Code-first Jupyter-Tutorials zum Erstellen, Bereitstellen und Skalieren von KI-Agenten für die Produktion.
Wechseln Sie vom Prototypen zur Enterprise-GenAI-Bereitstellung mithilfe praxisnaher Code-Beispiele.
Dieses Repository ist eine Open-Source-Sammlung von Code-First-Jupyter-Notebooks für den Bildungsbereich zum Erstellen von KI-Agenten. Es richtet sich an Entwickler, Ingenieure und Architekten, die GenAI-Prototypen in Produktionssysteme überführen möchten. Sie können einzelne Notebooks ausführen, um spezifische architektonische Komponenten wie Vektorspeicher oder Docker-Bereitstellungen zu implementieren.
Das Projekt bietet 28 End-to-End-Tutorials zu Orchestrierungs-Frameworks wie LangGraph, Model Context Protocol-Laufzeiten und Echtzeit-Websuche-APIs. Es enthält modularen Code für Sicherheitsleitplanken, GPU-Cloud-Skalierung, Browser-Automatisierung und Observability-Tools. Jedes Modul befindet sich in einem eigenen Verzeichnis mit ausführbaren Codedateien und Einrichtungs-Skripten.
Es eignet sich für Softwareingenieure, KI-Architekten und Entwickler, die praktische Code-Muster für die Bereitstellung von LLM-Workflows benötigen. Es eignet sich nicht für nicht-technische Benutzer, die einen visuellen No-Code-Agenten-Builder oder eine vorgefertigte Standardanwendung suchen.
Jedes Tutorial enthält eigenständigen Code, der für die Ausführung in lokalen oder Cloud-Jupyter-Umgebungen konzipiert ist.
Implementieren Sie Multi-Agenten-Koordination und langlebige Ausführungsmuster mit Frameworks wie LangGraph.
Verpacken Sie Agenten mit FastAPI-Endpunkten, Docker-Containern und GPU-Cloud-Infrastruktur.
Wenden Sie Tool-Aufruf-Autorisierungskontrollen über OAuth2 und Human-in-the-Loop-Validierungsschritte an.
Der Tutorial-Code selbst ist frei zugänglich und veränderbar, obwohl dem Repository explizit keine Lizenz beigefügt ist. Sie müssen Ihre eigenen Betriebskosten tragen, einschließlich LLM-API-Nutzung, Cloud-Hosting-Gebühren und GPU-Recheninstanzen, die für bestimmte Notebooks erforderlich sind.
880 offene Remote-Stellen im KI-Training, aktualisiert am 16. November 2026; die meisten zahlen $20–$175 pro Stunde. 12 davon suchen Deutschsprachige. Zekai listet sie kostenlos; die Bewerbung läuft über die Plattform des Arbeitgebers.
Nein, es handelt sich um eine kuratierte Sammlung von Lern-Tutorials und Referenzcode, die Ihnen helfen soll, Ihre eigenen Agenten-Stacks aufzubauen.
Ja, die meisten Tutorials erfordern API-Schlüssel von Drittanbietern für LLM, Vektordatenbanken oder Websuche zur Ausführung.
Zekai zuerst in Google sehen