Wie KI-Agenten funktionieren: die Schleife, Schritt für Schritt
Agenten sehen in Demos wie Magie aus und in Produktion wie Installationsarbeit. Der Grund: interessant ist nicht die Modellausgabe, sondern die Schleife, die sie verarbeitet — und die ist kurz genug, um sie in einem Zug zu lesen.
Dieser Leitfaden führt eine einzelne Anfrage vollständig durch diese Schleife: was das Modell in jedem Zug sieht, was Ihr Code mit dem Ergebnis macht, wie ein fehlschlagendes Werkzeug zurückkommt und was die Schleife beendet. Wer das für sein eigenes System erzählen kann, kann es debuggen. Wer nicht, macht es auch mit Prompt-Tuning nicht zuverlässig.
Ein Durchlauf, der Reihe nach#
- Kontext zusammenstellen: Ziel, Werkzeugdefinitionen, relevante abgerufene Fakten, gekürzte Historie.
- Das Modell nach dem nächsten Schritt fragen. Es antwortet direkt oder fordert einen Werkzeugaufruf mit Argumenten.
- Argumente prüfen, bevor irgendetwas passiert — Typen, Wertebereiche und ob dieser Aufrufer diesen Datensatz anfassen darf.
- Werkzeug ausführen. Fehler abfangen und in kurze, sachliche Meldungen übersetzen statt in Stacktraces.
- Aufruf und Ergebnis an die Historie hängen, dann Abbruchbedingungen prüfen.
- Wiederholen oder die finale Antwort zurückgeben, samt dem, was der Agent tatsächlich getan hat.
Was das Modell sieht und was nicht#
Das Modell hat keine Erinnerung an den vorigen Zug außer dem, was Sie zurück in den Kontext legen. Diese eine Tatsache erklärt das meiste verwirrende Agentenverhalten. Vergisst der Agent eine Vorgabe von vor vier Schritten, hat Ihre Kürzung sie entfernt. Wiederholt er denselben fehlschlagenden Aufruf, sagte die Fehlermeldung nicht in handlungsfähigen Worten, warum. Kontextaufbau ist kein Vorspiel zur eigentlichen Arbeit, sondern die eigentliche Arbeit.
Schreiben Sie Werkzeugfehler als Anweisung, nicht als Diagnose. Nicht `HTTP 404`, sondern `Keine Kundin mit dieser ID. Bitte um Bestätigung der Bestellnummer.`
Planen: explizit oder emergent#
Es gibt zwei respektable Wege. Emergentes Planen wählt Schritt für Schritt ohne Plandokument — einfach, robust, anfällig fürs Umherirren bei langen Aufgaben. Explizites Planen verlangt zuerst einen nummerierten Plan, führt ihn ab und plant nur bei einem Fehlschlag neu. Explizit ist leichter zu prüfen und Nutzern zu zeigen, dafür brüchig, wenn die Realität ab Schritt drei abweicht. Unter etwa fünf Schritten reicht emergent; darüber zahlt sich der explizite Plan durch Nachvollziehbarkeit aus.
Abbrechen: der Teil, den Demos nie zeigen#
| Bedingung | Typische Einstellung | Was dann passiert |
|---|---|---|
| Schrittgrenze | 8–15 Werkzeugaufrufe | Teilergebnis mit Erklärung zurückgeben |
| Ausgabengrenze | Fixe Kosten pro Lauf | Stoppen und zur Prüfung protokollieren |
| Uhrzeitgrenze | 30–120 s bei Interaktion | Mit dem Bekannten übergeben |
| Wiederholungserkennung | Gleicher Aufruf, gleiche Argumente | Anderen Zweig erzwingen oder stoppen |
| Menschliches Tor | Jede unumkehrbare Handlung | Pausieren und Freigabe anfordern |
Einen Trace lesen, wenn etwas schiefgeht#
Ein Trace ist die geordnete Aufzeichnung aller Kontexte, Entscheidungen, Aufrufe und Ergebnisse eines Laufs. Er ist das einzige Debugging-Werkzeug, das zählt, und das erste, das Sie bauen sollten. Die Frage lautet nie, warum das Modell schlecht ist, sondern welcher Zug zuerst falsch lief und was das Modell in dem Moment sehen konnte. In neun von zehn Fällen ist die Antwort langweilig: ein Werkzeug lieferte eine leere Liste und sagte nichts dazu, ein veralteter Fakt blieb im Kontext, oder ein Berechtigungsfehler kam als generischer Fehler an und wurde als wiederholbar behandelt.
Häufige Fragen
Wie viele Schritte sollte ein Agent machen dürfen?
Für interaktive Aufgaben deckt eine Grenze von acht bis zwölf Werkzeugaufrufen fast alles Legitime ab; wer mehr braucht, hängt meist fest. Batch-Läufe dürfen höher, aber koppeln Sie die Grenze mit einer Ausgabengrenze.
Erst planen oder Schritt für Schritt entscheiden?
Kurze Aufgaben laufen schrittweise gut. Sobald eine Aufgabe verlässlich mehr als fünf Schritte braucht, macht ein expliziter Plan den Lauf prüfbar und zeigt Fortschritt — bei Fehlern neu planen statt einem veralteten Plan zu folgen.
Warum wiederholt mein Agent denselben fehlschlagenden Aufruf?
Fast immer, weil die Fehlermeldung keine handlungsfähige Information enthält. Geben Sie kurze, klare Fehler zurück, die sagen, was falsch war und was sinnvoll folgt, und ergänzen Sie Wiederholungserkennung.
wie ki agenten funktionierenagenten schleifedenken handeln beobachtentool calling schleifeagenten architektur
