BlueFish AIAQI · KI-Wissen
⌕
Offizielle DokumentationNicht von BlueFish getestet

Einstieg in lokale Programmieragenten

Prüfen Sie das Modell und üben Sie anschließend Berechtigungen und Überprüfung an rückgängig machbaren Codeänderungen.

Zuletzt geprüft:
Kurzes Begriffsverzeichnis

Modelle erzeugen Inhalte und ziehen Schlussfolgerungen. Agenten erledigen Aufgaben mithilfe von Werkzeugen. Ein Harness verwaltet die Umgebung eines Agenten. MCP verbindet Werkzeuge und Daten. Skills sind wiederverwendbare Arbeitsanweisungen.

Aktuelle Aufgabe

Einstieg in lokale Programmieragenten

Geschätzter Zeitaufwand

Planen Sie 2–4 Übungseinheiten ein; dies ist eine redaktionelle Schätzung, keine gemessene Dauer.

Grenzen und Einschränkungen

Falscher Port, nicht geladenes Modell, unzureichende Ressourcen oder falsche Modell-ID.

Der Chat funktioniert, aber die Werkzeuge sind unzuverlässig oder der Kontext reicht nicht aus.

Konfigurationsänderungen in der Vorschauversion, schwache Werkzeugfähigkeiten oder Websuche mit erforderlicher Cloudauthentifizierung.

Prüfverfahren

Ändern Sie eine Überschrift in einem Testrepository, prüfen Sie sie und setzen Sie sie mit Git zurück; erklären Sie jede Befehlsfreigabe.

Nächste Schritte

Schließen Sie die Prüfpunkte der verknüpften Rezepte ab, bevor Sie eine Fähigkeit hinzufügen; prüfen Sie bei geänderten Abhängigkeiten die Quellen erneut.

Kosten

Nicht geprüft

Preise sind nicht verifiziert; prüfen Sie Software-, Modell-, API-, Hardware- und Hostingkosten getrennt.

Umsetzungsschritte

  1. 01
    Senden Sie eine kurze Anfrage an die offizielle API, dokumentieren Sie Modell-ID, Fehler und Latenz und vermeiden Sie private Dateien.
  2. 02
    Schließen Sie das Rezept für lokalen Chat ab und bereiten Sie ein Git-Testrepository ohne Geheimnisse vor.
  3. 03
    Wählen Sie Ollama und das tatsächliche Modell in Cline aus, ohne Datei- oder Befehlsberechtigungen zu erweitern.
  4. 04
    Lassen Sie eine Datei erklären, ändern Sie danach einen Satz und prüfen Sie den Diff.
  5. 05
    Führen Sie geeignete Prüfungen manuell aus und dokumentieren Sie Erfolg und Misserfolg, bevor Sie die Aufgabe erweitern.

Umsetzungsschritte

  1. Senden Sie eine kurze Anfrage an die offizielle API, dokumentieren Sie Modell-ID, Fehler und Latenz und vermeiden Sie private Dateien.

  2. Schließen Sie das Rezept für lokalen Chat ab und bereiten Sie ein Git-Testrepository ohne Geheimnisse vor.

  3. Wählen Sie Ollama und das tatsächliche Modell in Cline aus, ohne Datei- oder Befehlsberechtigungen zu erweitern.

  4. Lassen Sie eine Datei erklären, ändern Sie danach einen Satz und prüfen Sie den Diff.

  5. Führen Sie geeignete Prüfungen manuell aus und dokumentieren Sie Erfolg und Misserfolg, bevor Sie die Aufgabe erweitern.

Originalquellen

  1. Offizielle Dokumentation zu Ollama ↗

    docs.ollama.com · 2026-10-15 · Offizielle Dokumentation

  2. Offizielle Dokumentation zu LM Studio ↗

    lmstudio.ai · 2026-10-15 · Offizielle Dokumentation

  3. Offizielle Dokumentation zu Cline ↗

    github.com · 2026-10-15 · Offizielle Dokumentation

  4. Offizielle Dokumentation zu DeepSeek Harness ↗

    github.com · 2026-10-15 · Offizielle Dokumentation

  5. Ollama mit Harness ↗

    github.com · 2026-10-15 · Offizielle Dokumentation

  6. Harness-Modellkonfiguration ↗

    github.com · 2026-10-15 · Offizielle Dokumentation

Verknüpfte Ressourcen

HarnessKostenlose Software; Lizenz und Rechenkosten gesondert prüfen

DeepSeek Harness

Ein offizielles quelloffenes Agent Harness von DeepSeek AI mit Plugin-Architektur in der Entwicklervorschau.

Offizielle Dokumentation
AgentKostenlose Software; Lizenz und Rechenkosten gesondert prüfen

Cline

Ein Coding-Agent mit Unterstützung für mehrere Anbieter, Ollama, LM Studio und MCP.

Offizielle Dokumentation
Lokale LaufzeitumgebungKostenlose Software; Lizenz und Rechenkosten gesondert prüfen

Ollama

Eine lokale Modelllaufzeit und ein API-Werkzeug mit Unterstützung für einen Teil der OpenAI-Endpunkte.

Offizielle Dokumentation
Lokale LaufzeitumgebungKostenlose Software; Lizenz und Rechenkosten gesondert prüfen

LM Studio

Ein Desktop-Werkzeug für lokale Modelle mit kompatiblen Chat Completions- und Responses-Endpunkten.

Offizielle Dokumentation