Lokale Modelle und Agenten
Ich konzipiere Umgebungen für die Arbeit mit Code: Modell-Runtimes, Werkzeuge, Grenzen für Änderungen und Ergebnisprüfung.
KI im Produkt.Von der Idee zum Release.
Ich konzipiere KI-Funktionen und verbinde Modelle mit Daten und Arbeitsabläufen. Anforderungen, UX, Integrationen und Release-Qualität liegen in meiner Verantwortung.
Beispiele ansehen01 / Kompetenz
Was ich mit KI umsetze
Assistenten mit Wissensbasis
Ich verknüpfe Antworten mit der Projektdokumentation und konfiguriere Suche, Kontext, Sprache, Persona und Verhalten.
Support-Automatisierung
Ich verbinde LLMs, externe APIs und Datenbanken für mehrstufige Anfragen, Profilprüfung, Tickets und Feedback.
02 / Projekte
Wo es umgesetzt wurde
LOCAL / CODING AGENT
- Relevanten Code finden
- Gezielt ändern
- Ergebnis prüfen
Qwen · PHP / Python · Docker
INTERNES ENGINEERING-PROJEKT
Lokaler KI-Coding-Agent
Eine Umgebung für PHP- und Python-Repositories. Ich konzipierte Architektur, Werkzeugintegration, Bearbeitungsregeln, Prüfungen und Modell-Routing.
- interne Szenarien mit PASS
- 7
- größerer getesteter Kontext
- 4,91×
Interne Tests · 13.–14. September 2026
Fallstudie, Demo und MessungenSUPPORT / AI ASSISTANT
- Sperre / Einspruch
- Technisches Problem
- Spieler melden
- Kauf
FAQ → Support-Anfrage → Ticket
RAG / FAQ / SUPPORT WORKFLOWS
KI-Assistent für den Support
Antworten aus der Wissensbasis, mehrstufige Anfragen, Steam-Profilprüfung und Ticketerstellung über das bestehende Discord-Support-Modul.
- Python-Module im KI-Subsystem
- 11
- Antwortsprachen: RU / UA / EN
- 3
6.1K+ Zeilen Python · Snapshot des KI-Subsystems
Kommerzielles AI RAG · X-BOT-FallstudieAufbau des KI-SubsystemsSuche, Daten, Verhalten und Betrieb
Mehrstufige Support-Abläufe
Vier Abläufe: Einsprüche gegen Sperren, technische Probleme, Spielermeldungen und Käufe. Absichtserkennung, Feldextraktion, Gesprächszustand über mehrere Nachrichten und Ticketerstellung.
Sprachen und Verhalten
Erkennung von RU/UA/EN und erneute Generierung bei falscher Antwortsprache. Systemanweisungen, Ton, Grenzen und Kontextregeln steuern das Verhalten des Assistenten.
FAQ und Feedback
SQLite speichert Serverkonfiguration und statische FAQ; MySQL dynamische FAQ und Feedback. Schema- und Indexerstellung, Nutzungszähler, Aufwertung durch Reaktionen und Kennzeichnung zur manuellen Prüfung.
Suche und Quellenbezug
Suchschwellen, top-K, Kontextlimits, Aufteilung der Dokumentation und Quellen-Tags. Ein Groundedness-Score prüft Quellen-IDs und lexikalische Übereinstimmung zwischen Antwort und gefundenem Kontext.
Steam-Profilprüfung
Profilsuche, Auflösung von SteamID64 und Vanity-URL sowie Bestätigung durch den Nutzer. Strukturierte Profildaten werden vor der Ticketerstellung in den Support-Ablauf übernommen.
Konfiguration und Betrieb
Kanal, Trainer-Rolle, System-Prompt und MySQL pro Server. FAQ-CRUD/Reset, Datenbank-Verbindungstests, Connection Pooling, Cache-Invalidierung und Runtime-Status.
03 / Prozess
So führe ich Aufgaben zum Release
KI unterstützt die Umsetzung. Produktlogik, UX-Entscheidungen und die Abnahme des Ergebnisses bleiben in meiner Verantwortung.
Aufgabe und UX
Prioritäten, Nutzerabläufe, Einschränkungen, Grenzfälle und Abnahmekriterien definieren.
Umsetzung
Kontext und Aufgaben für KI vorbereiten. Änderungen, Debugging und Iterationen anhand präzisierter Anforderungen steuern.
Prüfung
Funktionen, Oberfläche und Integrationen manuell testen. Regressionen, Sprache und Quellenbezug der KI-Antworten prüfen.
Release
Umgebung, Deployment und Rollback-Bereitschaft prüfen. Das Ergebnis anhand der Fertigstellungskriterien abnehmen.
Fertig bedeutet geprüft
Die Release-Abnahme umfasst Funktionen, Grenzfälle und Regressionen. Bei KI werden zusätzlich Sprache, Quellen, Verhaltensgrenzen und Support-Abläufe geprüft.
PRODUKTERFAHRUNG UND TECHNISCHE TIEFE