direktive arbeiten, solange Sie verschiedene Direktiven als Ihre eigene Standardbetriebsprozedur beibehalten, sind Sie gut. Und auf diese Weise können Sie potenziell 10 oder 15 KI-Mitarbeiter haben, die für Sie mit Lichtgeschwindigkeit arbeiten. Okay, es hat ein Problem mit einem Standortfilter diagnostiziert. Die Standorte mussten klein geschrieben werden oder so etwas. Wiederum, das ist mir egal, weil das einfach das ist, was das Modell tut. Das Modell durchläuft den Prozess. Es versucht, es auszuführen. Es selbstverstärkt und selbstheilt, bis Sie einen wirklich lückenlosen Arbeitsablauf haben, der jedes Mal in Sekunden funktioniert. Nun liest es die Ausgabe JSON, um zu überprüfen, ob die Leads relevant sind. Und in unserem Fall gehen wir auf Zahnärzte in New York. Und es überprüft nur sehr schnell. Und nachdem es überprüft hat, dass über 80% dieser Leads das sind, was wir erwartet haben, führt es einen vollständigen Scrape für alle 100 durch. Okay, es bittet mich nun, mich bei Google Sheets anzumelden. Das werde ich also tun. Nachdem ich mich bei Google Sheets angemeldet habe, hat es sich verbunden und alle Leads dort abgelegt. Und jetzt erhält es die Konsolenanfrage und benachrichtigt mich über den Abschluss. Cool. Also habe ich die Liste hier. Ich öffne sie mal. Und wie Sie sehen können, ist die Liste nun so, wie ich sie wollte. Wir haben also eine Menge Spalten hier. Vollständiger Name, Jobtitel, LinkedIn, Firmenname, wir haben ihre E-Mail-Adressen, Vorname, Nachname und so weiter. Als ich diesen Arbeitsablauf für Demo-Zwecke zu Beginn des Kurses erstellte, tat ich dies auf die gleiche Weise, wie ich es hier gerade getan habe. Ich meine, ich gab ihm nur sehr hochrangige Anweisungen. Es begann, die falschen Schlüsselwörter oder so etwas zu verwenden. Also habe ich es angehalten und gesagt: "Hey, schreibe die Schlüsselwörter klein oder so etwas und habe es dann getestet, ausgeführt, seine eigenen Fehler ausgewertet und dann den Arbeitsablauf geglättet, bis er wirklich gut war." Und so haben wir hier einen lückenlosen Workflow zum Scrapen von Leads, der diesen ganzen Prozess durchläuft. Lassen Sie mich Ihnen nun zeigen, wie einfach es ist, zusätzliche Funktionalität zu einem solchen Fluss hinzuzufügen. Zuerst ändere ich das Modell von Gemini 3 Pro High zu Cloud Sonnet 4.5. Ich nehme das Denkmodell, weil es ein bisschen intelligenter ist. Und ich tue das, weil ich Ihnen nur zeigen möchte, dass Sie nicht an ein einzelnes Modell oder eine einzelne Architektur gebunden sein müssen. Das funktioniert tatsächlich mit praktisch jedem führenden Coding-Modell heute. Dann möchte ich nun, dass ich diese Leads habe, aber ich will nicht nur diese Leads. Ich möchte auch alle leeren Leads anreichern. Ich habe hier nachgesehen und festgestellt, dass von den 100 Leads, die ich gescrapt habe, ich weiß nicht, etwa 90 E-Mails gefunden habe, aber es gibt 10 hier, deren E-Mails ich nicht habe. Also möchte ich das an einen Dienst namens Anymailfinder senden, den ich für all meine E-Mail-Anreicherungs- und Validierungsdienste verwende, wo ich im Grunde nur den Namen eines Unternehmens eingeben kann und er dann tatsächlich E-Mail-Adressen finden kann. Dieser Dienst hat natürlich eine API, die ziemlich nervig und kompliziert zu handhaben ist. Nicht, dass sie mit der API etwas falsch gemacht hätten. Sie haben großartige Arbeit geleistet. Ich mag es einfach nicht mehr, APIs selbst zu integrieren. Also werde ich ihm hochrangige Anweisungen geben, indem ich einfach frage: Hey, was ich jetzt tun möchte, ist, den Arbeitsablauf zu ändern. Zusätzlich zu diesem möchte ich eine Anreicherung für all die Zeilen hinzufügen, die keine E-Mails in ihrer E-Mail-Spalte hatten. Was wirklich cool ist, ich werde das auch nicht durch Tippen tun. Ich werde es über meine Stimme tun. Ich benutze eine einfache Spracherkennung-Plattform namens Aqua. Wenn ich die Fn-Taste auf meiner Tastatur gedrückt halte, sehen Sie, dass hier unten etwas erscheint. Was das tut, ist, alles, was ich sage, in ein Textfeld zu transkribieren. Da ist es. Also, was ich tun werde, ist, ich werde einfach zu diesem sprechen, genauso wie ich zu Ihnen spreche, und ich werde ihn bitten, mir zu helfen, ein zusätzliches Funktionsmerkmal für den Arbeitsablauf zu entwickeln. Das hat gut funktioniert, aber einige der Zeilen haben keine entsprechende E-Mail. Was ich gerne hätte, ist, dass Sie diesen Arbeitsablauf modifizieren und einen E-Mail-Anreicherungsteil hinzufügen. Ich möchte eine Plattform namens Anymailfinder zur Anreicherung verwenden. Nachdem Sie das Google Sheet generiert haben, möchte ich alle Zeilen identifizieren, die keine E-Mails haben. Und für alle, die keine E-Mails haben, senden Sie sie zur Anreicherung an Anymailfinder. Wenn Sie die E-Mails finden, aktualisieren Sie das ursprüngliche Google Sheet. Wenn nicht, keine Sorge. In beiden Fällen senden Sie mir das Google Sheet. Cool. Wie Sie sehen können, ist das ein ziemlich unstrukturierter Textdump. Ich meine, ich habe ihm gesagt, dass er gute Arbeit geleistet hat, und jetzt gehe ich durch und gebe ihm weitere Informationen darüber, wie ich den Arbeitsablauf strukturiert haben möchte. Er wird also einen Plan für mich erstellen und die Anymailfinder-API recherchieren. Er wird die Direktive aktualisieren, um einen E-Mail-Anreicherungsschritt einzuschließen. Dann wird er Skripte speziell für die E-Mail-Anreicherung erstellen und dann den Arbeitsablauf aktualisieren, um diese Anreicherung zu integrieren. Und nun recherchiert er die Anymailfinder-Dokumentation. Ich muss ihm natürlich einen API-Schlüssel geben. Er hat mich noch nicht nach einem API-Schlüssel gefragt, aber obwohl ich nicht der Schärfste im Schuppen bin, weiß ich, dass man normalerweise API-Schlüssel bereitstellen muss, um etwas zu erledigen. Also gehe ich hier zu API und gebe ihm meinen Schlüssel. Das legt den Schlüssel im Klartext offen. Ich werde Ihnen diesen Teil also einfach nicht zeigen. Ich klicke einfach auf diesen API-Schlüssel, kopiere ihn und gebe ihn dem Modell. Okay. Und ich habe gerade den Schlüssel zur .env-Datei hinzugefügt, was einfach die Programmierkonvention ist, wo Sie all die Schlüssel und API-Token und dergleichen speichern. Und ich sage ihm nun, hey, ich habe die .env mit dem Mailfinder API-Schlüssel aktualisiert, also ist alles in Ordnung. Er sollte nun mehr oder weniger alles tun können, was er braucht. Ich mag die Denkweise von Claude Sonnet 4.5 nicht so sehr wie die von Gemini, nur für diesen Zweck, aber sie funktioniert super gut und Sie müssen sich nicht unbedingt den ganzen Tag an ein einziges Modell halten. Ratenbegrenzungen sind sehr real, und so verlieben sich die meisten Leute, die Anti-Gravitation verwenden, so sehr darin und lassen sie diese selbstheilenden Arbeitsabläufe ausführen, dass Sie unweigerlich eine Ratenbegrenzung erreichen. Ich wollte Ihnen nur einige alternative Möglichkeiten zeigen, dasselbe zu tun. Sie können natürlich auch GPT-Codecs verwenden. Was wirklich interessant ist, ist, dass das Modell, während es sich selbst heilt, Dinge tut wie temporäre Debug-Ausgaben erstellen, damit es die Ausgaben seiner eigenen Probleme lesen kann. Es erstellt temporäre Dateien wie, ich weiß nicht, leads_full_test_leads.json und so etwas. Ich sollte anmerken, dass dies Ihren Ordner schließlich vermasseln wird, wenn Sie nicht vorsichtig sind. Sie könnten also auch hochrangige Anweisungen anbieten, die es bitten, Daten und Ausgaben usw. zu löschen, nachdem ein Benutzer etwas verifiziert hat. Ich mache das gerne manuell, weil manchmal etwas Saft in diesen Dingen steckt, aber Ihre Erfahrungen können variieren. Einer der Hauptgründe, warum ich diese Demo machen wollte, ist, Ihnen zu zeigen, wie Sie buchstäblich einfach darum bitten können, etwas besser zu machen, und dann wird es etwas besser machen. Und also, was wir gerade tun, ist, wir finden E-Mail-Adressen, wie erwähnt, für Leute in unserem Google Sheet, die keine E-Mails hatten, richtig? Aber es dauert lange. Und so, als ich das vor ein paar Tagen tat, sagte ich buchstäblich: "Hey, das dauert lange. Können wir schneller werden?" Ich schickte das rüber und es führte eine Selbstheilungsschleife durch und fand einen