Ik ben van plan om over te stappen naar een carrière als AI-engineer, maar het merendeel van het leermateriaal dat ik online heb gevonden, bestaat uit losse tutorials of door AI gegenereerde teksten, waardoor het moeilijk is om systematische begeleiding te vinden. Toevallig ontdekte ik op GitHub het open-source project AI Engineering Field Guide, dat is samengesteld op basis van 1765 echte functiebeschrijvingen en werkelijke interviewervaringen. Het is datagestuurd en zeer praktisch. De auteur heeft de functie-eisen, vaardigheden, interviewprocessen en echte casestudy's geanalyseerd, en biedt ook leerroutes voor engineers met verschillende achtergronden, zoals data, back-end en front-end. GitHub: De inhoud omvat rolbepaling en vaardighedenanalyse, een complete gids voor interviewvoorbereiding, een selectie van AI-engineer leermiddelen, evenals echte gegevens van de arbeidsmarkt en projectcases. Daarnaast zijn de echte interviewprocessen en ervaringen van 51 bedrijven, waaronder OpenAI, Anthropic, Google en Meta, opgenomen, evenals 17 praktische analyses van take-home opdrachten. Als je overweegt om over te stappen naar AI-engineer of als je systematisch meer wilt weten over de werkelijke situatie van deze functie, is deze gids het waard om te bewaren.

Vandaag staat het open-source project Hermes Agent op de GitHub Trending lijst, wat best interessant is. Het is een AI Agent met een ingebouwd volledig leerloopmechanisme, dat zichzelf kan evolueren en samen met ons kan groeien. Het zal automatisch vaardigheden creëren uit praktisch gebruik, zichzelf verbeteren tijdens de uitvoering en zichzelf actief herinneren aan belangrijke informatie. Bovendien kan het ook je begrip opbouwen door gesprekken uit de zoekgeschiedenis te analyseren en over sessies heen te leren, wat betekent dat het je steeds beter begrijpt naarmate je het meer gebruikt. GitHub: Daarnaast is er een ingebouwde taakplanner die je in staat stelt om automatiseringstaken zoals dagelijkse rapporten en regelmatige back-ups in natuurlijke taal in te stellen. Het biedt ook een volledige terminalinterface, met ondersteuning voor meerdere regels bewerken, automatische commandocompletie, sessiegeschiedenis en meer. Als je een persoonlijke AI-assistent wilt die geheugen heeft en samen met je groeit, dan is dit project zeker het proberen waard.

Beheer meerdere AI-agenten en wil in realtime zien wat ze doen, chatgeschiedenis, taakvoortgang en zelfs kostenuitgaven. Maar de bestaande tools hebben ofwel verspreide functies of vereisen extra configuratie van API-sleutels, wat behoorlijk omslachtig is. Toevallig zag ik het open-sourceproject ClawPort, een visueel commandocentrum speciaal ontworpen voor het OpenClaw AI-agententeam, waarmee je alle agenten vanuit één interface kunt beheren. Verbind eenvoudig met de lokale OpenClaw-gateway en krijg toegang tot een organigram, gesprekken van agenten, borden, monitoring van geplande taken, kostentracking, realtime logstream en een geheugenbrowser. GitHub: Biedt een interactieve organigram, ondersteunt tekstchat in streaming, visuele herkenning van afbeeldingsbijlagen en golfvormweergave van spraakberichten. Daarnaast zijn er taakborden voor het slepen en toewijzen van taken, realtime statusmonitoring van geplande taken, en dashboards voor tokengebruik en kostenanalyse, inclusief dagelijkse kosten grafieken, anomaliedetectie en week-op-week trends. Automatische ontdekking van agenten in de OpenClaw-werkruimte zonder configuratiebestanden, biedt vijf themawisselingen en kan snel worden gestart via globale installatie met npm.