Programmieren mit Agents: Über die LLM-Codegenerierung hinaus

2025-06-11

Dieser Artikel erforscht einen revolutionären Ansatz zum Programmieren mit Agents. Der Autor definiert einen Agenten als eine for-Schleife, die einen LLM-Aufruf enthält und dem LLM Zugriff auf Compiler, Dateisystem und Testsuiten gewährt. Dies steht im starken Gegensatz zum Programmieren allein mit LLMs (ähnlich dem Programmieren auf einer Whiteboard), wobei Agents durch Feedback aus der Umgebung die Effizienz und Genauigkeit der Codegenerierung drastisch verbessern. Der Autor teilt Fallstudien über die Verwendung von Agents für die GitHub-App-Authentifizierung und die Behandlung von JSON in SQL und zeigt deren Leistungsfähigkeit bei der Steigerung der Produktivität und der Bewältigung komplexer Aufgaben. Obwohl Agents mehr Zeit und Rechenressourcen benötigen, positionieren ihre Effizienzsteigerungen und ihr Potenzial zur Reduzierung menschlicher Fehler sie als leistungsstarke Tools für die Zukunft des Programmierens.

Mehr lesen
Entwicklung

Programmieren mit LLMs im Jahr 2024: Meine Erfahrungen

2025-01-07

Dieser Beitrag fasst die Erfahrungen des Autors mit der Verwendung von generativen Modellen zum Programmieren im letzten Jahr zusammen. Er stellte fest, dass LLMs seine Produktivität positiv beeinflusst haben, insbesondere bei der automatischen Vervollständigung, der Suche und der chatbasierten Programmierung. Obwohl die chatbasierte Programmierung eine Anpassung der Arbeitsabläufe erfordert, liefert sie einen ersten Entwurf und erleichtert eine schnellere Fehlerbehebung. Der Autor betont, dass LLMs bei gut definierten Problemen hervorragende Leistungen erbringen, und plädiert für kleinere, unabhängigerere Code-Pakete für eine bessere Interaktion mit LLMs. Er stellt sketch.dev vor, eine für LLMs entwickelte Go-IDE, um den Feedback-Kreislauf zu optimieren und die Effizienz zu steigern.

Mehr lesen
Entwicklung