Batch- oder Bulk-Endpunkt, der es mir ermöglichte, all diese E-Mails gleichzeitig abzufragen, anstatt nur eine nach der anderen, wie hier. Und was Sie tun, ist, Sie fragen buchstäblich immer wieder: "Hey, kannst du das schneller machen?" "Hey, kannst du das schneller machen?" "Hey, kannst du das schneller machen?" Und beim fünften oder zehnten Mal läuft Ihr Arbeitsablauf jetzt 100-mal schneller als zuvor. Es sieht so aus, als ob es hier etwas Schlafzeit zwischen den Anfragen hinzugefügt hat. Es führt auch eine Art gleichzeitige Anfrage durch, was ziemlich cool ist. Ich klicke mal drauf. Jetzt haben wir unser vollständiges Google Sheet hier. Und es sieht so aus, als ob wir statt 90 E-Mails nun 95 haben. Es hat also tatsächlich eine Anreicherung vorgenommen. Aber das ist nicht schnell genug. Also sage ich buchstäblich nur schneller. Und mal sehen, was als nächstes passiert. Sie können sehen, dass es nun darüber nachdenkt, wie es Dinge schneller machen kann. Und es ist auf eine hypothetische Methode gestoßen, bei der ich die concurrent.Futures Threadpoolexecutor von Python verwenden könnte, um mehrere API-Aufrufe parallel durchzuführen. Weiß ich, was das bedeutet? Nein. Aber ich weiß, was das für mein Geschäft bedeutet, nämlich schneller. Probieren wir es mal aus. Und wie wir sehen, hat das buchstäblich nur 2 oder 3 Sekunden gedauert, im Gegensatz zu der ganzen Minute, die es vorher gedauert hat. Das ist ziemlich wild. Ich frage mich, ob es noch schneller gehen kann. Es sieht so aus, als hätte es einen Weg gefunden, von 10-mal schneller auf über 30-mal schneller zu gehen, plus die Verwendung der Google Sheets Bulk API, um die Aufgabe zu erledigen. Wild. Nun, weil ich einfach neugierig bin, werde ich alle E-Mail-Adressen in diesem Blatt entfernen. Und dann werde ich einfach sehen, wie schnell es das tun kann. Gehen wir zu E-Mail. Dann sagen wir: "Okay, ich habe alle E-Mails entfernt. Ich möchte, dass Sie das auf allen gleichzeitig ausführen, damit wir sehen können, wie schnell Sie sie alle machen." Okay, es hat 54 E-Mails gefunden, was ziemlich gut ist. Ich sollte anmerken, dass ich vorher mehr E-Mails hatte, weil ich sie nicht mit einem E-Mail-Finder angereichert habe. Ich habe sie mit einer anderen Methode gefunden. Aber ja, ich habe es durchgemacht und es hat sie alle gemacht. Immer noch nicht super glücklich. Was könnten Sie möglicherweise tun, um das noch schneller zu machen? Okay, es hat jede Menge verschiedener Möglichkeiten gefunden. Wir könnten die Google Sheets-Updates bündeln, die gleichzeitigen Worker erhöhen. Ich weiß nicht, was all dieser Mist bedeutet, aber ich sage ihm einfach, es zu tun. Okay, und es sieht so aus, als hätte es gerade die gesamte Suche erledigt.

in etwa 2 Sekunden oder so, was ziemlich verrückt ist. Ja. Und es hat im Wesentlichen genau die gleiche Suche durchgeführt, die ich manuell gemacht hätte und die mich eine ganze Weile gekostet hätte. Ich weiß nicht, vielleicht 5 Minuten oder so. Dann hat es automatisiert und es hat immer noch eine ganze Weile gedauert, ein paar Minuten für etwas, das buchstäblich etwa 5 Sekunden gedauert hat, von Anfang bis Ende. Das ist also, was ich meine, wenn man einfach immer wieder fragt: Kann es schneller gehen? Kann es besser werden? Kann man weiter pushen? Im Wesentlichen wird es kontinuierlich daran arbeiten, die effizienteste Version zu finden und den Code weiter zu verfeinern, bis man etwas hat, das im Grunde narrensicher ist. Okay, Entschuldigung dafür. Ich musste nur kurz Tee holen. Ähm, die gute Nachricht ist, als ich zurückkam, sieht es so aus, als wäre alles in Ordnung. Das ist also die Macht der Verwendung eines agentenhaften Arbeitsablaufs. Man kann einfach aufstehen, tun, was zum Teufel man will, zurückkommen und wenn man ihm eine ausreichend schwierige Aufgabe gibt, wird er sie für einen erledigen. Okay, aber das ist nur ein Demo-Workflow. Ich meine, das ist dasselbe, was ich im Beispiel erstellt habe. Warum gebe ich euch also keinen neuen Workflow und dann bauen wir ihn gemeinsam von Grund auf neu auf? Ich zeige euch, wie ich ihn auf der rechten Seite implementiere. Ähm, ich betreibe einen YouTube-Kanal und es ist ein okay YouTube-Kanal. Ich kann mich nicht wirklich beschweren. Weißt du, 225.000 Abonnenten sind ziemlich gut. Ich wäre gerne größer. Und so möchte ich im Rahmen meines Wunsches, größer zu werden, einen Weg finden, Ausreißer auf YouTube zu identifizieren. Der Grund, warum ich Ausreißer identifizieren möchte, ist, dass Videos anderer Leute, die wirklich gut performen, eine gute Indikation dafür sind, welche Arten von Videos ich erstellen kann, um ebenfalls sehr gut zu performen. Und so wird diese Art der Ausreißererkennung typischerweise massenhaft mit Softwareplattformen wie einer von 10 und so weiter durchgeführt. Äh Vid IQ. Weißt du, es gibt einfach so viele verschiedene äh so viele dieser Plattformen, dass es schwer ist, den Überblick zu behalten. Und weißt du, ich benutze gerade diese hier. Deshalb steht oben rechts eins von 10. Aber was wäre, wenn ich anstatt ein kostenpflichtiges Tool dafür zu verwenden, einfach selbst einen Workflow entwickeln würde? Nun, machen wir das auf einer sehr hohen Ebene. Ich schätze, wir müssen damit beginnen, YouTube-Videos zu scrapen, richtig? Für ich sage nicht einmal einen bestimmten Suchbegriff. Ich sage nur für Kanäle, die meinem Kanal ähneln, damit das Modell einfach tun kann, was auch immer es für am besten hält. Und dann werde ich einfach eine Liste von Ausreißern zusammenstellen. Machen wir vielleicht 10 Ausreißer. Ähm, wir halten es vorerst wirklich klein und minimal. Und dann möchte ich, dass es sie mir auch in einem Google Sheet anzeigt. Es wäre wirklich cool, wenn ich auch das Thumbnail bekommen könnte. Ähm, also werde ich sehen, ob ich das Thumbnail bekommen kann und dann habe ich jeden Morgen eine Liste von Ausreißern auf meinem Schreibtisch mit Titeln, den Thumbnails, vielleicht dem Ausreißer-Multiplikator, vielleicht einigen zusätzlichen Informationen. Vielleicht nehme ich auch das Transkript mit, nur weil mir das bei meinem eigenen Content-Fluss helfen würde. Das ist also meine Vision. Kann ich diese Vision effektiv auf das Modell übertragen? Okay, ich werde einfach eine andere verwenden. Ich werde Gemini 3 Pro High verwenden. Wiederum sollte ich erwähnen, dass man auch andere Modelle wie GBTOSS120 bill verwenden kann. Was ich hier tun werde, ist, ich werde einfach natürliche Sprache verwenden. Tolle Arbeit. Ich möchte einen neuen Workflow erstellen. Dieser wird ein Ausreißer-Detektor für YouTube sein. Um es kurz zu machen, ich betreibe einen YouTube-Kanal und bin daran interessiert, leistungsstarke Ausreißer in meiner Nische zu finden. Ich gebe es jetzt meinen YouTube-Kanal. Nick Sarif hier. Das ist mein YouTube-Kanal. Auf hoher Ebene möchte ich, dass Sie YouTube-Videos scrapen, die in den letzten 48 Stunden gepostet wurden, zu ähnlichen Themen wie die, die ich erstelle, und sie dann für mich in einem Google Sheet zusammenstellen. Ich möchte, dass Sie Dinge wie den Titel des YouTube-Videos, einen Link zum Kanal, äh den Ausreißer-Multiplikator, der angibt, wie viel dieses Video andere Videos auf dem Kanal übertroffen hat, äh sogar das Thumbnail in meinem Google Sheet, wenn möglich, einbeziehen. Und idealerweise hätte ich auch gerne ein Transkript des gesamten Videos zusammen mit einer Zusammenfassung des Transkripts, High-Level-Notizen, die ich verwenden kann, um schnell zu überprüfen und meinen eigenen Content zu ideieren. Das ist also im Grunde ein Produkt, das ich es hier erstellen lasse. Und dieses Produkt hätte früher viele, viele Wochen oder Monate Entwicklungszeit gekostet, aber ich lasse es im Grunde die Funktionalität dieser gesamten Softwareplattformen jetzt replizieren, richtig? Und für mich als jemanden, der nicht wirklich, weißt du, ich mache kein Frontend, ich mache nicht einmal wirklich Backend. Ich meine, ich ziehe und lasse meistens nur und mache jetzt agentenhafte Workflows. Das ist für mich dasselbe. Ich bitte es einfach, eine Aufgabe für mich zu erledigen. Alles, was ich wirklich tun muss, ist, eine Aufgabe zu formulieren oder wirklich darüber nachzudenken. Ich muss Dinge finden, die es wert