Phase 5: Erkundung von KI-Anwendungsszenarien

Deutsche Übersetzung von Agentic Design Patterns, die 21 AI-Agent-Designmuster abdeckt, einschließlich Prompt-Chaining, Routing, Multi-Agent-Kollaboration und anderer Kernarchitekturmethoden, mit Python-Codebeispielen

Start Learning AI →
AIAgentAgenticPatternsMultiAgentGitHubTextFreeChinese-English

Agentic Design Patterns - Lernmaterialien für Agenten-Designmuster im Detail

📚 Kursübersicht

《Agentic Design Patterns: A Hands-On Guide to Building Intelligent Systems》 ist ein umfassender technischer Leitfaden, verfasst von Antonio Gulli, Senior Director und Distinguished Engineer im Google CTO Office, der sich auf den Aufbau intelligenter, autonomer KI-Agentensysteme konzentriert.

Dies ist ein 424-seitiger Praxisleitfaden, der die Kernkonzepte und praktischen Methoden des Agenten-Designs in modernen KI-Systemen behandelt. Das Buch hilft Entwicklern, komplexe Agentensysteme von Grund auf neu zu erstellen, indem es 21 praxiserprobte Designmuster vorstellt.

Autorenprofil

  • Name: Antonio Gulli
  • Position: Senior Director und Distinguished Engineer im Google CTO Office
  • Erfahrung: Über 30 Jahre Erfahrung in den Bereichen KI, Suche und Cloud-Technologien
  • Ausbildung: Promotion in Informatik an der Universität Pisa, Italien
  • Weitere Werke: 《Deep Learning with Keras》

Versionsinformationen

  • Originalverlag: Springer
  • Gesamtseitenzahl: 424 Seiten
  • Veröffentlichungsdatum: 3. Dezember 2025
  • Chinesische Übersetzung: Von ginobefun bereitgestellte zweisprachige (Chinesisch-Englisch) Übersetzungsversion
  • Gemeinnütziger Charakter: Alle Tantiemen des Originalbuchs werden an Save the Children gespendet.

🎯 Lernziele

Dieser Kurs zielt darauf ab, den Lernenden zu helfen:

  1. Die Kernkonzepte von Agentensystemen zu verstehen - zu erfassen, was ein KI-System zu einem echten "Agenten" macht
  2. 21 Designmuster zu beherrschen - den gesamten Technologie-Stack von den Grundlagen bis zu fortgeschrittenen Konzepten zu erlernen
  3. Praktisches Codieren zu üben - die Implementierung jedes Musters anhand praktischer Codebeispiele zu verstehen
  4. Produktionsreife Systeme zu bauen - zu lernen, wie Muster kombiniert werden, um komplexe autonome Systeme zu erstellen
  5. Best Practices zu verstehen - praxiserprobte Lösungen und Architekturentwürfe zu erhalten

📖 Kerninhaltsstruktur

Vorwortkapitel

  • Widmung (Dedication)
  • Danksagung (Acknowledgment)
  • Vorwort (Foreword)
  • Einblicke eines Vordenkers (A Thought Leader's Perspective)
  • Einleitung (Introduction)
  • Was macht ein KI-System zu einem "Agenten"? (What makes an AI system an "agent"?)

21 Kern-Design-Muster

Grundlegende Muster (Kapitel 1-5)

Kapitel 1: Prompt-Verkettung (Prompt Chaining)

  • Konzept: Das "Teile und herrsche"-Muster zur Aufgabenzerlegung
  • Prinzip: Zerlegt komplexe Aufgaben in eine Reihe kleinerer, besser verwaltbarer Teilprobleme
  • Anwendung: Jedes Teilproblem wird unabhängig durch speziell entworfene Prompts gelöst, wobei die Ausgabe des vorherigen Schritts als Eingabe für den nächsten dient
  • Wert: Bildet eine logisch klare Verarbeitungspipeline

Kapitel 2: Routing (Routing)

