
KI-Apps mit Python bauen
Schreib Python-Programme, die ein Sprachmodell richtig einsetzen. Ruf ein Modell über HTTP auf, streame seine Antworten, mach daraus validierte Python-Objekte, lass es deine eigenen Funktionen aufrufen, bau einen kleinen Agenten, lass es aus deinen eigenen Dokumenten antworten und teste und budgetiere das Ergebnis.
Du brauchst zuerst Python in der Praxis, weil dieser Kurs auf den dortigen Kenntnissen zu requests, der Kommandozeile und dem Testen aufbaut. Python-Grundlagen II wird empfohlen, ist aber keine Voraussetzung: Der Kurs erklärt die wenigen Teile daraus, die er braucht, an der Stelle, an der sie zum ersten Mal vorkommen, etwa Type Hints an Feldern und ein pydantic-Modell.
Jede Lektion läuft gegen ein Kursmodell in der Sandbox der Website. Das geskriptete Modell ist kostenlos und gibt jedes Mal dieselbe Antwort, sodass du den ganzen Kurs ohne Live-Modell und ohne eigenen API-Schlüssel abschließen kannst.
12
Kapitel
93
Lektionen
63
Übungen
11
Projekte
Die Lektionen sind in einer empfohlenen Reihenfolge angeordnet, du kannst aber jede Lektion öffnen.
Kapitel 1
Ein LLM-Aufruf ist eine HTTP-Anfrage
Kapitel 2
Gespräche und Anweisungen
- Ein Modell erinnert sich an nichtsÜbung
- System-, User- und Assistant-NachrichtenÜbung
- Ein Gespräch am Laufen haltenÜbung
- Das Kontextfenster und max_tokens
- Den Verlauf im Budget haltenÜbung
- Anweisungen schreiben, denen das Modell folgen kann
- Eingefügten Text von Anweisungen trennenÜbung
- Projekt: Ein Lern-Chat, der beim Thema bleibtAbschlussprojekt
Kapitel 3
Streaming
- Warum auf die ganze Antwort warten?
- Wie ein Stream aussieht
- Einen Stream öffnen und seine Bytes lesenÜbung
- Die wichtigen Zeilen erkennenÜbung
- Den Text aus jedem Chunk holenÜbung
- Beim Eintreffen ausgeben, die ganze Antwort behaltenÜbung
- Wenn ein Stream mittendrin abbrichtÜbung
- Projekt: Antworten im Lern-Chat streamenAbschlussprojekt
Kapitel 4
Strukturierte Ausgabe
- Mit Text kann ein Programm wenig anfangen
- JSON anfordern und prüfenÜbung
- Den Typ jedes Werts benennenÜbung
- Ein Pydantic-Modell lesenÜbung
- Ein Pydantic-Modell schreibenÜbung
- Die Antwort des Modells validierenÜbung
- Dem Modell die Form zeigenÜbung
- Bei ungültiger Ausgabe einmal neu fragenÜbung
- Projekt: Aus einer Notiz Quizfragen machenAbschlussprojekt
Kapitel 5
Den OpenAI-Client verwenden
Kapitel 6
Tools
- Ein Modell, das Hilfe anfordern kann
- Eine Funktion als Tool beschreibenÜbung
- Einen Tool-Aufruf aus der Antwort lesenÜbung
- Eine Funktion über ihren Namen findenÜbung
- Das Ergebnis zurückschickenÜbung
- Die Anfrage prüfen, bevor etwas läuftÜbung
- Mehrere Tool-Aufrufe in einer AntwortÜbung
- Projekt: Den Assistenten eine Notiz nachschlagen lassenAbschlussprojekt
Kapitel 7
Ein kleiner Agent
- Von einem Tool-Aufruf zur Schleife
- Die Schleife schreibenÜbung
- Nach einer festen Zahl von Schritten stoppenÜbung
- Stoppen, wenn das Budget aufgebraucht istÜbung
- Jeden Schritt festhaltenÜbung
- Fragen, bevor etwas verändert wirdÜbung
- Erkennen, wenn der Agent feststecktÜbung
- Projekt: Ein Lernagent mit LimitsAbschlussprojekt
Kapitel 8
Antworten aus deinen Notizen
- Das Modell kennt deine Notizen nicht
- Die Notizen in Abschnitte aufteilenÜbung
- Einen Abschnitt anhand einer Frage bewertenÜbung
- Die besten paar Abschnitte auswählenÜbung
- Die Quellen in den Prompt einfügenÜbung
- Prüfen, ob die Antwort echte Quellen zitiertÜbung
- „Ich weiß es nicht“ sagen, wenn nichts passtÜbung
- Projekt: Fragen aus den Kursnotizen beantwortenAbschlussprojekt
Kapitel 9
Wenn etwas schiefgeht
- Was bei einem Modellaufruf schiefgehen kann
- Jeden Aufruf begrenzenÜbung
- Nur erneut versuchen, was sich lohntÜbung
- Zwischen den Versuchen länger wartenÜbung
- Eine abgeschnittene Antwort erkennenÜbung
- Zuerst am eigenen Limit anhaltenÜbung
- Projekt: Ein Aufruf-Wrapper, der gut scheitertAbschlussprojekt
- Quiz- und Agentenaufrufe durch den Wrapper leitenÜbung
- Einen Stream nur erneut versuchen, bevor er etwas ausgibtÜbung
Kapitel 10
LLM-Code testen
- Warum du nicht die exakte Antwort prüfen kannst
- Den mitgelieferten Fake-Client verwendenÜbung
- Die Agentenschleife mit geskripteten Antworten testenÜbung
- Eine echte Antwort speichern und erneut abspielenÜbung
- Eigenschaften testen, nicht FormulierungenÜbung
- Ein kleines Eval-Set bauenÜbung
- Zwei Prompts mit der Eval vergleichen
- Projekt: Tests für den LernassistentenAbschlussprojekt
Kapitel 11
Abschlussprojekt
Kapitel 12