sind, getan zu werden und die mein Geschäft tatsächlich verbessern. Und dann muss ich das nur auf einer Art hohen Ebene in einer Liste von Stichpunkten interpretieren. Und selbst wenn ich mich irre, wird es trotzdem eine ziemlich gute Arbeit leisten. Okay. Was macht es also gerade? Es beginnt mit der Analyse der ENV. Dann heißt es: "Suche im Web nach einem Apify YouTube Scraper, der die Aufrufzahlen der letzten 48 Stunden und den Kanal-Durchschnitt abrufen kann." Es sucht jetzt nach einigen Python-Bibliotheken, um YouTube-Transkripte zu scrapen. Und es sieht so aus, als würde es sich für YouTube entscheiden, was ziemlich cool ist. Jetzt wird es auch einige zusätzliche Dinge herausfinden und jedenfalls verfeinert es seine Implementierungsstrategie. Mal sehen, was es tut. Es bittet mich, einige Python-Abhängigkeiten zu installieren. Also habe ich gerade auf einen Knopf gedrückt und es sieht so aus, als hätte es damit begonnen, eine High-Level-Direktive zu erstellen. Das Ziel ist es, leistungsstarke YouTube-Videos oder Ausreißer in der Nische des Benutzers aus den letzten 48 Stunden zu identifizieren, Ausreißer-Scores zu berechnen und Zusammenfassungen zu generieren, um die Content-Ideenfindung zu unterstützen. Das ist ziemlich cool. Ähm, und dann hier drüben haben wir tatsächlich den Workflow selbst, was schön ist. Wir werden also Schlüsselwörter identifizieren, aktuelle Videos scrapen, den Ausreißer-Score berechnen und dann das Transkript abrufen und für die Ausgabe in einem Google Sheet zusammenfassen. Das ist ehrlich gesagt im Grunde das, was ich in Maker Nad erstellt hätte. Es wäre nur knotenbasiert gewesen. Also hätte ich tatsächlich Knoten erstellt, die all die Informationen liefern. Weißt du, ich hätte einen Schlüsselwort-Identifikator gehabt, dann hätte ich einen Scraper gehabt, und dann hätte ich etwas gehabt, das den Outreach-Score und den Ausreißer-Score und so weiter berechnet. All die Dinge, die ich manuell konfigurieren müsste, wären im Grunde Drag-and-Drop gewesen. Ich hätte testen und erneut testen und diese große Schleife immer und immer wieder durchlaufen müssen. Wahrscheinlich hätte das mehrere Stunden gedauert, und das nur für das Backend. Äh, was cool ist, ist, wie Sie hier sehen können, sind wir bereits an dem Punkt, an dem wir ein Python-Skript geschrieben haben, um das Scrapen der YouTube-Ausreißer durchzuführen. Jetzt wird es es auch testen. Okay. Nun, hier drüben, wie Sie sehen, hat eine meiner Aufgaben speziell gefragt: Hey, kannst du mit KI zusammenfassen? In diesem Fall hieß es Open AI GPD4 ähnlich wie eine Zusammenfassung zu generieren, Zusammenfassungsformat, was dieses Video viral macht, drei bis fünf Stichpunkte und einige Content-Ideen, wie Nick das anpassen kann. Das ist cool. Das habe ich nicht einmal bedacht. Ähm, aber ich sollte erwähnen, ich habe meinen Open AI API-Schlüssel nicht drin und ich möchte Open AI eigentlich nicht verwenden. Das ist also, wie ich jetzt etwas von meiner Top-Down-Intelligenz ausübe und sage: Hey, ich möchte stattdessen Claude verwenden. Also werde ich sagen, lass uns Claude verwenden. Hier ist mein API-Schlüssel oder tatsächlich API-Schlüssel-Umgebung. Ich werde meinen API-Schlüssel holen und dann zurückkommen. Auf diese Weise kann man auf sehr hoher Ebene einige ziemlich einfache Entscheidungen treffen. Ich meine, weißt du, es gibt mir eine Menge verschiedener Softwareplattformen, die ich verwenden kann. Offensichtlich, wenn du Präferenzen für bestimmte Softwareplattformen hast, kannst du diese einfach verwenden. Es sieht so aus, als würde es jetzt nur das Skript aktualisieren, um diesen Anthropic-Schlüssel zu verwenden, damit es von oben nach unten laufen kann. Und ich sollte hier erwähnen, ich meine, das sagt, verwende dies oder ähnliches, um nach diesen Schlüsselwörtern zu suchen. Also hat es noch keinen definierten. Und da kommt die Selbstoptimierung ins Spiel, richtig? Wir werden einfach verwenden, was auch immer wir können. Und dann, wenn wir die Ergebnisse erhalten, werden wir es prozeduralisieren und uns dann an einen bestimmten Scraper halten. Äh, und dann ist die gute Nachricht hier auch, weißt du, diese Drittanbieter-Scraper fallen oft aus, aus irgendeinem Grund, sie werden Raten-limitiert, der API-Zugang wird gelöscht, oder ich weiß nicht, ihre Scraper funktionieren nicht mehr. Und wenn man dem Agenten die Möglichkeit gibt, Alternativen zu wählen, wird er seine eigene Fähigkeit zur Schlussfolgerung nutzen, um neue Workflows nach Bedarf einzufügen, ohne tatsächlich einen Fehler zu verursachen, was ziemlich genial ist. Es sieht so aus, als wäre es auf das Schlüsselwort KI-Automatisierung gestoßen. Das ist ziemlich cool. Schauen wir uns einfach mal ein paar dieser Videos an, nach denen es sucht. Es sieht so aus, als würde es das auf Mobilgeräten tun, was nett ist. Das ist eines davon, das sich "Die Zukunft der Arbeit" nennt, wo werden unsere Kinder vorbereitet sein? Ziemlich nett. Ich sehe, dass das lange dauert. Ich mag es nicht, dass es lange dauert. Ich meine, es ist, was, 3 Minuten her, seit ich angefangen habe. Also werde ich das einfach stoppen und sagen: "Das dauert ewig. Kannst du es schneller machen?" Die Idee ist, dass ich nicht mag, was es tut. Das wird wahrscheinlich nicht mein bevorzugter Workflow sein. Also werde ich es einfach fragen: Hey, das ist alles gut und schön, aber ich möchte, dass du das modifizierst, um es besser zu machen. Es sieht so aus, als würde es jetzt eine Art Multiprocessing implementieren, was ziemlich genial ist. Es sieht so aus, als würde es jetzt Parallelisierung betreiben, was ziemlich nett ist. Man muss nur die Selbstoptimierung lieben, Mann. Dieses Ding macht einfach alles von selbst. Ich gebe sehr hochrangige Anweisungen, also bin ich unzufrieden damit, wie es auf hoher Ebene funktioniert. Und dann geht es einfach. Offensichtlich werden zukünftige Versionen des Direktiven-Orchestrierungs-Ausführungsmodells hochrangige Anweisungen enthalten, die kontinuierlich sagen: Hey, wenn du etwas tun könntest, weißt du, etwas testen, dann frag dich selbst, wie kann ich es schneller machen? Verwende parallele Verarbeitung und mehrere Threads und so weiter. Und weißt du, vieles davon wird out-of-the-box integriert sein. Was cool ist, ist, dass ich keine Programmierung kennen muss. Ich sage einfach: Hey, die Ausgabe ist nicht das, was ich wollte, also repariere es. Und dann findet es das Wie. Und so funktionieren gute Unternehmen wirklich. Weißt du, wie mein Unternehmen viele Kunden hat, die eine Vielzahl von Dingen wollen, von Lead-Generierung bis hin zu Hilfe im Vertrieb und so weiter. Wenn sie mich nach Dingen fragen, sagen sie nicht: "Hey, Nate, kannst du diesen 4000-Schritte-Workflow implementieren, den wir entworfen haben, und es auf unsere Weise tun?" Sie sagen: "Hey Mann, hier ist mein Problem. Also, hier ist das Was. Du sollst das Wie herausfinden und es dann tun." Genau das tun diese Agenten. Ich schaue mir nur das Backend an. Äh, was es tut, ist, es startet eine Reihe von Apify-Akteuren gleichzeitig und nutzt diese dann, um eine Menge Videos gleichzeitig zu scrapen, was ziemlich wild ist. Okay, wo wir gerade von Parallelität sprechen, was ich als Nächstes tun werde, ist euch zu zeigen, wie man mehrere davon gleichzeitig macht, genau wie ich es vorhin gesagt habe. Also habe ich gerade Anti-Gravity geöffnet. Was ich tun werde, ist, ich werde diesen nächsten Schritt in Visual Studio Code machen. Und ich werde das einfach in zwei Teile aufteilen. Es wird eine Seite links und eine Seite rechts geben. Okay, also gehe ich jetzt in den Beispiel-Workflow hier und dann öffne ich das. Lassen Sie mich das ein wenig neu anordnen. Vielleicht ein wenig herauszoomen, damit wir beide gleichzeitig sehen können. Hoffentlich könnt ihr immer noch sehen, was hier vor sich geht. Aber im Grunde habe ich jetzt auf der linken Seite meinen VS Code geöffnet. Auf der rechten Seite arbeitet meine Anti-Gravity immer noch an dieser Aufgabe. Das ist gut zu tun, besonders bei längeren Aufgaben, die mehr Zeit in Anspruch nehmen. Was ich als Nächstes tun werde, ist, ich werde nach Claude Code suchen. Öffne das einfach und dann öffne das. Ziemlich nervig, dass ich das