  • Konzept: Intelligente Entscheidungsfindung und dynamische Verteilung
  • Prinzip: Wählt den geeigneten Aktionspfad basierend auf dem Umgebungszustand, der Benutzereingabe oder den Ausführungsergebnissen
  • Anwendung: Entscheidet, welcher Funktionsbaustein, welches Werkzeug oder welcher Unterprozess eine Anfrage bearbeiten soll
  • Wert: Verleiht dem Agenten dynamische Entscheidungsfähigkeiten

Kapitel 3: Parallelisierung (Parallelization)

  • Konzept: Gleichzeitige Ausführung und Leistungssteigerung
  • Prinzip: Führt mehrere unabhängige Aufgaben gleichzeitig aus, um Effizienz und Reaktionsgeschwindigkeit zu verbessern
  • Anwendung: Wandelt sequenzielle Warteoperationen in parallele Ausführungen um
  • Wert: Eine Schlüsseltechnologie zur Optimierung der Leistung komplexer Workflows

Kapitel 4: Reflexion (Reflection)

  • Konzept: Selbstbewertung und iterative Verbesserung
  • Prinzip: Optimiert die Ausgabequalität kontinuierlich durch die Einführung von Feedbackschleifen
  • Anwendung: Der Agent überprüft seine eigene Arbeit, identifiziert Probleme und generiert verbesserte Versionen
  • Wert: Ein Selbstoptimierungsmechanismus zur Verbesserung der Ausgabequalität

Kapitel 5: Werkzeugnutzung (Tool Use)

  • Konzept: Integration externer Werkzeuge und APIs
  • Prinzip: Erweitert die Fähigkeiten des Agenten
  • Anwendung: Aufruf externer APIs, Datenbanken, Berechnungswerkzeuge usw.
  • Wert: Ermöglicht dem Agenten, tatsächliche Operationen auszuführen

Mittelstufe Muster (Kapitel 6-11)

Kapitel 6: Planung (Planning)

  • Konzept: Mehrstufige Planerstellung und -ausführung
  • Anwendung: Strategische Planung für komplexe Aufgaben

Kapitel 7: Multi-Agenten-Kollaboration (Multi-Agent Collaboration)

  • Konzept: Architektur für kollaboratives Arbeiten
  • Anwendung: Mehrere Agenten arbeiten zusammen, um komplexe Aufgaben zu lösen

Kapitel 8: Speicherverwaltung (Memory Management)

  • Konzept: Kurz- und Langzeitspeicherverwaltung
  • Anwendung: Kontextpflege und Abruf historischer Informationen

Kapitel 9: Lernen und Anpassung (Learning and Adaptation)

  • Konzept: Lernen aus Erfahrung
  • Anwendung: Kontinuierliche Verbesserung und Anpassung des Agenten

Kapitel 10: Modellkontextprotokoll (Model Context Protocol - MCP)

  • Konzept: Standardisiertes Interaktionsprotokoll
  • Anwendung: Standardisierte Kommunikation zwischen Agenten

Kapitel 11: Zielsetzung und Überwachung (Goal Setting and Monitoring)

  • Konzept: Dynamisches Zielmanagement
  • Anwendung: Zielverfolgung und Fortschrittsüberwachung

Fortgeschrittene Muster (Kapitel 12-21)

Kapitel 12: Fehlerbehandlung und Wiederherstellung (Exception Handling and Recovery)

  • Konzept: Elegante Fehlerbehandlung
  • Anwendung: Systemfehlertoleranz und Fehlerwiederherstellung

Kapitel 13: Mensch-in-der-Schleife (Human-in-the-Loop)

  • Konzept: Mensch-Maschine-Kollaboration bei der Entscheidungsfindung
  • Anwendung: Manuelle Intervention an kritischen Entscheidungspunkten

Kapitel 14: Wissensabruf (Knowledge Retrieval - RAG)

  • Konzept: Retrieval Augmented Generation-Technologie
  • Anwendung: Dynamische Wissensdatenbankintegration

