#aiengineering — Public Fediverse posts
Live and recent posts from across the Fediverse tagged #aiengineering, aggregated by home.social.
-
Learn how knowledge silos and expert bottlenecks slow growing engineering teams, and how shared context, observability, and AI can restore speed. https://hackernoon.com/how-to-scale-engineering-teams-without-scaling-their-problems #aiengineering
-
Learn how knowledge silos and expert bottlenecks slow growing engineering teams, and how shared context, observability, and AI can restore speed. https://hackernoon.com/how-to-scale-engineering-teams-without-scaling-their-problems #aiengineering
-
Das ist genau die Architektur, die ich in meinen Pipelines verfolge: kleine Spezialmodelle routen statt ein Grossmodell für alles. Dass Nvidia das mit offenen Gewichten und offener Routing-Bibliothek liefert, macht es für alle nachbaubar, die ihren Stack besitzen wollen statt ihn zu mieten.
One-Model-Fits-All war eine Phase. Sie geht zu Ende.
-
Das ist genau die Architektur, die ich in meinen Pipelines verfolge: kleine Spezialmodelle routen statt ein Grossmodell für alles. Dass Nvidia das mit offenen Gewichten und offener Routing-Bibliothek liefert, macht es für alle nachbaubar, die ihren Stack besitzen wollen statt ihn zu mieten.
One-Model-Fits-All war eine Phase. Sie geht zu Ende.
-
Whitepaper: AI Development Lifecycle (AIDLC)
Das Whitepaper zeigt, dass der klassische SDLC nicht mehr ausreicht. Mit dem AIDLC übernehmen spezialisierte KI‑Agenten den Großteil der Umsetzung, während Menschen als Piloten Strategie, Architektur und Qualität sichern. Artefakte dienen als lebender Kontext, Gates steuern den Flow. Ziel ist eine Organisation, die schneller und sicherer liefert.
Download: https://www.appsfactory.de/en/our-cases/aidlc-whitepaper
-
Whitepaper: AI Development Lifecycle (AIDLC)
Das Whitepaper zeigt, dass der klassische SDLC nicht mehr ausreicht. Mit dem AIDLC übernehmen spezialisierte KI‑Agenten den Großteil der Umsetzung, während Menschen als Piloten Strategie, Architektur und Qualität sichern. Artefakte dienen als lebender Kontext, Gates steuern den Flow. Ziel ist eine Organisation, die schneller und sicherer liefert.
Download: https://www.appsfactory.de/en/our-cases/aidlc-whitepaper
-
Hiring senior AI engineers is rough right now. If you cannot wait months for a req to close, our AI Team Augmentation embeds engineers with real depth in ML, NLP, LLMs, RAG, and MLOps into your team so your roadmap keeps moving. When your in-house hire lands, they inherit a working system. https://www.ombulabs.ai/our-services?utm_source=mastodon&utm_medium=Organic&utm_campaign=EvergreenPromo&utm_content=Textonly&utm_term=our-services-mastodon-2026-07 #AIEngineering #MLOps #LLM
-
Hiring senior AI engineers is rough right now. If you cannot wait months for a req to close, our AI Team Augmentation embeds engineers with real depth in ML, NLP, LLMs, RAG, and MLOps into your team so your roadmap keeps moving. When your in-house hire lands, they inherit a working system. https://www.ombulabs.ai/our-services?utm_source=mastodon&utm_medium=Organic&utm_campaign=EvergreenPromo&utm_content=Textonly&utm_term=our-services-mastodon-2026-07 #AIEngineering #MLOps #LLM
-
I compiled a new version of the harness engineering technology landscape.
You can get it over here: https://dev.to/gitaroktato/harness-engineering-technology-landscape-1d93
HTML version: http://harness-engineering-technology-landscape.s3-website-eu-west-1.amazonaws.com/
-
I compiled a new version of the harness engineering technology landscape.
You can get it over here: https://dev.to/gitaroktato/harness-engineering-technology-landscape-1d93
HTML version: http://harness-engineering-technology-landscape.s3-website-eu-west-1.amazonaws.com/
-
A new record in my setup I believe: The agent worked for 1 hr and 26 minutes to complete its task. It implemented a slice of new scope. The task was 5 steps. It used TDD all along, as expected. Cool!
Meanwhile I was busy entertaining other agents. 😁 And "rtk" saved about 37% of the tokens.
