Domänenübergreifende Notizen
Wissenshub
Notizen zu Systemen, die ich gebaut, beschrieben oder gehandelt habe — nach Domäne sortiert. Nachweise und ausgelieferte Arbeit stehen auf der Startseite; hier steht das Denken.
Agenten-Architektur
Ein kuratierter Pfad von Cursor-Einrichtung über repo-weites AGENTS.md, private Wissensbasen, MCP-Tool-Design, RL-trainierte Modelle bis zu Single-Agent-Coding-Loops.
- Erste Schritte mit Cursor: die Schleife automatisieren Behandeln Sie Cursor als Automatisierungsfläche — Regeln, Tests, MCP und Agenten erledigen das Langweilige, damit Sie einen Faden für Urteilskraft behalten. Lesen →
- Der AGENTS.md-Standard für KI-Coding-Agenten Schreiben Sie eine Root-AGENTS.md von etwa 200 Zeilen: eine Karte, wo als Nächstes zu lesen ist, die Git-Regeln dieses Repos und Always / Ask first / Never. Verschachteln Sie eine weitere Datei nur, wenn ein Unterverzeichnis diese Regeln tatsächlich bricht. Lesen →
- Wissen für KI-Agenten organisieren Beginnen Sie mit einer Karte. Folgen Sie einer Zeile. Öffnen Sie eine Datei. Wenn ein Fakt unbestätigt ist, fragen Sie — erfinden Sie nichts. Lesen →
- MCP-Server mit Search und Execute bauen Zwei MCP-Tools — search und execute — schlagen Hunderte von Tool-Definitionen pro Operation. Lesen →
- Reinforcement Learning für Tool-Aufrufe in Agentenmodellen RL spezialisiert Modelle für die Tool-Schleife — Composer ist die öffentliche Fallstudie. Lesen →
- Den Faden behalten: warum Plan–Kritik–Build-Pipelines bei modernen Coding-Agenten scheitern Ein Agent, ein Faden, kleine Einheiten — mit Tests verifizieren, nicht mit verlustreichen Übergaben. Lesen →
Engineering & Games
- Skalierbare Sitzungssysteme in Live-VR Die Sitzungsarchitektur entscheidet, ob plattformübergreifendes VR zu einem zuverlässigen Live-Service wird. Lesen →
- Warum Sprachmodelle zuerst skalierten — und Robotik-Foundation-Modelle wahrscheinlich als Nächstes kommen LLMs gewannen auf statischen Daten; GPU-Sim-Durchsatz schließt die Lücke für Robot-Foundation-Modelle. Lesen →
Technische Autorenschaft
- Warum Mirror für Unity-Multiplayer Mirror ist ein pragmatischer Default, wenn Unity-Teams eine vollständige Netzwerkarchitektur brauchen. Lesen →
- Progressive Disclosure beim Lernen: Karten, nicht Auswendiglernen Orchestrieren Sie Agenten über eine navigierbare Karte — Grundlagen tief lernen, alles andere indexieren, mit der Umgebung verifizieren. Lesen →