Kapitel 15: Inter-Agenten-Kommunikation (Inter-Agent Communication - A2A)

  • Konzept: Kommunikationsprotokoll für Agenten
  • Anwendung: Verteilte Agentensysteme

Kapitel 16: Ressourcenbewusste Optimierung (Resource-Aware Optimization)

  • Konzept: Ressourcenoptimierungsmanagement
  • Anwendung: Balance zwischen Kosten und Leistung

Kapitel 17: Schlussfolgerungstechniken (Reasoning Techniques)

  • Konzept: Verbesserte Schlussfolgerungsfähigkeiten
  • Anwendung: Komplexe logische Schlussfolgerungen

Kapitel 18: Leitplanken/Sicherheitsmuster (Guardrails/Safety Patterns)

  • Konzept: Sicherheitsmechanismen
  • Anwendung: Gewährleistung eines sicheren und kontrollierbaren Agentenverhaltens

Kapitel 19: Evaluierung und Überwachung (Evaluation and Monitoring)

  • Konzept: Leistungsbewertungssystem
  • Anwendung: Systemqualitätsmessung und -überwachung

Kapitel 20: Priorisierung (Prioritization)

  • Konzept: Aufgabenprioritätsmanagement
  • Anwendung: Ressourcenallokation und Aufgabenplanung

Kapitel 21: Erkundung und Entdeckung (Exploration and Discovery)

  • Konzept: Autonome Erkundungsmechanismen
  • Anwendung: Entdeckung neuer Kenntnisse und Lösungen

Anhang

Anhang A: Fortgeschrittene Prompting-Techniken (Advanced Prompting Techniques)

  • Detaillierte Prompt-Engineering-Tipps

Anhang B: KI-Agenten: Von grafischen Benutzeroberflächen zu realen Umgebungen

  • Anwendungen von Agenten in verschiedenen Umgebungen

Anhang C: Kurzübersicht über Agenten-Frameworks

  • Vergleich und Auswahlhilfe für gängige Frameworks

Anhang D: Agenten mit AgentSpace bauen

  • Praktisches Tutorial zur AgentSpace-Plattform

Anhang E: KI-Agenten in der Befehlszeile

  • Agentenentwicklung in CLI-Umgebungen

Anhang F: Tiefenblick: Interne Mechanismen von Agenten-Inferenz-Engines

  • Technische Details von Inferenz-Engines

Anhang G: Programmieragenten (Coding Agents)

  • Code-Generierung und Programmierassistenz-Agenten

💻 Technische Frameworks

Dieses Buch verwendet drei gängige Agenten-Entwicklungs-Frameworks als praktische "Leinwand":

1. LangChain & LangGraph

  • Merkmale: Flexible Erstellung komplexer Operationssequenzen
  • Vorteile: Reifes Ökosystem, umfangreiche Komponentenbibliothek
  • Anwendung: Geeignet für schnelle Prototypenentwicklung und komplexe Prozessorchestrierung

2. Crew AI

  • Merkmale: Strukturiertes Multi-Agenten-Orchestrierungs-Framework
  • Vorteile: Konzentriert sich auf Teamkollaborationsmuster
  • Anwendung: Geeignet für den Aufbau kollaborativer Agententeams

3. Google Agent Developer Kit (Google ADK)

  • Merkmale: Von Google bereitgestelltes vollständiges Entwicklungstoolset
  • Vorteile: Unterstützung des gesamten Prozesses von Aufbau, Evaluierung und Bereitstellung
  • Anwendung: Geeignet für die Entwicklung von Unternehmensanwendungen

👥 Zielgruppe

1. KI-Ingenieure

  • Erlernen des Aufbaus intelligenter, zuverlässiger KI-Systeme
  • Beherrschen von Fähigkeiten zur Entwicklung produktionsreifer Agenten

2. Software-Architekten

  • Verstehen des Designs von Agenten-Komponentensystemen
  • Erlernen von Architekturmustern für große Systeme