zweimal machen muss, aber es ist, wie es ist. Ich werde Claude Code öffnen und dann werde ich einfach ein anderes System starten. Zuerst einmal, mit Claude Code, mag ich es immer, Claude-verbose zu verwenden. Das gibt mir mehr Details, ähnlich wie bei Anti-Gravity, wo ich eine Menge Informationen bekomme, was schön ist. Man kann also hier sehen, dass einige Dinge fehlschlagen. Es gibt mir einige Ausreißer im Google Sheet. Das ist cool. Also, es sollte fast fertig sein. Aber weißt du, ich möchte nicht, dass meine Produktivität nur durch eine gebremst wird. Also, ich mag diesen YouTube-Ausreißer-Workflow wirklich. Äh, was ich als Nächstes tun möchte, ist, ich möchte ein kurzes System erstellen, das äh, ich weiß nicht, wie Teil meiner Arbeit ist, ich muss Leuten E-Mails schicken und eine coole Sache, die man tun kann, wenn man jemandem eine E-Mail schickt, ist ihm etwas Individuelles zu geben, das sein Geschäft verbessert, zusammen mit einer Kaltakquise-E-Mail. Also, was ich will, ist ein System, das all die Leads aus dem vorherigen Workflow nimmt. Diese Direktive "Leads scrapen" und dann, ich glaube, wir haben die Website dort, richtig? Also, ich möchte durch die Website gehen und ich möchte eine maßgeschneiderte Slide-Deck erstellen. Das ist, was ich tun möchte. Vielleicht in Google Slides. Okay. Ich möchte, dass Sie sich mit dem Arbeitsbereich vertraut machen und dann einen Workflow erstellen, der damit beginnt, eine Google Sheet-URL zu erhalten, und dann für jede Zeile in diesem Google Sheet eine tiefgehende Hintergrundrecherche über den Lead durchführt. Die Website durchsucht, scrapt, sucht nach drei oder vier Kombinationen ihrer Namen und verschiedener Dinge über sie und baut im Wesentlichen eine Akte über diese Person auf. Und dann möchte ich, dass Sie all diese Informationen verwenden, um ein benutzerdefiniertes Google Slide-Deck zu erstellen, das sie kalt akquise-Lead-Generierung anbietet. Ich möchte, dass es ziemlich meta ist. Okay, ich werde jetzt darum bitten, meinen Workflow auf der linken Seite zu erstellen, und auf der rechten Seite werde ich mir die Ergebnisse dieses Workflows ansehen. Also, es sieht so aus, als hätte es den Workflow erfolgreich erstellt und optimiert. Er läuft parallel, was den Prozess erheblich beschleunigt. Lassen Sie mich das mal ansehen. Wie Sie hier sehen, hat es eindeutig nicht so funktioniert, wie es wollte. Äh, es hat mir eine Menge cooler Ausreißer gefunden, was schön ist. Aber ja, ich meine, diese Sachen sind irgendwie überall. Ich werde nicht lügen. Wir haben die URL nicht. Also, es sieht so aus, als müssten wir den Zugriff zum Abrufen von URLs erlauben. Oh, nett. Nett. Tatsächlich haben wir das Thumbnail bekommen. Oh, das ist wirklich cool. Kann ich das größer machen? Vielleicht. Vielleicht mache ich das. Oh, okay. Ja. Ja, ich kann das größer machen. Geil. Ähm, Entschuldigung. Ich kann es nur proportional größer machen. Also muss ich es breiter machen. Machen wir das. Okay, das ist tatsächlich ziemlich cool. Ähm, es sieht so aus, als wäre das Problem, dass ich die Transkripte im Moment nicht bekomme, was irgendwie nervig ist. Ähm, ich mag auch offensichtlich nicht, wie lange das gedauert hat, nur um das Ganze zu erledigen. Also, hm. Ja. Also, alles hier hat gut funktioniert, aber offensichtlich nicht so gut, wie wir es uns wünschen würden, weil wir die Zusammenfassung und das Transkript nicht bekommen. Es hat auch ewig gedauert. Das ist großartig, aber ich habe drei Probleme. Das erste ist, dass es deutlich länger gedauert hat, als ich wollte. Wahrscheinlich, weil es aussieht, als hättest du jeden einzelnen Kanal nach all seinen Videos durchsucht, um den Ausreißer-Score zu berechnen. Ähm, suche Apify, um zu sehen, ob es bessere Scraper für diesen Zweck gibt, die vielleicht das tun können, was ich will, viel schneller. Alternativ finde einen Weg, den Ablauf neu zu gestalten, damit er nicht so lange dauert. Du musst wahrscheinlich nicht alle Videos und Kanäle durchsuchen, um diese Informationen zu erhalten. Das zweite Problem ist, ich sehe keine Zusammenfassung, was bedeutet, dass du das Transkript nicht abrufen konntest. Finde also auch dafür einen Weg. Alles andere sieht großartig aus. Wir haben ein gutes Thumbnail. Alle anderen Informationen sind großartig. Ähm, das ist also das Einzige, was du ändern musst. Oh, tatsächlich hatte ich gerade einen Gedanken. Oh, noch eine Sache. Äh, sortiere die Liste, damit die höchsten Ausreißer oben stehen. Cool. Also gebe ich ihm eine Menge mehr Informationen. Gehen wir zu Visual Studio Code. Nun, das Ding mit Cloud Code ist, dass man normalerweise Bearbeitungen und so etwas zulassen muss. Das ist also irgendwie nervig bei einigen dieser Dinge. Ich meine, es ist nervig, insofern, als dass sie sicher und geschützt sein wollen und nicht wollen, dass Agenten, ich weiß nicht, das ganze Internet hacken, was ich verstehe. Ich denke, es gibt einige legitime Bedenken hinsichtlich Täuschung und KI-Modellen und so weiter. Äh, aber ja, ich meine, ich möchte das natürlich einfach genehmigen und es 24/7 laufen lassen. Es gibt also Möglichkeiten, das zu tun. Ich mache das gerade nicht, aber äh ja, normalerweise muss man Cloud Code im Auge behalten und sicherstellen, dass es das tut, was man will. Es ist also cool, weil diese an grundlegend unterschiedlichen Workflows arbeiten, richtig? Wie einer von diesen hier macht äh, weißt du, scrapt YouTube-Ausreißer und der andere hier macht äh, mal sehen, tiefgehende Recherche-Pitch. Und weil sie sich auf unterschiedliche Dinge konzentrieren, okay, kann ich sie tatsächlich beide gleichzeitig arbeiten lassen, ich muss nicht äh, weißt du, Codebasen korrigieren oder zusammenführen oder so etwas. Realistisch gesehen kann ein einzelner Entwickler jetzt ein Dutzend verschiedene Workflows gleichzeitig erstellen. Und am wichtigsten ist, wir bauen nicht nur die Workflows, wir nutzen sie auch, wie ihr vorhin gesehen habt. Ich sage buchstäblich: Hey, ich möchte, dass du mir 5000 Dental-Leads scrappst. Und es wird es tun, indem es meine Anfragen interpretiert. Bis jetzt habe ich ein Maximum von vier davon gleichzeitig laufen lassen. Einer oben links, oben rechts, unten links, unten rechts. Persönlich finde ich, dass meine Aufmerksamkeit danach nachlässt. Und ehrlich gesagt, was ist der Sinn von mehr? Mehr ist nicht unbedingt immer besser. Realistisch gesehen, es sei denn, ein einzelner Build dauert wirklich lange. Ich meine, ich brauche selten sogar zwei. Ich arbeite an einem, während ich etwas wirtschaftlich Wertvolleres tue, wie E-Mails senden oder telefonieren. Ähm, aber weißt du, die Obergrenze für diese Dinge realistisch, wenn man eine Menge Monitore hat und sehr vorsichtig ist, könnte man wahrscheinlich die Funktion von 16 verschiedenen Orchestratoren gleichzeitig steuern, was genial ist. Ich mag es nicht wirklich, dass das kleiner ist. Kann ich das einfach größer machen? Ich glaube, Mac macht das automatisch, was irgendwie nervig ist. Ich weiß nicht, ob ich es hier unten größer machen kann. Nein. Aber ich kann es hier oben größer machen. Also werde ich Mac danken. Nope. Du bist wieder nach unten gerutscht. Verdammt. Das ist das Verdammteste. Man hat Galaxien-Gehirn-Intelligenz und kann dann seine Fenster nicht auf eine feste Größe einstellen. Okay, wie Sie auf der linken Seite sehen, macht es einige Bibliotheksarbeiten. Und auf der rechten Seite führt es ein optimiertes Batch-Skript aus, um dies viel schneller zu reproduzieren. Das ist ziemlich cool. Lassen Sie mich einfach ein paar dieser Tabs löschen. Okay. Ich meine, ich muss diesen Tab auf jeden Fall offen halten. Ähm, ich bevorzuge es wirklich so, oder? Denn die meisten Informationen, die ich in der Mitte sehe, sind für mich sowieso nicht wirklich nützlich, um ehrlich zu sein. Ich als Nicht-Programmierer mache das nicht wirklich. Ich habe gesehen, dass es hier unten einen "Run Full Workflow" gibt, was interessant ist. Ich frage mich also, ob das vielleicht von diesem kam. Äh, ich sollte ihm sagen, dass er keine Flows wie "Run Full Workflow" haben soll, da das nicht sehr beschreibend ist. Es muss sehr spezifisch für die Aufgabe sein, aber es ist trotzdem okay. Okay, es sieht so aus, als würde