-
A new record in my setup I believe: The agent worked for 1 hr and 26 minutes to complete its task. It implemented a slice of new scope. The task was 5 steps. It used TDD all along, as expected. Cool!
Meanwhile I was busy entertaining other agents. 😁 And "rtk" saved about 37% of the tokens.
-
Für mich ist das der Unterschied zwischen einer überzeugenden LLM-Demo und AI Engineering: begrenzte Zuständigkeiten, expliziter Zustand, messbare Teilstrecken.
Link in den Kommentaren.
#AIEngineering #LLM #AIAgents #RAG #MCP
https://systemebene.house-harkonnen.com/artikel/1-singularity-ai-engineering-astronomie-assistent
-
Agent performance is multiplicative: model x context x tools x reliability x workflow design. The weakest factor caps the whole system, which is why a retrieval fix often beats a model upgrade. Track task completion rate and cost per successful task, not leaderboard deltas. https://go.upgradejs.com/j53 #AIAgents #LLM #AIEngineering
-
Agent performance is multiplicative: model x context x tools x reliability x workflow design. The weakest factor caps the whole system, which is why a retrieval fix often beats a model upgrade. Track task completion rate and cost per successful task, not leaderboard deltas. https://go.upgradejs.com/j53 #AIAgents #LLM #AIEngineering
-
Wer zugreifen darf, liegt in Authentik: Provider, Application, Policy Binding. Als Blueprint in YAML versioniert, statt in der Datenbank versteckt. Mit der cookie_domain auf der Hauptdomain gilt ein Login für alle Subdomains.
Ausnahmen braucht es trotzdem: APIs und Webhooks können mit einer HTML-Loginseite nichts anfangen.
Link in den Kommentaren.
#AIEngineering #SelfHosting #Security #SSO
https://systemebene.house-harkonnen.com/artikel/2-authentik-forward-auth-caddy
-
„Mit dem LLM bin ich in der halben Zeit fertig. Warum kommt dann beim Nutzer nichts schneller an?"
100.000 GitHub-Devs vermessen: 17-fach mehr Codezeilen. 2,8-fach mehr Commits. Am Ende 1,3-fach mehr Releases. Der Effekt kollabiert genau da, wo Wirkung anfängt.
Er war nie der Engpass. Das Warten auf Entscheidungen war es.
Was du stattdessen messen solltest: https://no-bullshit-agile.de/llm-beschleunigung-messen.html?mtm_campaign=mastodon
-
„Mit dem LLM bin ich in der halben Zeit fertig. Warum kommt dann beim Nutzer nichts schneller an?"
100.000 GitHub-Devs vermessen: 17-fach mehr Codezeilen. 2,8-fach mehr Commits. Am Ende 1,3-fach mehr Releases. Der Effekt kollabiert genau da, wo Wirkung anfängt.
Er war nie der Engpass. Das Warten auf Entscheidungen war es.
Was du stattdessen messen solltest: https://no-bullshit-agile.de/llm-beschleunigung-messen.html?mtm_campaign=mastodon
-
Statt eines Mega-Prompts laufen drei kleine Modellaufrufe mit je einem engen Schema, Vision-OCR nur bei unbrauchbarem Text. Alles lokal über Ollama, orchestriert in Windmill, Temperatur 0.1 — bei der Auswahl einer Datenbank-ID ist Kreativität ein Fehler.
Link in den Kommentaren.
#AIEngineering #Ollama #LLM #SelfHosting
https://systemebene.house-harkonnen.com/artikel/4-paperless-windmill-ollama
-
Your users may have started by asking for RAG. Now they expect systems that can use tools, search, correct themselves, complete longer tasks...
In my ODSC AI West tutorial, From RAG Pipeline to AI Agent: A Step-by-Step Build, we’ll transform a basic RAG workflow into an agentic system step by step 🪜
Join me at ODSC AI West 2026 in San Francisco, October 27–29, and build the transition hands-on 🙌
Register now: https://odsc.ai/west/
-
Your users may have started by asking for RAG. Now they expect systems that can use tools, search, correct themselves, complete longer tasks...
In my ODSC AI West tutorial, From RAG Pipeline to AI Agent: A Step-by-Step Build, we’ll transform a basic RAG workflow into an agentic system step by step 🪜
Join me at ODSC AI West 2026 in San Francisco, October 27–29, and build the transition hands-on 🙌
Register now: https://odsc.ai/west/
-
Wie viel schneller wird man denn durch LLMs?