3. Produktmanager

  • Verstehen der Fähigkeiten und Grenzen der Agenten-Technologie
  • Bessere Planung von KI-Produktfunktionen

4. Forscher

  • Erlernen der neuesten Agenten-Designmethoden
  • Erhalten von Inspiration für Forschungsrichtungen

5. Studenten

  • Systematisches Erlernen von Künstlicher Intelligenz und Agentensystemen
  • Aufbau einer Grundlage für eine zukünftige KI-Karriere

🚀 Wie man dieses Material verwendet

Lernpfadvorschläge

1. Sequenzieller Lesepfad (empfohlen für Anfänger)

  1. Zuerst die Vorwortkapitel lesen, um die Grundkonzepte zu verstehen
  2. Die 21 Designmuster kapitelweise lernen
  3. Spätere Kapitel bauen auf den vorherigen Grundlagen auf, schrittweise vorgehen

2. Themenorientierter Pfad (für erfahrene Entwickler)

  • Grundlagenaufbau: Kapitel 1-5
  • Kollaboration und Gedächtnis: Kapitel 6-8
  • Fortgeschrittene Funktionen: Kapitel 9-17
  • Sicherheit und Überwachung: Kapitel 18-19
  • Optimierungstipps: Kapitel 20-21

3. Praxisorientierter Pfad

  1. Theorieteile schnell überfliegen
  2. Direkt Codebeispiele ausführen
  3. Bei Problemen zurückkehren, um tiefer zu verstehen
  4. Code ändern und experimentieren

4. Referenzhandbuch-Modus

  • Das Buch als Referenzhandbuch für Designmuster verwenden
  • Bei spezifischen Problemen die entsprechenden Kapitel nachschlagen
  • Community-Beteiligung und Diskussion

🛠️ Praxisumgebung einrichten

Lokale Umgebungseinstellungen

1. Repository klonen

git clone https://github.com/ginobefun/agentic-design-patterns-cn.git
cd agentic-design-patterns-cn

2. Virtuelle Umgebung erstellen (empfohlen)

# Virtuelle Umgebung erstellen
python3 -m venv venv

# Virtuelle Umgebung aktivieren
# macOS/Linux:
source venv/bin/activate

# Windows:
venv\Scripts\activate

3. Abhängigkeiten installieren

pip install langchain langchain-community langchain-openai langgraph

4. API-Schlüssel konfigurieren

.env-Datei erstellen:

touch .env

In die .env-Datei hinzufügen:

# OpenAI API-Schlüssel
OPENAI_API_KEY=your-openai-api-key-here

# Oder OpenRouter verwenden (kompatibel mit OpenAI API)
OPENAI_API_KEY=your-openrouter-api-key-here
OPENAI_API_BASE=https://openrouter.ai/api/v1

5. Beispielcode ausführen

# Sicherstellen, dass die virtuelle Umgebung aktiviert ist
source venv/bin/activate

# Beispiel aus Kapitel 1 ausführen: Prompt-Verkettung
python codes/Chapter-01-Prompt-Chaining-Example.py

# Code anderer Kapitel ausführen
# python codes/Chapter-XX-Example.py

Online-Umgebung (Google Colab)

  • Jede Codebeispieldatei enthält einen Google Colab-Link
  • Kann direkt online ausgeführt werden, ohne lokale Konfiguration
  • Geeignet für schnelle Experimente und zum Lernen

Hinweise

  • 🔑 API-Schlüsselsicherheit: Die .env-Datei mit echten API-Schlüsseln niemals in die Versionskontrolle hochladen
  • 💰 API-Kosten: Das Ausführen des Codes verursacht API-Aufrufkosten, bitte auf die Nutzung achten
  • 🌐 Netzwerkverbindung: Eine Netzwerkverbindung ist erforderlich, um auf LLM API-Dienste zuzugreifen
  • 🔄 Kompatibilität: Unterstützt OpenAI API und mit OpenAI API kompatible Dienste (z.B. OpenRouter)