es jetzt die spezifischen Daten in dem Sheet identifizieren. Mesh wird wahrscheinlich versuchen, die Spalten jetzt auf seine eigene Funktion abzubilden, was cool ist. Und dann implementiert es eine Art Suchfunktion hier. Ich weiß nicht, wie es das machen wird, aber es wird einen Weg finden. In der Zwischenzeit läuft auf der rechten Seite ein optimiertes Batch-Skript, um genau herauszufinden, wie schnell wir diesen Prozess durchführen können. Ich muss sagen, es dauert immer noch seine süße Zeit. Das mag ich nicht wirklich. Es sieht so aus, als würde es fast 400 Seiten durchkriechen. Es muss also einen viel schnelleren Weg geben. Vielleicht könnten wir die offizielle YouTube-API verwenden. Ich weiß nicht. Ich sammle ein paar Ideen, aber ich werde es bitten, schneller zu werden. Es sieht so aus, als hätte es jetzt einen Dossiers-Ordner erstellt. Es sieht so aus, als hätte es einige Forschungszusammenfassungen erstellt, was cool ist. Okay, das sind eine Menge Informationen über diese spezielle Person. Es sieht so aus, als würde es versuchen, eine Art Suchdienst namens Tavali zu verwenden, den ich nicht habe, aber es hat die Website durchsucht, HTTP-Anfragen durchgeführt und alles Mögliche. Also ein sehr, sehr intensives Dossier, was wirklich schön ist. Und was wir tun können, ist, wir können diese pro Lead generieren und dann können wir sie verwenden, um etwas wirklich Cooles speziell für diese Person zu erstellen, mit der wir Kontakt aufnehmen. Diese Art von Sache hätte früher vielleicht 15 oder 20 Minuten pro Person gedauert. Jetzt ist es etwas, das wir angeblich parallelisieren und dann Hunderte davon in wenigen Sekunden erledigen können. In der Zwischenzeit sieht es auf der rechten Seite so aus, als würden wir aus Zeitgründen nicht mehr Amplify verwenden. Ich habe gesagt, dass das immer noch zu lange dauert. Der vorherige Lauf dauerte 6 Minuten. Dieser dauert etwa 1 Minute. Also findet es einfach eine schnellere Alternative. Und es sieht so aus, als hätte es sein Problem behoben. Okay, als erster Durchlauf, äh, so sieht die Pitch-Deck aus. Das ist ziemlich cool. Ich meine, ich habe ihm nicht einmal eine Vorlage gegeben oder so etwas, es ist einfach losgegangen, was wild ist. Ich meine, das ist einfach verrückt. Wow, schau dir das an. Schau dir das an. Du baust etwas Seltenes im überfüllten Dentalmarkt von Brooklyn, ein ganzheitliches Studioerlebnis, das eine Premium-Positionierung rechtfertigt, aber mit nur einem sichtbaren Testimonial und keinen Angeboten für neue Patienten auf deiner Website verlierst du wahrscheinlich 50-70% der Besucher an Konkurrenten mit weniger überzeugenden Praxen. Dein Mint Condition Mitgliedschaftsprogramm ist ein FICOI- und AADSM-qualifizierter Partner. Weißt du, wenn du die Wortwahl anpassen und das Ganze nach einer Vorlage gestalten würdest, anstatt so, wie es jetzt ist, nämlich dass es seine eigene Vorlage erstellt, könnte das außergewöhnlich gut funktionieren. Und ich denke, wir sind sehr, sehr nah an einem hochwertigen System, das diese Art von Dingen völlig autonom erledigt. Das ist also ziemlich cool. Ähm, ich mag es nicht, dass einige dieser Dinge auf zwei Zeilen sind, also sollte es das wahrscheinlich anpassen. Also füge ich einfach ein Bild ein und sage, es gibt einige Probleme mit dem Layout. Vermeide es, Dinge so überlappen zu lassen. Der Text überschneidet sich. Außerdem geht ein Teil des Textes über die Grenzen der Folie hinaus oder blutet darüber hinaus. Passe das an. Verwende schließlich überall die Inter-Schriftart und suche dann nach hochwertigen Pitch-Decks und dupliziere dann deren Design, anstatt zu versuchen, eigene zu erstellen. Ich überprüfe die rechte Seite. Es sieht so aus, als wären wir jetzt fertig. Das ist ziemlich cool. Wir haben jetzt das Google Doc. Ich werde es mir gleich ansehen. Okay, schauen wir uns diese YouTube-Ausreißer jetzt an. Offensichtlich sind drei nicht gut. Es gibt also ein Problem mit dem YouTube-DL-DLP-Paket, glaube ich. Es sieht so aus, als würden wir einige Videos bekommen. Also funktioniert da etwas. Vielleicht sind wir auf eine Ratenbegrenzung gestoßen. Ich weiß es nicht. Hey, ich habe nur drei Zeilen gefunden. Es gab ein Problem mit dem Scrapen. Ich möchte mindestens, sagen wir, 10 Ausreißer. Okay, es sieht so aus, als wäre ich auf eine Ratenbegrenzung gestoßen. Also wechseln wir von Gemini 3 zu diesem. Da diese Aufgaben immer länger und länger und länger werden und die Agenten besser darin werden, die Workflows selbst zu optimieren, wirst du irgendwann kaum noch gebraucht. Du wirst Deals abschließen, tun, was auch immer dein Geschäft macht, und dich nur noch bei diesen Workflows melden, während sie generiert werden. Ich denke, wir sind jetzt wirklich an dem Punkt, an dem zumindest eine Automatisierungsagentur wie meine im Wesentlichen die Produktion aller Workflows automatisieren kann. Es geht nur darum, einen Weg zu finden, sie zu hosten und auf tatsächliche Kunden-Schritte zu deployen. Das ist also das Hauptproblem im Moment. Ähm, jedenfalls sieht das ziemlich solide aus. Wir stoßen immer noch auf dieses Zeilenproblem. Also mache ich hier einen Screenshot. Sende ihn zurück. Ist das die Inter-Schriftart? Ja, das ist sie. Ja. Inter-Schriftart. Immer noch Abstandsprobleme. Sieht ziemlich gut aus. Abgesehen davon. Okay, wir haben jetzt ein Hallo Alice. Ich weiß, wir haben uns noch nicht getroffen, aber ich habe früher im Consulting gearbeitet. Bin auf Brooklyn Men Dental gestoßen. Habe etwa 30 Minuten damit verbracht, Ihre Praxis zu recherchieren. Habe einige interessante Möglichkeiten gefunden, die es wert sind, geteilt zu werden. Das scheint ziemlich cool zu sein. Ganz offen gesagt, ich möchte Ihnen mehr Geld verdienen. Ihre Website hat ein Testimonial. Keine Angebote für neue Patienten. Sie verlieren 60 bis 70 % der Besucher an Konkurrenten, die das tun. Das ist cool. Probleme? Äh, es sieht so aus, als hätten wir ein Problem mit dem Äh, ich weiß nicht. Wir fügen eins doppelt hinzu, aber das ist okay. Wir machen einfach einen Screenshot davon. Warum das für Sie funktioniert. Das ist cool. Research Dep Summary. Dieses 5000-Wörter-Dossier stellt den gleichen Rechercheprozess dar, den ich vor dem Schreiben einer einzigen E-Mail verwendet habe. Hier ist, was 30 Minuten ergeben haben. Endlich Fragen. Lassen Sie uns reden. Buchen Sie Zeit in einem Kalender. Schicken Sie mir eine E-Mail. Okay, ich gehe einfach davon aus, dass wir diese Informationen in der E-Mail aufnehmen werden. Interessant. Das ist cool. Äh, H, das gefällt mir. Ja, das gefällt mir. Offensichtlich haben wir einige seltsame Abstände. Das können wir also ziemlich einfach beheben. Also, zwei Probleme. Nur noch zwei Probleme. Erstens, Sie haben gerade alle Aufzählungspunkte doppelt beabstandet, was seltsam aussieht. Zweitens, wie machen wir einen Screenshot davon? Sie verdoppeln die Eins und Eins. Cool. Lassen Sie das einfach beheben. Cool. Das sieht gut aus. Es sieht so aus, als hätte es sogar ein kleines Wellenmuster hinzugefügt. Ehemaliger Berater. Konnte nicht anders. Hoffe, es ist nützlich. Oh, das ist nett. Oh, schau dir das an. Cool. Alles klar. Scheint ziemlich vernünftig. Ähm, nett. Also, ich meine, hoffentlich seht ihr hier, dass mit ein wenig Arbeit etwas wie das außergewöhnlich gut funktionieren könnte. Ähm, was ich jetzt tun werde, ist, ich gehe hier zurück. Tolle Arbeit. Ich möchte, dass Sie die Direktive aktualisieren, damit sie nach scrape_leads.mmd funktioniert. Ich möchte auch, dass Sie dieses Dossier als Anhangsspalte in der Google Sheet-URL hinzufügen, die ich angebe, d.h. ich sollte Ihnen ein Google Sheet geben. Dann sollten Sie eine neue Spalte namens deep_ress research pitch erstellen. Dann sollten Sie dieses Google Slide-Deck generieren. Und dann sollten Sie die URL in die entsprechende Zeile einfügen, für die Sie das Slide-Deck generieren. Cool. Und auf der rechten Seite sieht es so aus, als würde das gerade aufgeräumt. Es sieht so aus, als hätten wir wieder Ausreißer, aber wir haben das Transkript nicht bekommen. Also, ich meine, das passiert jetzt zum zweiten oder dritten Mal. Ich lasse es einfach einen Apify-Scraper verwenden, von dem ich weiß, dass er das Transkript finden