programmier.bar – der Podcast für App- und Webentwicklung Folgen

Wie hat dir die Folge gefallen?Gut ?Schlecht ? (Keine Anmeldung erforderlich) Wie baut man einen Agenten, dem man wirklich Arbeit überlassen kann? In diesem Deep Dive sprechen Jan und Dennis mit Christian Bromann von LangChain darüber, was heute alles dazugehört, wenn man Agents baut, testet, deployt und im Betrieb überwacht.Christian beschreibt LangChain als ein Toolset, das den gesamten Agent Development Lifecycle abdeckt: vom Bauen über das Testen bis zum Deployen und Monitoren. Angefangen hat alles beim Monitoring, also beim Aufzeichnen aller Schritte, die ein Agent macht. Diese sogenannten Traces sind bis heute die Grundlage für vieles andere. Das Herzstück dahinter ist LangGraph, die Runtime, in der Agents laufen: Man baut einzelne Nodes, legt fest, wie sie durchlaufen werden, und jeder Schritt wird gespeichert. Über Middlewares kann man an jeder Stelle des Ablaufs eingreifen, etwa bevor ein Modell aufgerufen wird oder nachdem ein Tool ein Ergebnis liefert.Ganz oben steht der Deep Agent, der Sandbox, Sub-Agents und nachladbare Skills mitbringt. Möglich ist das laut Christian erst, weil die Modelle inzwischen klug genug sind, zum Beispiel mehrere Tool-Calls parallel auszuführen.Wir sprechen auch darüber, wer sich so einen Agenten überhaupt selbst baut, während es Agents doch längst von der Stange gibt. Für wiederkehrende Aufgaben im Unternehmen lohnt sich eine eigene, getunte Umgebung fast immer. Mit Fleet zeigt Christian ein Werkzeug, bei dem selbst nicht-technische Kolleg:innen per Prompt einen Agenten zusammenbauen, indem sie einfach ihre Tools wie E-Mail oder Jira verknüpfen: ein Agent, der Agents baut.Zum Schluss wagen wir einen Blick in die Glaskugel. Christian sieht großes Potenzial in Open-Weight-Modellen. Statt jeden Monat große Summen an die großen Anbieter zu überweisen, könnten Firmen künftig kleinere, offene Modelle für ihren eigenen Use Case finetunen, auch aus Kostengründen und um die Kontrolle über ihre Daten zu behalten. Ob dieses Kostenargument wirklich trägt, diskutieren Jan und Dennis anschließend munter weiter.Schreibt uns! Schickt uns eure Themenwünsche und euer Feedback: podcast@programmier.barFolgt uns! Bleibt auf dem Laufenden über zukünftige Folgen und virtuelle Meetups und beteiligt euch an Community-Diskussionen. BlueskyInstagramLinkedInMeetupYouTubeMusik: Hanimo

