The AI Engineer Path

Scrimbas Lernpfad zum AI Engineer, durchgehend interaktiv im Browser-Editor. Der Pfad führt von den ersten API-Requests an ein Sprachmodell über Streaming-UIs, Prompt- und Context Engineering und eine von Hand gebaute RAG-Pipeline (Embeddings, Chunking, Vektordatenbank in Supabase) zu Agenten: erst nach dem ReAct-Muster selbst gebaut, dann über OpenAI Function Calling und schließlich mit dem Vercel AI SDK samt Tool Calling, strukturierten Outputs und agentischem Retrieval-Routing. Dazu kommen Open-Source-Modelle (Hugging Face, Transformers.js im Browser, Ollama lokal), Deployment mit Staging, Health-Endpoint und Alerting, ein eigener MCP-Server sowie Multimodalität mit Bildgenerierung und Vision. Enthalten sind mehrere eigenständige Solo-Projekte — PollyGlot, PopChoice und ein AI Travel Agent.

Inhalte & Kompetenzen

• Modellauswahl und Setup: KI-Marktplatz und empfohlene Modelle, eigener AI-Client, erste API-Requests aufbauen und anschließend ohne Vorlage nachbauen
• Kosten und Grenzen im Griff: Tokens, Token-Kosten, Context Windows, Model Snapshots und das Messages-Array
• Prompting in der Praxis: System Message, Few-Shot-Prompting, Temperature und Top P, JSON- und Structured Outputs, Web-Search-Tool
• Streaming-UIs: Antworten streamen, Markdown sicher rendern, Fehler behandeln und den Kontext einer laufenden Unterhaltung mitführen
• Context Engineering: System-Prompts gezielt bauen, das Context Window verwalten und Kontext zusammenfassen, wenn er zu groß wird
• RAG von Grund auf: Embeddings erzeugen, Dokumente chunken, in einer Supabase-Vektordatenbank speichern und per Similarity Search abrufen — inklusive Mehrfach-Treffern und Fehlerbehandlung
• Agenten selbst bauen: ReAct-Prompting mit eigener Loop-Logik und Response-Parsing, danach derselbe Agent über OpenAI Function Calling mit automatischen Tool-Aufrufen
• Vercel AI SDK: Basics, strukturierte Outputs, Tool Calling und agentisches Retrieval-Routing — jeweils mit eigener Challenge — bis zum vollständigen Customer-Support-Agenten mit Websuche
• Open-Source-Modelle: Hugging Face Inference für Summarization, Klassifikation und Bildbearbeitung, Modelle im Browser mit Transformers.js, lokaler Betrieb mit Ollama
• Model Context Protocol: Architektur und Kernkonzepte, eigener MCP-Server mit Tools und Resources, Transports und MCP-Clients
• Multimodalität: Bildgenerierung inklusive Prompting, Response-Formaten, Größe/Qualität/Stil und Bildbearbeitung sowie Vision-Auswertung mit GPT-4
• Deployment: Node-Umgebung, Build-Command auf Render, Smoke-Test, Domains, Staging und Merging, Alerting, Health-Endpoint und sauberes Beenden von Prozessen

Kursaufbau

Aktueller Stand des Lernpfads: 9 Module mit zusammen 11,4 Stunden. Die Urkunde vom Juni 2025 weist 8,2 Stunden und 142 Scrims aus — der Pfad wurde nach dem Abschluss erweitert, erkennbar an den mit „updated“ gekennzeichneten Modulen. Im Modul „Agents“ sind die mehrteiligen ReAct- und Function-Calling-Serien zu je einem Eintrag zusammengefasst.

Themen