kann. Ähm, also gehe ich einfach zu Apify, kopiere diese Seite und gebe sie ihm. Okay, ich schaue mir das hier an. Und ja, es sieht so aus, als hätten wir jetzt eine Spalte namens "deep research pitch" und auch "research date" hinzugefügt, die, wenn man darauf klickt, tatsächlich das Google Sheet enthält. Also, weißt du, als Nugget eines Systems. Äh, wir haben das Ding in, ich weiß nicht, vielleicht 15 Minuten oder so gebaut, realistisch gesehen, wenn ich versucht hätte, das mit irgendeinem Drag-and-Drop-Entwicklungstool zu bauen, hätte es so viel länger gedauert, und obwohl dies sicherlich nicht das ausgefeilte Ding ist, das ich Leuten schicken würde, hoffe ich, dass ihr sehen könnt, wie wir das sehr einfach mit etwas Templating modifizieren könnten. Wir sagen einfach: Hey, hier ist eine tatsächliche Vorlage, hier ist ein tatsächliches Ding, das wir heute tatsächlich an Leute senden, um Geld zu verdienen, kopiere es einfach und richte dann einen Workflow ein, der sie mit dem Deep Research Flow generiert, den wir zuvor gemacht haben. Also sehr einfach, sehr geradlinig. Und auf diese Weise kann man, zumindest in diesem spezifischen Workflow-Beispiel, äh, coole Deep Research Dossiers für alles generieren und diese per E-Mail an Leute senden. Okay, das ist urkomisch, aber ich habe gerade auf einer meiner Cloud-Code-Instanzen einige Tests durchgeführt und es hat eine Menge Transkripte gefunden, und die Transkripte waren von Rick Astleys Video. Ich weiß also nicht, ob es "Never gonna give you up" kannte oder ob das einer der Ausreißer war oder ob es mich nur veräppelt, aber das hat mich zum Lachen gebracht. Okay, und wir haben die fertige Version des YouTube-Ausreißer-Detektors. Ähm, es sieht so aus, als hätte es ein paar Videos erkannt. Wie ALS Arbeitgebern schaden kann. Gemini 3.0 Pro Coder, KI-Blasen-Wahnsinn und so weiter. Wir haben Videolinks, zugehörige Aufrufzahlen, die Kanäle selbst, Kanal-Durchschnitte und dann auch die Thumbnails, was ziemlich cool ist. Ich überlege ernsthaft, einen Workflow zu entwickeln, der diese Thumbnails modelliert, Nano Banana Pro verwendet, um sie zu generieren, und sie dann einfach gegen mich austauscht. Stell dir vor, Nick anstelle von Jensen Huang. Das wäre verdammt urkomisch. Jedenfalls, abgesehen davon, haben wir auch einige Zusammenfassungen generiert. Es gibt dir also einen Aufhänger, gibt dir einige wichtige Erkenntnisse und dann auch einige Informationen zu Content-Ideen, die ich vielleicht auf meinem eigenen Kanal verwenden könnte. Also, ich meine, weißt du, einige der Dinge sind tangential nützlich. Offensichtlich ist es im Moment nicht super mega nützlich, weil ich nicht zu viel Zeit damit verbracht habe, es wirklich aufzubereiten, aber ich wollte euch nur zeigen, was in wenigen Minuten möglich ist. Jetzt haben wir Workflows erstellt, aber warum gehen wir sie nicht nutzen? Und das ist die wahre Macht der Selbstoptimierung. Lassen Sie mich Ihnen jetzt zeigen, wie man diese Dinge benutzt, nicht nur, wie man sie für Demo-Zwecke erstellt. Okay, ich habe gerade meinen Arbeitsbereich ein wenig umorganisiert. Wir hatten eine Menge unnötiger Output-Dateien und so weiter. Ich habe es in TMP und dann in Direktiven-Ausführung organisiert. Diese beiden anderen sind so etwas wie Systemebenen-Dinge, die notwendig sind, damit Cloud Code in diesem Fall laufen kann. Und das ist eine virtuelle Umgebung für meine Python-Skripte. Ich weiß nichts davon. Das ist nur das, was das Ding im Hintergrund tut. Ich habe auch drei Konfigurationsdateien hinzugefügt, damit ich das in praktisch jeder IDE verwenden kann. Es gibt ein großgeschriebenes MD, das dasselbe ist. Und dann natürlich auch das Gemini MD. Dann habe ich alle meine API-Token in der Umgebung. Und dann sind das nur temporäre Dinge, die für mein OOTH benötigt werden. Nachdem ich all diese großartige Arbeit geleistet habe, warum gehe ich nicht und arbeite tatsächlich mit den Direktiven, nur damit ich euch zeigen kann, wie einfach und unkompliziert sie sind? Lassen Sie mich zuerst Cloud Code öffnen. Und ich mache das nur in Cloud Code, weil ich es sehr einfach duplizieren und so viele Instanzen von Cloud Code öffnen kann, wie ich möchte. Okay. Was ich hier getan habe, ist, ich habe VS Code eingerichtet und ich habe drei Cloud Code-Instanzen eingerichtet. Eine hier ist links, eine hier ist oben und dann eine hier ist unten. Ähm, ich werde zwei davon Leads scrapen lassen. Diese werden hier rechts sein. Und dann werde ich einfach Arbeit und so etwas hier links machen. Also sage ich: Scrape mir 3000. Äh, ich habe Realtor schon benutzt. Warum mache ich keine Kampagne, die sich an SAS-Unternehmensinhaber richtet? Die Unternehmen müssen High-Ticket sein, d.h. im Durchschnitt über 250 US-Dollar pro Monat berechnen. Und hier sage ich: Scrape mir, ich weiß nicht, 2000. Und dann anstatt SAS-Unternehmensinhaber, werden wir uns ansehen, äh, Entscheidungsträger in Rekrutierungsunternehmen in den Vereinigten Staaten speziell. Äh, machen wir die Vereinigten Staaten oder Commonwealth-Länder. Diese beiden laufen also. Ich muss nichts tun, um diese Informationen zu erhalten. Was ich als Nächstes tun werde, ist, ich gehe nach unten zu Direktiven und während sie laufen, sage ich einfach, ich mache meinen Arbeitstag. Hey, ich möchte 10 YouTube-Ausreißer über agentenhafte Workflows, die in der letzten Woche oder so veröffentlicht wurden. Vergleiche sie danach mit meinem Kanal. Okay, cool. Also, ich lasse jetzt drei davon gleichzeitig laufen. Es wird mir hier oben einige Fragen stellen. Es sieht so aus, als ob diese hier keine weiteren Informationen benötigte. Ich war hier oben ziemlich vage, das ergibt also Sinn. Äh, wir gehen global. Ich weiß, dass es keinen eingebauten Filter gibt, aber nutze dein bestes Urteilsvermögen. Du kannst immer wieder testen und dann Websites aufrufen, um Preise usw. zu finden. Cool. Alles klar, wir öffnen jetzt. Ich sage einfach ja, frag nicht wieder. Ich werde sehr schnell bei den zwei Schlüsseln, weil es viel von dieser Arbeit für mich erledigt. Es sieht so aus, als würde es jetzt das Skript hier ausführen, um die Ausreißer zu finden. Es führt mein Appify-Skript aus. Es stößt auf einige Probleme bezüglich Global als Standort, aber das ist gut für uns, denn je mehr Probleme dieses Ding hat, desto dichter wird unser tatsächlicher Workflow, wenn es Dinge tut und repariert. Also, wir sehen hier, es benutzt sogar die richtige Formulierung der Vereinigten Staaten. Also wird es zuerst die USA für die SAS anvisieren und dann andere Optionen. Also sieht es so aus, als hätten wir jetzt einige Testergebnisse generiert. Es tut dies in diesem äh test_recruitment_lead Abschnitt. Jetzt heißt es, weit über dem 80%-Schwellenwert, was wunderbar ist. Und jetzt wird es fortfahren und den gesamten Scan für 2000 Leads durchführen. Dieses hier auf der anderen Seite durchläuft jeden Lead manuell und identifiziert, ob diese Person innerhalb unserer Einschränkungen liegt. Dies ist also ein Beratungsunternehmen, kein SAS-Produktunternehmen. Also muss ich meine Suchbegriffe anpassen. Jetzt wird es das immer und immer wieder durchlaufen, bis es findet, was wir wollen. Also habe ich meine drei kleinen KI-Mitarbeiter, die fleißig arbeiten. Ich gehe jetzt noch eine Tasse Tee holen. Oh, ich habe da tatsächlich total geschummelt. Ich habe auch ein bisschen Meal Prep gemacht. Aber hey, was sollen wir tun? Ich habe diese KI-Arbeiter, die Dinge für mich erledigen. Es spielt keine Rolle, wie lange ich brauche, oder? Äh, okay, ich habe sechs Videos über agentenhafte Workflows aus der letzten Woche gefunden. Das sieht ziemlich cool aus. Ich schaue mir das an. Äh, einige Formeln versuchen, Daten von externen Parteien zu senden oder zu empfangen. Richtig. Richtig. Das passiert, wenn man versucht, Bilder in Google zu laden. Leider können wir nicht viel dagegen tun. Ich sehe zuerst meinen Kumpel Nate Herk ganz oben. Das ist es, was ich meine, Kumpel. Mach weiter so. Wir werden das nur ein wenig kleiner machen. Und was haben wir? Wir haben eine Zusammenfassung mit einem High-Level-Überblick, der sich mit Gemini 3 Pro beschäftigt. Fantastisch. Mit dem Veröffentlichungsdatum auch, sehr kürzlich. Haben ein paar andere