📝 Übersetzungsrichtlinien

Formatmerkmale

  • Hervorhebung: Chinesischer Inhalt wird mit <mark>Text</mark> gelb hervorgehoben (Anmerkung: Dies ist eine Anweisung für die chinesische Übersetzung, nicht für die deutsche Ausgabe selbst.)
  • Zweisprachiger Vergleich: Englische Absätze werden direkt von der chinesischen Übersetzung gefolgt (Anmerkung: Dies ist eine Anweisung für die chinesische Übersetzung, nicht für die deutsche Ausgabe selbst.)
  • Terminologie: Wichtige Begriffe behalten die englische Form, mit chinesischer Erklärung in Klammern (Anmerkung: Dies ist eine Anweisung für die chinesische Übersetzung, nicht für die deutsche Ausgabe selbst.)
  • Leerzeichenregeln: Leerzeichen zwischen Chinesisch und Englisch sowie Zahlen hinzufügen (Anmerkung: Dies ist eine Anweisung für die chinesische Übersetzung, nicht für die deutsche Ausgabe selbst.)

Übersetzungsprinzipien

  • Genauigkeit: 100%ige Treue zur ursprünglichen Bedeutung
  • Flüssigkeit: Entspricht den chinesischen Ausdrucksgewohnheiten
  • Professionalität: Beibehaltung der Strenge technischer Dokumente
  • Konsistenz: Einheitliche Terminologieübersetzung

🌟 Kernwert und Besonderheiten

1. Systematik und Vollständigkeit

  • 21 Designmuster decken alle Aspekte der Agentenentwicklung ab
  • Ein vollständiger Lernpfad von den Grundlagen bis zu fortgeschrittenen Konzepten
  • Theorie und Praxis sind eng miteinander verbunden

2. Praxisorientierung

  • Jedes Kapitel bietet praktisch ausführbare Codebeispiele
  • Echte Implementierungen basierend auf gängigen Frameworks
  • Direkt in Produktionsumgebungen anwendbar

3. Multi-Framework-Unterstützung

  • LangChain/LangGraph-Beispiele
  • Crew AI-Beispiele
  • Google ADK-Beispiele
  • Erlernen von generischen Mustern über Frameworks hinweg

4. Kostenlos und offen

  • Das Originalbuch ist kostenlos öffentlich zugänglich
  • Die chinesische Übersetzung ist Open Source
  • Community-gesteuerte kontinuierliche Verbesserung

5. Autorität

  • Der Autor ist ein erfahrener Experte aus dem Google CTO Office
  • Verfügt über 30 Jahre Branchenerfahrung
  • Inhalte sind praxiserprobt

🤝 Community-Beteiligung

Wie man beiträgt

  1. Fehlerberichte - Übersetzungsfehler oder Formatierungsprobleme finden
  2. Übersetzungsverbesserungen - Bessere Übersetzungsvorschläge machen
  3. Kapitelübersetzung - An der Übersetzung unvollständiger Kapitel teilnehmen
  4. Korrekturlesen - Beim Korrekturlesen bereits übersetzter Kapitel helfen

Beitragsprozess

  1. Dieses Repository forken
  2. Einen Feature-Branch erstellen (git checkout -b feature/your-contribution)
  3. Änderungen committen (git commit -m 'Add: your contribution')
  4. Auf den Branch pushen (git push origin feature/your-contribution)
  5. Einen Pull Request erstellen

📚 Verwandte Ressourcen

Offizielle Links

Framework-Dokumentation

💡 Lernempfehlungen

Anfänger

  1. Beginnen Sie mit den Vorwortkapiteln, um die grundlegenden Konzepte von Agenten zu verstehen
  2. Konzentrieren Sie sich auf die ersten 5 Kapitel der grundlegenden Muster
  3. Führen Sie in jedem Kapitel mindestens einmal die Codebeispiele aus
  4. Versuchen Sie, Code-Parameter zu ändern, um die Auswirkungen zu beobachten
  5. Lernen Sie fortgeschrittene Muster erst, nachdem Sie die Grundlagen verstanden haben

