Wird geladen
Wird geladen

Beim Erstellen von KI-Agenten wird ein entscheidendes Konzept oft übersehen: die Umgebungsinspektion. Claude agiert blind - es muss in der Lage sein, die Ergebnisse seiner Handlungen zu beobachten und zu verstehen, um effektiv zu arbeiten.

Warum Umgebungsinspektion wichtig ist

Denk darüber nach, wie Claude mit der Computer-Nutzung arbeitet. Jedes Mal, wenn Claude eine Aktion wie das Eintippen von Text oder das Klicken auf eine Schaltfläche ausführt, erhält es sofort einen Screenshot, um zu verstehen, was passiert ist. Das ist nicht nur ein nettes Extra - es ist essenziell.

Claude verwendet das Computer-Tool, um "Did you read @" einzutippen, und der zurückgegebene Screenshot zeigt "Did you re" im Textfeld der Seite.

Aus Claudes Perspektive könnte das Klicken auf eine Schaltfläche zu einer neuen Seite navigieren, ein Menü öffnen oder eine beliebige Anzahl von Änderungen auslösen. Ohne die Möglichkeit, die Ergebnisse zu sehen, hat Claude keine Möglichkeit zu verstehen, ob seine Aktion erfolgreich war oder wie der neue Zustand der Umgebung aussieht.

Lesen vor dem Schreiben

Dasselbe Prinzip gilt für Dateioperationen. Bevor Claude eine Datei ändern kann, muss es den aktuellen Inhalt verstehen. Das mag offensichtlich erscheinen, ist aber ein Muster, dem du beim Erstellen von Agenten immer folgen solltest.

Nach der Aufforderung, eine "/items"-Route hinzuzufügen, liest Claude 31 Zeilen von main.py und aktualisiert sie dann mit 5 Ergänzungen, die get_items definieren.

Im obigen Beispiel liest Claude, nachdem es gebeten wurde, eine neue Route zu einer Python-Datei hinzuzufügen, zuerst den vorhandenen Code, um die aktuelle Struktur zu verstehen. Erst dann kann es die angeforderten Änderungen sicher vornehmen, ohne die bestehende Funktionalität zu beeinträchtigen.

System-Prompts für die Umgebungsinspektion

Du kannst Claude durch System-Prompts anleiten, seine Umgebung zu inspizieren. Bei komplexen Aufgaben wie der Videoerstellung wird dies besonders wichtig.

Die Aufgabe, ein Video über Python zu erstellen und es in sozialen Medien zu posten, Tools wie bash und ein System-Prompt, an Claude gesendet.

Betrachte einen Video-Erstellungs-Agenten, der Folgendes benötigt:

  • Videoinhalte mit Tools wie FFmpeg generieren
  • Überprüfen, dass der Audiodialog korrekt platziert ist
  • Prüfen, dass visuelle Elemente wie erwartet erscheinen

Du könntest System-Prompt-Anweisungen wie die folgenden einbeziehen:

  • Verwende das bash-Tool, um whisper.cpp auszuführen und Untertiteldateien mit Zeitstempeln zu generieren, um die Platzierung des Dialogs zu überprüfen
  • Verwende FFmpeg, um Screenshots aus dem Video in regelmäßigen Abständen zu extrahieren, um die Ausgabe visuell zu überprüfen
  • Vergleiche den generierten Inhalt mit den ursprünglichen Anforderungen

Vorteile der Umgebungsinspektion

Wenn Claude seine Umgebung inspizieren kann, verbessern sich mehrere Dinge:

  • Bessere Fortschrittsverfolgung - Claude kann einschätzen, wie nah es daran ist, eine Aufgabe abzuschließen
  • Fehlerbehandlung - Unerwartete Ergebnisse können erkannt und korrigiert werden
  • Qualitätssicherung - Die Ausgabe kann überprüft werden, bevor eine Aufgabe als abgeschlossen gilt
  • Adaptives Verhalten - Claude kann seinen Ansatz basierend auf dem, was es beobachtet, anpassen

Praktische Umsetzung

Stelle dir beim Entwerfen deiner eigenen Agenten immer die Frage: „Woher weiß Claude, ob diese Aktion funktioniert hat?“ Egal, ob du mit Dateien, APIs oder Benutzeroberflächen arbeitest, stelle Tools und Anweisungen bereit, die es Claude ermöglichen, die Ergebnisse seiner Handlungen zu beobachten.

Das könnte Folgendes bedeuten:

  • Dateiinhalte vor Änderungen lesen
  • Screenshots nach UI-Interaktionen erstellen
  • API-Antworten auf erwartete Daten überprüfen
  • Generierte Inhalte anhand von Anforderungen validieren

Die Umgebungsinspektion verwandelt Claude von einem blinden Ausführer von Befehlen in einen Agenten, der seine Arbeitsumgebung wirklich verstehen und sich an sie anpassen kann.