Über 100.000 Entwickler, NBER-Studie: 17,3x mehr Codezeilen. Und 1,3x mehr Releases.
Der Effekt verdampft auf dem Weg zur Auslieferung. Wer Commits zählt, misst Fleiß. Wer Releases zählt, misst Wirkung.
Was du stattdessen misst: https://no-bullshit-agile.de/llm-beschleunigung-messen.html?mtm_campaign=mastodon
-
Wie viel schneller wird man denn durch LLMs?
Über 100.000 Entwickler, NBER-Studie: 17,3x mehr Codezeilen. Und 1,3x mehr Releases.
Der Effekt verdampft auf dem Weg zur Auslieferung. Wer Commits zählt, misst Fleiß. Wer Releases zählt, misst Wirkung.
Was du stattdessen misst: https://no-bullshit-agile.de/llm-beschleunigung-messen.html?mtm_campaign=mastodon
-
Neulich ein PR im Review, komplett vibe-coded. „Was macht die Funktion hier?" Schulterzucken. Kam von LLM.
Genau da kippt's: Vibe Coding klingt nach Turbo, ist aber Wasserfall neu verpackt. Vorne prompten, hinten „fertiges" Feature, Feedback-Schleife weg. Ob LLM dir hilft oder schadet, entscheidet ein Satz. Die meisten Teams bestehen ihn nicht.
Mehr: https://no-bullshit-agile.de/nba75-vibe-coding-agiles-arbeiten.html?mtm_campaign=mastodon
-
Neulich ein PR im Review, komplett vibe-coded. „Was macht die Funktion hier?" Schulterzucken. Kam von LLM.
Genau da kippt's: Vibe Coding klingt nach Turbo, ist aber Wasserfall neu verpackt. Vorne prompten, hinten „fertiges" Feature, Feedback-Schleife weg. Ob LLM dir hilft oder schadet, entscheidet ein Satz. Die meisten Teams bestehen ihn nicht.
Mehr: https://no-bullshit-agile.de/nba75-vibe-coding-agiles-arbeiten.html?mtm_campaign=mastodon
-
The Inference Inflection from First Principles — swyx & Rob Wachen, Etched
-
The Inference Inflection from First Principles — swyx & Rob Wachen, Etched
-
Dreimal so viele Merges pro Woche, seit LLM mitschreibt. Meine Frage: Ist das Produkt dreimal besser geworden?
Stille.
Genau da liegt der Denkfehler. LLM beschleunigt den Output. Aber keiner beschleunigt das Feedback aus der Realität. Mehr Releases, gleiche Blindheit für Wirkung. Das ist kein Fortschritt, das ist Aktionismus.
Warum ist das so? https://no-bullshit-agile.de/nur-weil-systeme-schneller-werden-werden-sie-nicht-produktiver.html?mtm_campaign=mastodon
-
Dreimal so viele Merges pro Woche, seit LLM mitschreibt. Meine Frage: Ist das Produkt dreimal besser geworden?
Stille.
Genau da liegt der Denkfehler. LLM beschleunigt den Output. Aber keiner beschleunigt das Feedback aus der Realität. Mehr Releases, gleiche Blindheit für Wirkung. Das ist kein Fortschritt, das ist Aktionismus.
Warum ist das so? https://no-bullshit-agile.de/nur-weil-systeme-schneller-werden-werden-sie-nicht-produktiver.html?mtm_campaign=mastodon
-
Uber's GOGCTunner dynamically tunes Go garbage collection against live cgroup memory limits and object utilization, reclaiming 70,000 CPU cores across 30 core services.
Discover how Uber's "Zero Growth Stack" strategy helped them optimize infrastructure and cap AI coding costs at $1,500/developer after monthly spend peaked at $2,000.
Read the full story on #InfoQ 👉 https://bit.ly/3RCEZ2m
-
Ein Dev hat neulich an einem Nachmittag drei PRs mit Agent rausgehauen. Stand zwei Tage später: Review, Rückfragen, Nachziehen.
Der Code war nie das Problem. LLM macht den inneren Loop billig. Tippen.
Der äußere bleibt teuer: prüfen, entscheiden, lernen. Wer nur den billigen Teil beschleunigt, verschiebt die Warteschlange.
LLM senkt die Kosten nicht, sie verschiebt sie:
https://no-bullshit-agile.de/ki-work-feedback-loop-kosten.html
-
How Forward Deployed Engineering is done at Factory — Eno Reyes