Mittelstufe Entwickler

  1. Überfliegen Sie die grundlegenden Kapitel schnell
  2. Konzentrieren Sie sich auf die mittleren bis fortgeschrittenen Muster in den Kapiteln 6-14
  3. Versuchen Sie, mehrere Muster zu kombinieren, um reale Probleme zu lösen
  4. Erforschen Sie die fortgeschrittenen Techniken in den Anhängen
  5. Beteiligen Sie sich an Community-Diskussionen und Beiträgen

Fortgeschrittene Entwickler

  1. Verwenden Sie dieses Buch als Referenzhandbuch
  2. Konzentrieren Sie sich auf Musterkombinationen und Architekturentwurf
  3. Erforschen Sie die Quellcode-Implementierung der Frameworks
  4. Tragen Sie neue Beispiele und Best Practices bei
  5. Leiten Sie andere beim Lernen an

🎓 Lernergebnisse

Nach Abschluss dieses Kurses werden Sie in der Lage sein:

  1. ✅ Agentensystemarchitektur zu verstehen - die Kernkonzepte und Designprinzipien von Agenten zu beherrschen
  2. ✅ 21 Designmuster zu implementieren - verschiedene Agenten-Designmuster eigenständig zu implementieren
  3. ✅ Geeignete Frameworks auszuwählen - Entwicklungsframeworks je nach Bedarf auszuwählen und zu verwenden
  4. ✅ Komplexe Systeme zu bauen - mehrere Muster zu kombinieren, um produktionsreife Agenten zu bauen
  5. ✅ Zu optimieren und zu debuggen - die Leistung von Agenten zu bewerten, zu überwachen und zu optimieren
  6. ✅ Sicherheit zu gewährleisten - Sicherheitsleitplanken und Fehlerbehandlungsmechanismen zu implementieren
  7. ✅ Teamkollaboration - Multi-Agenten-Kollaborationssysteme zu entwerfen und zu implementieren

📄 Urheberrechtsinformationen

Originalbuch-Urheberrecht

  • Autor: Antonio Gulli
  • Verlag: Springer
  • Urheberrecht: Das Urheberrecht des Originalbuchs liegt beim Autor und Verlag
  • Gemeinnütziger Charakter: Alle Tantiemen werden an Save the Children gespendet

Übersetzungs-Urheberrecht

  • Übersetzung: ginobefun
  • Lizenz: CC BY-NC 4.0
  • Zweck: Nur für Lern- und Austauschzwecke, zur Förderung der chinesischen KI-Community

Nutzungsbeschränkungen

  • ✅ Erlaubt: Freies Kopieren, Verteilen, Anzeigen und Bearbeiten des Werkes (mit Namensnennung des Übersetzers)
  • ❌ Verboten: Jegliche Form der kommerziellen Nutzung
  • 📧 Kommerzielle Zusammenarbeit: Für kommerzielle Nutzung kontaktieren Sie bitte den Übersetzer und den Urheberrechtsinhaber des Originalbuchs

🌈 Zusammenfassung

《Agentic Design Patterns》 ist ein systematischer, umfassender und praxisorientierter Leitfaden zur Agentenentwicklung. Er bietet nicht nur 21 bewährte Designmuster, sondern auch reichhaltige Codebeispiele und Best Practices. Egal, ob Sie KI-Ingenieur, Software-Architekt oder ein an Agenten-Technologie interessierter Lernender sind, dieses Buch wird Ihnen wertvolles Wissen und praktische Erfahrungen vermitteln.

Durch das Studium dieses Buches werden Sie die Kernfähigkeiten erwerben, die zum Aufbau intelligenter, autonomer und zuverlässiger KI-Systeme erforderlich sind, und sich darauf vorbereiten, die nächste Generation von Anwendungen im KI-Zeitalter zu entwickeln.

Lasst uns gemeinsam eine intelligentere Zukunft aufbauen! 🚀