Leute, die über Dinge reden. Nett. Ich meine, offensichtlich ist Gemini 3 Pro ziemlich groß. Frage mich, warum ich heute ein Video darüber mache. mit vielen Leuten, die über KI-Agenten sprechen, insbesondere indem sie darüber sprechen, wie KI-Agenten helfen, die Komplexität der Infrastruktur zu überwinden. Oh, das ist cool. PCIe-angeschlossene Beschleunigerkarte. Kein Weg. Das ist wild. Und es ist ein Beispiel für einen tatsächlichen Agenten, der eine Schadensbearbeitung durchführt. Hm. Weißt du, da könnte ich viel tun. Vielleicht könnte ich Videos darüber machen. Das ist ein Sprachagent, richtig, mit Gemini 3 Pro. Ich meine, das könnte ich als Gelegenheit sehen. Ja. Jedenfalls, ich glaube, was ich sagen will, ist, ich versuche zu demonstrieren, dass diese Flows tatsächlich schon ziemlich nützlich sein können. Ich bin einfach so, wie sie sind. Okay. Okay, ich gehe jetzt und drücke eins für alle URLs, die abgerufen werden. Jetzt durchläuft es tatsächlich die Websites selbst, um zu überprüfen, ob sie sich im Zielmarkt befinden, den ich möchte. Und es wird das immer und immer wieder tun, bis es mir die Liste liefert, die ich suche. In der Zwischenzeit sieht die untere Liste ziemlich gut aus. Theoretisch könnte ich, ich weiß nicht, 30 davon gleichzeitig scrapen, wenn ich wollte. Ich könnte den Agenten die Ergebnisse eines überprüfen lassen und dann einen anderen machen. Ich könnte fünf verschiedene Agenten gleichzeitig haben, die Kopien generieren und sie anpassen, um sie an andere Leute zu senden. Die Möglichkeiten hier, zumindest für ein Outbound-Geschäft wie meines, sind wirklich endlos. Aber sagen wir mal, ich habe eine Art, ich weiß nicht, Angebot, das ich erstellen muss, oder was auch immer, richtig? Ich habe noch keine Python-Skripte oder Direktiven erstellt, die speziell Angebote erstellen, richtig? Habe das alles noch nicht getan. Was ich tun werde, ist, ich gehe in meinen anderen Arbeitsbereich, wo ich diese Angebotsgeneratoren habe, und ich kopiere einfach die Direktiven und dann die Python-Dateien in diese hier, und dann werde ich sie ausführen. Lassen Sie mich Ihnen zeigen, was ich meine. Zuerst öffne ich ein weiteres Fenster. Dann öffne ich den Ordner, an dem ich letzte Woche gearbeitet habe, namens Workspace. Ich gehe hier zu Direktiven in meinem alten Arbeitsbereich. Und wenn Sie sich erinnern, gab es eine Datei create_proposal.md. Ich dupliziere das einfach und verschiebe die Direktive hierher. Das funktioniert genauso wie die Vorlagenfunktionen in Make.com oder NAD. Es ist nur so, dass ich buchstäblich natürliche Sprache sende. Die Wahrscheinlichkeit, dass es hier ein Problem gibt, ist also viel geringer. Stell dir vor, du könntest eine NAND-Datei duplizieren und sie dann in eine Make.com-Umgebung kopieren und einfügen. Das würde eine Menge Flexibilität eröffnen, oder? Okay. Also, ich glaube, lassen Sie mich nur die Direktive für "create proposal" überprüfen. Was haben wir benutzt? Wenn ich einfach gopy h mache, sieht es so aus, als wäre es create_proposal.py. Also sollte ich alles tun können, was ich brauche, indem ich das einfach hierher kopiere und einfüge. Und jetzt habe ich das in meinem neuen Arbeitsbereich, was fantastisch ist. Also, was ich hier tun werde, ist, ich sage: Hey, ich möchte ein Angebot erstellen. Das Unternehmen heißt 1 Second Copy. Ihr Hauptproblem ist, dass sie derzeit manuell Leads generieren, indem sie virtuelle Assistenten aus Ländern mit niedrigeren Lebenshaltungskosten einsetzen, um verschiedene Lead-Datenbanken und manuell auf LinkedIn zu scrapen. Sie geben derzeit zwischen 5.000 und 10.000 US-Dollar pro Monat dafür aus. Unser Service kostet entsprechend für die gleiche Anzahl von Leads, die sie pro Monat generieren, nämlich 3.000 Leads pro Monat, weniger als 500 US-Dollar. Also große Kosteneinsparungen. Aber wichtiger ist, es löst die Opportunitätskosten, wie viele ihrer Ressourcen für die Lead-Generierung gebunden sind, im Gegensatz zu Dingen wie dem Verkauf von Verkäufen, dem Onboarding und so weiter. Die Gesamtkosten unseres Services für dies wären 12.000 US-Dollar im ersten Monat, 8.500 US-Dollar im zweiten Monat und 6.500 US-Dollar im dritten Monat. Erstellen Sie ein Angebot. Okay, also kein Kontext, was irgendeine dieser Direktiven oder Ausführungen sind. Was es tun wird, ist, es wird sofort all diese durchlesen. Nachdem es "create proposal" auf der Ausführungsebene gefunden hat, wird es automatisch nach "proposal" suchen. Diese beiden Sterne bedeuten alles links und rechts davon im Direktiven-Ordner, um die entsprechende Direktive zu finden. Es wird diese Informationen abrufen und dann nur eine kurze Doppelprüfung durchführen. Was brauche ich von Ihnen? Kundenkontaktinformationen, richtig? Also Nick Sarif, wir machen Nick@nicks.com. Wandle das in vier Probleme um. Auch das Unternehmen ist 1 Second Copy. Cool. Alles klar. Jetzt, unten, sieht es so aus, als hätten wir bereits die Liste mit 2000 Leads generiert. Das ist ziemlich cool. Ich mache das nur ein wenig kleiner, damit ich sie selbst sehen kann. Es sieht so aus, als hätten wir viele der 2000 E-Mails, was riesig ist. Okay, das ist ziemlich cool. Äh, wenn ich hier nach oben gehe, was passiert hier? Es sieht so aus, als würde es immer noch scrapen. Und was dieser Akteur getan hat, weil es deutlich schwieriger ist, etwas so schlecht definiertes wie High-Ticket-SAS zu finden, richtig? Es muss viel mehr Arbeit leisten. Es versucht tatsächlich einen Ansatz, bei dem es vier parallele Scrapes über mehrere verschiedene Regionen ausführt, um eine Lead-Liste zu finden. Das ist ziemlich wild. Es sieht auch so aus, als hätte es eine Menge Shells getötet, ein Filter-Skript mit einer Erfolgsquote von 44% bei Testdaten erstellt, und sein Ziel ist es jetzt, zwischen 7.000 und 9.000 Leads insgesamt mit einer Filterquote von 44% zu erhalten, um 3.000 bis 4.000 qualitativ hochwertige SAS-Leads zu liefern, was unser Ziel von 3.000 erfüllt. Okay, da ich das auf automatischen Lauf eingestellt habe, läuft es automatisch. Hier läuft es. Und es läuft auch sein eigenes kleines Sleep-Skript. Also alle 120 Sekunden prüft es wieder. Dieser Agent fragt mich, ob alles hier korrekt aussieht, ob er fortfahren und mit der Erstellung des Angebots fortfahren kann. Ich mag es nicht wirklich, dass er mich diese Frage stellt. Also sage ich: Aktualisiere die Direktive, um mich nicht um Erlaubnis zu bitten. Führe stattdessen einfach aus, nimm einfach an, ich will, dass du ja sagst, wir können das generieren, um zu generieren. Okay, es muss also ein Panda APK finden. Ah, ja, das fehlt mir auf jeden Fall. Also gehe ich zurück zu meinem anderen Arbeitsbereich und füge das hinzu. Lassen Sie mich ihm sagen, aktualisiert. Es ist jetzt bereit. Cool. Es wird jetzt erstellen, was schön ist. In der Zwischenzeit, weißt du, wir haben hier mit diesen Rekrutierungsunternehmen ziemlich viel Arbeit geleistet, aber ich möchte noch weiter gehen. Ich meine, warum sitzt ein Agent herum und tut nichts Produktives, oder? Warum sollte ich das zulassen? Was ich stattdessen tun werde, ist, ich gehe hier zu den Direktiven und dupliziere auch die, lassen Sie mich sehen, die casualize company names und dann auch den casualize company names batch endpoint hier. Dann füge ich das ein. Mir wird hier klar, dass ich beides nicht in denselben Ordner einfügen kann. Ich gehe hier nach unten und sage: Tolle Arbeit. Jetzt casualisiere diese Firmennamen. Wie ihr sehen könnt, ist es, wenn man so etwas wie Cloud Code dafür verwendet, das ständige Fragen nach Erlaubnis ist irgendwie nervig. Idealerweise würde all das völlig autonom ablaufen, ohne jegliche Erlaubnis oder so etwas. Das gesagt, wenn man skaliert und anfängt, mehr von diesen Agenten gleichzeitig zu organisieren und zu orchestrieren, braucht man eine Art Überprüfung und Ausgleich, um sicherzustellen, dass es nicht Dinge tut, die man nicht tun will. Okay, ich werde jetzt sehen, ob wir eine E-Mail senden können. Das ist ziemlich cool. Es wird mir dann Benachrichtigungen senden. Ich sollte erwähnen, dass es kein Ausführungsskript für die Direktive gibt. Idealerweise hätten wir ein MCP, das das tun würde. Also kann ich tatsächlich zurück zu Claude gehen und meinen MCP.json holen. Also kopiere ich das hierher und gehe zu Claude. Ich füge das hier ein. Okay. Und ich schaue mir das an.