Wie hat dir die Folge gefallen?Gut ?Schlecht ? (Keine Anmeldung erforderlich) Diese Woche geht’s um vier Themen: neue Preise und einen kostenlosen Unlimited-Zugang bei ChatGPT, die EU-Kennzeichnungspflicht für AI-Inhalte und was Anthropic damit zu tun hat, ein neues Agent-Tool von Spotify names Xirp und einen Nachtrag zum Hugging-Face-Vorfall von der Black-Hat-Konferenz. Im Detail:Bei ChatGPT hat sich am Preisgefüge einiges getan: Das günstigste Modell der GPT-5.6-Reihe, Luna, ist über die API jetzt rund 80 % billiger und kostet nur noch 0,20 US-Dollar pro Million Input- und 1,20 US-Dollar pro Million Output-Token. Luna ist außerdem das neue Standardmodell für ChatGPT-Nutzer:innen, die das LLM kostenfrei nutzen, inklusive unbegrenzter Textchats.Anthropic markiert Claude-Texte künftig mit unsichtbaren Wasserzeichen, Bilder und Dateien mit C2PA-Metadaten. Jan und Dennis diskutieren, wie zuverlässig und aussagekräftig das eigentlich ist. Denn ein Wasserzeichen zeigt nur, dass AI beteiligt war, nicht wie stark. Über Screenshots oder starke Bearbeitung lässt es sich zudem leicht wieder verlieren.Spotify hat mit Xirp ein neues Tool veröffentlicht, das in die Kategorie Agent-Orchestrierung fällt. Ähnlich wie Conductor oder Superset hilft es dabei, mehrere Coding-Agent-Sessions parallel zu verwalten. Der eigentliche Clou liegt für Jan in der Anbindung an Spotifys eigenes Ökosystem aus Backstage und Portal: Xirp bringt den Agents automatisch Kontext aus dem internen Software-Katalog mit und spielt Wissen aus abgeschlossenen Sessions wieder zurück.Zum Schluss gibt’s noch einen Nachtrag zum Hugging-Face-Vorfall: Auf der Black-Hat-Konferenz in Las Vegas haben die beiden OpenAI-Engineers Eric Wallace und Michael Dalton in einem sehr zugänglichen Talk aufgedeckt, wie ihre Trainings-Agents über eine gekaperte interne Package-Registry ein eigenes Message-Board aufgebaut haben, an dem am Ende hunderte Nachrichten von Agents gleichzeitig reinkamen. Jan nimmt uns mit durch die verrücktesten Momente, von der Nachricht „holy shit, we’re admin“ bis zur kurzen Paranoia-Phase, in der die Agents ihre Kommunikation plötzlich verschlüsseln wollten. Sein Fazit: Wer öfter mal Dependabot & Co. anwerfen lässt, patcht jetzt am besten noch etwas konsequenter.Schreibt uns! Schickt uns eure Themenwünsche und euer Feedback: podcast@programmier.barFolgt uns! Bleibt auf dem Laufenden über zukünftige Folgen und virtuelle Meetups und beteiligt euch an Community-Diskussionen. BlueskyInstagramLinkedInMeetupYouTube

Wie hat dir die Folge gefallen?Gut ?Schlecht ? (Keine Anmeldung erforderlich) Diese Woche geht es kompakt, aber vollgepackt zu: GitHub bringt Stacked Pull Requests in die Public Preview, PHPStan wird dank einer C++-Turbo-Erweiterung spürbar schneller, OpenAI stellt mit Astra sein nächstes großes Modell vor, und wir erfreuen uns an einem KI-Limonadenstand.Ihr habt noch kein Ticket für die programmier.con 2026? Dann nutzt jetzt noch die Chance und nehmt am 25. und 26 November an unserem Event rund um Web und AI teil! Mehr unter: https://con.programmier.bar/Seit dem 30. Juli sind Stacked Pull Requests auf GitHub in der Public Preview verfügbar. Statt eines riesigen Pull Requests baut man mehrere kleine, aufeinander aufbauende PRs, die sich einzeln reviewen und am Ende gemeinsam mergen lassen. Dave und Jan sind sich einig: Kleinere PRs fühlen sich schon lange besser an, aber werden gerade jetzt umso wichtiger, wenn AI-Tools viel mehr Code in kürzerer Zeit produzieren und Reviews so schnell zum Bottleneck werden.Der beliebte statische Code-Analyzer PHPStan hat mit der neuen Turbo-Extension einen Teil seiner Toolchain in C++ nachgebaut, obwohl PHPStan selbst in PHP geschrieben ist. Jan findet das vorbildlich gelöst.OpenAI hat mit Astra den Namen für sein nächstes großes Modell bekanntgegeben, konzipiert für sehr lange, komplexe Aufgaben, an denen mehrere Agenten parallel über Stunden oder Tage arbeiten. Astra soll außerdem das erste Modell sein, das den neuen Review-Prozess der US-Regierung für AI-Modelle durchläuft. In einem YouTube-Video treten Claude und GPT mit unbegrenztem Budget gegeneinander an, um innerhalb einer Woche einen erfolgreichen Limonadenstand aufzubauen – inklusive Rezepten, Handwerker:innen und Verkaufspersonal. Dave und Jan sind sich einig: sehr unterhaltsam und ein guter Showcase für alles, was (noch nicht) mit AI funktioniert.Passend dazu verlinken sie noch zwei Interviews von Mathe-YouTuber DorFuchs und einem AI-Safety-Experten.Schreibt uns! Schickt uns eure Themenwünsche und euer Feedback: podcast@programmier.barFolgt uns! Bleibt auf dem Laufenden über zukünftige Folgen und virtuelle Meetups und beteiligt euch an Community-Diskussionen. BlueskyInstagramLinkedInMeetupYouTube