Ich bereite mich darauf vor, in den Bereich AI Engineering zu wechseln. Die meisten Lernmaterialien, die ich online gefunden habe, sind entweder verstreute Tutorials oder von AI generierte Inhalte, und es ist schwierig, systematische Anleitungen zu finden. Gerade habe ich auf GitHub das Open-Source-Projekt "AI Engineering Field Guide" entdeckt, das auf 1765 echten Stellenbeschreibungen und tatsächlichen Interviewerfahrungen basiert. Es ist datengestützt und sehr praktisch. Der Autor hat die Anforderungen an die Stellen, die benötigten Fähigkeiten, den Interviewprozess und echte Fallstudien analysiert und bietet auch Lernpfade für Ingenieure mit unterschiedlichen Hintergründen wie Daten, Backend und Frontend an. GitHub: Die Inhalte umfassen Rollenbestimmung und Fähigkeitenanalyse, einen vollständigen Leitfaden zur Interviewvorbereitung, eine Auswahl an Lernressourcen für AI Engineering sowie echte Marktdaten und Projektbeispiele. Es sind auch die echten Interviewprozesse und Erfahrungsberichte von 51 Unternehmen wie OpenAI, Anthropic, Google und Meta enthalten, sowie 17 tatsächliche Analysen von Take-Home-Aufgaben. Wenn du darüber nachdenkst, AI Engineer zu werden, oder wenn du ein systematisches Verständnis für die Realität dieser Position erlangen möchtest, ist dieser Leitfaden eine wertvolle Sammlung.

Heute ist das Hermes Agent Open-Source-Projekt auf der GitHub Trending-Liste, was ziemlich interessant ist. Es handelt sich um einen AI-Agenten, der über einen vollständigen Lernzyklus verfügt, sich selbst weiterentwickeln kann und mit uns gemeinsam wächst. Er erstellt automatisch Fähigkeiten aus der tatsächlichen Nutzung, verbessert sich während der Ausführung selbst und erinnert sich aktiv daran, wichtige Informationen zu behalten. Sogar kann er aus der Suchhistorie von Gesprächen lernen und über Sitzungen hinweg sein Verständnis von dir aufbauen, das heißt, je mehr du ihn benutzt, desto besser versteht er dich. GitHub: Darüber hinaus verfügt er über einen integrierten Zeitplaner, mit dem du automatisierte Aufgaben wie tägliche Berichte und regelmäßige Backups in natürlicher Sprache festlegen kannst. Außerdem bietet er eine vollständige Terminaloberfläche, die Mehrzeilenbearbeitung, automatische Befehlsvervollständigung, Sitzungsverlauf und andere Funktionen unterstützt. Wenn du einen persönlichen AI-Assistenten mit Gedächtnis und begleitendem Wachstum möchtest, kannst du dieses Projekt ausprobieren.

Verwalten Sie mehrere AI-Agenten und möchten in Echtzeit sehen, was sie tun, Chatprotokolle, Aufgabenfortschritte und sogar Kostenaufwendungen. Aber die vorhandenen Tools sind entweder funktional verstreut oder erfordern zusätzliche API-Schlüsselkonfigurationen, was ziemlich umständlich ist. Ich bin zufällig auf das Open-Source-Projekt ClawPort gestoßen, ein visuelles Kommandocenter, das speziell für das OpenClaw AI-Agententeam entwickelt wurde, um alle Agenten über eine einzige Oberfläche zu verwalten. Durch die Verbindung mit dem lokalen OpenClaw-Gateway erhalten Sie ein Organigramm, die Gespräche der Agenten, ein Kanban-Board, die Überwachung von zeitgesteuerten Aufgaben, Kostenverfolgung, Echtzeit-Protokollströme und einen Erinnerungsbrowser. GitHub: Es bietet interaktive Organigramme, unterstützt textbasierte Chats in Echtzeit, visuelle Erkennung von Bildanhängen und die Wiedergabe von Sprachnachrichten in Wellenform. Außerdem gibt es ein Drag-and-Drop-Task-Board zur Zuweisung von Aufgaben, die Echtzeitüberwachung des Status von zeitgesteuerten Aufgaben sowie ein Dashboard zur Analyse der Token-Nutzung und Kosten, einschließlich täglicher Kostenberichte, Anomalieerkennung und wöchentlicher Trendvergleiche. Automatische Erkennung der Agenten im OpenClaw-Arbeitsbereich ohne Konfigurationsdateien, bietet fünf Themenwechsel und kann schnell über npm global installiert werden.