Dieser Vorschlag jetzt. Mal sehen, wie gut er funktioniert hat. Schön. Gute Arbeit, kleiner KI-Mitarbeiter. Dann scrollen wir hier nach unten. Wir sehen, dass Sie zwischen 5.000 und 10.000 pro Monat für virtuelle Assistenten ausgeben, um Lead-Datenbanken manuell in LinkedIn zu scrapen. Die Zeit und Aufmerksamkeit Ihres Teams wird in Anspruch genommen. Manuelles Lead-Scraping führt zu menschlichen Fehlern und Ihr aktuelles System erfordert die Einstellung weiterer VAs. Wie Sie hier sehen können, gibt es eine Sache, diese Systeme zu bauen, und es ist eine ganz andere Sache, diese Systeme zu nutzen. Und deshalb zeige ich Ihnen hier, dass Sie sehr effektive Systeme in sehr kurzer Zeit aufbauen können. Und das ist alles nicht nur akademisch. Es ist nicht theoretisch. Was Sie tun können, ist, dass Sie diese Dinge ganz einfach selbst in Ihrem eigenen Arbeitsbereich nutzen können. Ich habe also diese drei Agenten, die die Arbeit von mehreren Stunden für mich in buchstäblich nur wenigen Minuten erledigen. Okay. Und dann sehe ich schließlich, dass es mich auffordert, einen Gmail-Sende-Skript/MCP-Server einzurichten und dann den HTML-Inhalt manuell zu kopieren und zu senden. Ich lasse es tatsächlich automatisch machen. Falls Sie es nicht wussten, Sie können MCPs hier ziemlich einfach einrichten. Was ich tun werde, ist, dass ich es einfach auf die MCP.json verweisen lasse. So mache ich das: Ich gehe zu einer neuen Konversation. Ich überprüfe den MCP-Status. Okay. Okay. Und während ich dabei bin, sehe ich, dass wir jetzt eine Liste von 3.000 hochwertigen oder High-Ticket-SAS-Besitzern zusammengestellt haben. Das ist ziemlich cool. Ich bin wirklich gespannt, wie hochwertig diese Leads für eine Kampagne sind, die ich gerade durchführe. Machen wir es so, dass wir alle diese Zeilen sehen können. Das ist ziemlich cool. Von den 3.000 haben wir 2.970 E-Mails erhalten, was ziemlich wild ist. Ich werde es auch bitten, die Firmennamen zu normalisieren. So erhalten wir einen einzeiligen, informellen Firmennamen. Und ich werde einfach die Leistung der anderen hier überprüfen. Ganz nach rechts scrollend. Es sieht so aus, als hätte es das Wort "American Recruiters" in "American Recruiters" umgewandelt. Das ergibt Sinn. Dies war Patrice and Associates. Dies sind Tallahassee Recruiters. Dies sind Minesite Recruiters, die zu Minesite wurden. Ja, das sieht alles ziemlich gut aus für mich. Ich meine, wir haben nur die gefunden oder die normalisiert, die tatsächlich E-Mail-Adressen hatten. Wir haben also nicht alle normalisiert, aber die meisten. Ziemlich solide. Jetzt richte ich einfach ein MCP ein, damit wir die E-Mail versenden können, was Teil der Anweisung ist, die ich zuvor nicht übernommen habe. Okay. Und dann habe ich auch eine kleine E-Mail-Zusammenfassung der Vorschläge gesendet. Vielen Dank für die Besprechung Ihrer Lead-Generierungsherausforderungen. Ich wollte das, was wir besprochen haben, in einen klaren Umsetzungsplan aufschlüsseln. Ich sende Ihnen bald einen vollständigen Vorschlag für das oben Genannte. Lassen Sie mich wissen, wenn Sie Fragen haben oder weitere Besprechungen wünschen. Ich habe die Struktur hier. Ich meine, ich habe das wirklich schnell geschrieben, damit Sie sehen können, wie das als Beispiel aussieht. Ich würde wahrscheinlich die Schritte herausnehmen. Es sieht irgendwie komisch aus. Ich mag auch nicht, dass es fett gedruckt ist. Aber ja, kurz gesagt, Sie können dieses Ding als Ihr Betriebssystem nutzen. Sie können es als Ihr gesamtes Business-Betriebssystem nutzen. Sie müssen nicht unbedingt mehr eine grafische Benutzeroberfläche für irgendetwas verwenden, weil Sie ihm einfach sagen können, was Sie tun möchten. Und der Kontext ist lang genug, dass Sie es als Ihren Vorschlagsgenerator, als Ihr Transkriptionswerkzeug, als Ihr Überprüfungswerkzeug für Verkaufsgespräche nutzen können. Sie könnten es offensichtlich für Ihre gesamte Abwicklung nutzen, indem Sie im Ordner "Extemporaneous Automations" Automatisierungen entwerfen. Sie könnten es für alle Ihre Unternehmens-SOPs nutzen, indem Sie sie hier oben in den Direktiven speichern. Ich meine, Sie könnten dieses Ding für praktisch alles nutzen. Und ich bin sicher, grafische Benutzeroberflächen werden auftauchen. Das ist immer noch sehr im DOS-Stil, wie in den 70er, 80er und 90er Jahren. Zumindest für das, was meiner Meinung nach die Zukunft der Kommunikation mit diesen Schnittstellen sein wird. Aber ja, schon ziemlich mächtig. Okay, ich werde Ihnen allen geben, was Sie brauchen, um diesen sich selbst reparierenden, agentenhaften Workflow-Generator und -Betreiber zu haben. Alles, was Sie wirklich brauchen, wie ich Ihnen schon gezeigt habe, ist eine Art Initialisierungsdatei wie eine Agent.md, Cloud.md oder Gemini.md. Ich möchte sicherstellen, dass Sie das haben. Und von hier an müssen Sie nur noch Ihren eigenen Arbeitsbereich in der IDE Ihrer Wahl öffnen, ihn damit initialisieren, ihn bitten, die Projektstruktur für Sie zu erstellen, und dann tun, was auch immer Sie wollen, Mann. Es ist eine freie Welt. Und so sind Sie jetzt eingerichtet. Sie haben Ihren Direktiven-Ordner für Ihre SOPs. Sie haben Ihren Ausführungsordner für Ihre Werkzeuge. Sie haben Ihren System-Prompt konfiguriert, um das DOS-Framework zu erzwingen und auch die Selbst-Reparatur zu ermöglichen. Und wahrscheinlich haben Sie jetzt auch ein paar grundlegende Workflows. Um es kurz zu machen, Ihre Umgebung ist bereit und hoffentlich wurde dieser KI-Mitarbeiter jetzt eingestellt und sitzt an seinem Schreibtisch. Wir haben heute viel behandelt und ich wollte mir einen Moment Zeit nehmen, Ihnen für Ihre Anwesenheit zu danken. Bevor wir enden, lassen Sie uns das rekapitulieren, um diese Konzepte wirklich in Ihrem Gehirn zu verankern. Wir begannen mit einigen Beispielen für reale agentenhafte Workflows, die ich in meinem Geschäft verwende, einschließlich Lead-Scraping und dann Vorschlagserstellung. Wir diskutierten dann das Hauptproblem mit Agenten bisher, nämlich die stochastische oder flexible Natur von LLMs und warum das bedeutet, dass sie typischerweise bei anspruchsvollen Geschäftsanwendungen versagen. Danach stellten wir die Lösung vor, das DOS-Framework, das Direktiven, Orchestrierung und Ausführung trennt, um mehr Zuverlässigkeit in tatsächliche agentenhafte Workflows zu bringen. Dann lernten wir über Selbst-Reparatur, ein Konzept, bei dem Sie Ihren Agenten die Fähigkeit geben, aus ihren Fehlern zu lernen und dann ihre eigenen Werkzeuge neu zu schreiben, um im Laufe der Zeit stärker zu werden. Und schließlich zeigte ich Ihnen, wie Sie praktisch eine Entwicklungsumgebung einrichten. In diesem Fall war es Anti-Gravity, um diese Agenten für Sie zu hosten. Was Sie jetzt haben, ist nicht nur eine Sammlung von Skripten. Sie haben alles, was Sie brauchen, um ein sehr hochrentables, agentenhaftes Business-Betriebssystem aufzubauen. Im Grunde haben Sie die Werkzeuge, um jede repetitive, hochvolumige Aufgabe in einem digitalen Geschäft, sei es Lead-Generierung, Vorschlagserstellung, Kundensupport, Datenanalyse, buchstäblich was auch immer Sie wollen, in einen autonomen, sich selbst verbessernden Workflow zu verwandeln. Ja, das ist die Zukunft der Arbeit. Sie kommt nicht. Sie ist bereits da. Das Einzige, was noch zu tun ist, ist, sie tatsächlich zu bauen und dann zu verteilen. Und wenn wir klug vorgehen, können Sie und ich die Wirtschaft tatsächlich sinnvoll beeinflussen, was meine ganze Idee hinter diesem kostenlosen Kurs war. Wenn Ihnen so etwas gefällt und Sie professionell Workflows erstellen möchten und vielleicht sogar dafür bezahlt werden möchten, schauen Sie sich Maker School an. Es ist meine 90-tägige Rechenschaftspflicht-Roadmap, die Sie von Null zu Ihrem allerersten zahlenden Kunden für eine KI-bezogene Dienstleistung führt. Ich garantiere auch Ergebnisse. Wenn Sie also in dieser Zeit nicht Ihren ersten Kunden gewinnen, erhalten Sie Ihr Geld zurück, das Sie für mein Programm ausgegeben haben. Ansonsten wünsche ich Ihnen einen schönen Rest des Tages und ich freue mich darauf, zu sehen, was Sie bauen werden. Prost.