Learning Machine: Praxisberichte zu Agentic Coding, Codex und Multi-Agent-Systemen

LinkCoreySammlung

Der Blog «Learning Machine» von Corey dokumentiert praxisnahe Erfahrungen, Konfigurationstricks und Konferenzberichte rund um KI-Agenten, Codex CLI, Claude Code und Softwareentwicklung.

Das Wichtigste

  1. Codex CLI Konfiguration: Details zur Freigabe des .git-Verzeichnisses in der workspace-write-Sandbox für Agenten-Commits sowie Server-Begrenzungen des 1M-Token-Kontexts bei GPT-5.4 seit Codex 0.144.4.
  2. Agentic Coding in der Praxis: Problemlösungen wie das Beheben eines Rust-Speicherlecks in der Sprach-App Handy mittels Claude Code ohne eigene Rust-Kenntnisse.
  3. Format-Debatten: Diskussion über Thariq Shihipars These, dass HTML-Ausgaben gegenüber Markdown für Claude Code im Vorteil sind.
  4. Multi-Agenten-Architektur und Evaluation: Zusammenfassungen von Vorträgen der AI Engineer Europe, unter anderem zu Fehlerquellen bei Multi-Agent-Systemen (Databricks) und irreführenden LLM-Evaluatoren (Agenta AI).

Warum das relevant ist

Der Blog bietet konkrete Beobachtungen aus dem Alltag von KI-Entwicklern jenseits von Marketingversprechen, insbesondere zu Werkzeugen wie Codex CLI, Claude Code und typischen Hürden in Sandbox- und Evaluierungs-Setups.

Einordnung

Die Beiträge auf Coreys Blog zeichnen sich durch direkte praktische Anwendbarkeit aus. Statt theoretischer Abhandlungen behandeln sie exakte Fehlermeldungen von Sandbox-Umgebungen, API-Änderungen wie serverseitige Kontextlimits oder konkrete Werkzeugerfahrungen. Für Entwickler, die Agenten in ihre Workflows integrieren, bieten die Notizen nützliche Hinweise auf typische Fallstricke.

Gefunden in

Zusammenfassung von KI erstellt (Gemini 3.8 Flash, 27. September 2026). Sie kann Fehler enthalten – maßgeblich ist die Originalquelle.

Inhaltlich ähnlich, ermittelt über die KI-Suche.

  • Link:aicodingdaily.com

    AI Coding Daily: Benchmarks, Workflows und Tools für KI-Entwickler

    Die Website AI Coding Daily veröffentlicht laufend Tests, Benchmarks und Video-Tutorials zum praktischen Einsatz von Sprachmodellen in der Softwareentwicklung. Im Fokus stehen Vergleiche von Spitzenmodellen, lokale LLMs und Sicherheitswerkzeuge für Entwickler.

    KI & AI· Sammlung

  • Repository:EveryInc/compound-engineering-plugin

    Compound Engineering: Plugin mit 33 Skills für KI-Coding-Agents

    Compound Engineering ist ein Open-Source-Plugin für AI Coding Agents, das Entwicklungsprozesse strukturiert und Erkenntnisse systematisch dokumentiert. Es unterstützt 14 Plattformen wie Claude Code, Cursor und Codex.

    24.861SterneTypeScript

    KI & AI· Tool

  • Link:IndyDevDan

    Tactical Agentic Coding: Weiterentwicklung vom Prompting zum Agentic Engineering

    Mit dem Kursangebot Tactical Agentic Coding (TAC) propagiert der Entwickler IndyDevDan den Übergang vom interaktiven KI-Coding hin zu vollautonomen Agenten-Pipelines. Statt kontinuierlich im Prompting-Kreislauf („In the Loop“) zu verweilen, sollen Software-Entwickler lernen, deterministischen Code mit nicht-deterministischen KI-Agenten wie Claude Code zu kombinieren, um autonome Entwicklungsabläufe („Out of the Loop“) zu etablieren.

    KI & AI· Sammlung

  • Repository:openai/codex

    OpenAI Codex CLI: Lokaler Terminal-Coding-Agent in Rust

    Codex CLI ist ein leichtgewichtiger Coding-Agent von OpenAI, der direkt lokal im Terminal läuft. Das Tool ist in Rust geschrieben und lässt sich an bestehende ChatGPT-Abonnements oder API-Schlüssel anbinden.

    121.651SterneRust

    KI & AI· Tool

  • X-Post:Luna Tech

    OpenAI-Workshop: Agentensysteme mit Codex aufbauen

    Luna Tech teilt eine einstündige Video-Schulung von OpenAI über die Entwicklung von Agenten mit Codex. Der Workshop deckt Subagenten, Prompting-Muster, persistente Ziele und Automatisierungsschleifen ab.

    4005Lesezeichen151.667Aufrufe

    KI & AI· Sammlung

  • Artikel:Anthropic

    Context Engineering fuer KI-Agenten: Strategien fuer den Attention-Budget-Umgang

    Anthropic beschreibt den Wandel vom reinen Prompt Engineering hin zum umfassenden Context Engineering fuer autonome KI-Agenten. Da das Kontextfenster von Sprachmodellen durch transformer-bedingte Aufmerksamkeitsgrenzen limitiert ist, muessen Tokens gezielt kuratiert und dynamisch nachgeladen werden.

    KI & AI· Sammlung

Lassen Sie uns über Ihr Projekt sprechen

Standorte

  • Mattersburg
    Johann Nepomuk Bergerstraße 7/2/14
    7210 Mattersburg, Austria
  • Wien
    Ungargasse 64-66/3/404
    1030 Wien, Austria

Dieser Inhalt wurde teilweise mithilfe von KI erstellt.