Seien Sie spezifisch und aussagekräftig
Verwenden Sie einen Namen, der den Zweck des Agents widerspiegelt
Beispiele:
- ✅ Gut: "Python Code Reviewer", "Marketing Content Writer"
- ❌ Schlecht: "Agent 1", "Mein Agent", "Test"

Fügen Sie eine Beschreibung hinzu (optional, aber empfohlen):

Kurzer Überblick über die Funktionen des Agents
Hilft Teamkollegen zu verstehen, wann man ihn nutzt
Beispiel: "Überprüft Python-Code auf Best Practices, Sicherheitsprobleme und Optimierungsmöglichkeiten"

Screenshot

Schritt 3: Wählen Sie ein Modell

Wählen Sie das KI-Modell, das Ihren Agent antreibt:

Verfügbare Modelle:

Claude 3.5 Sonnet (Empfohlen)
- ID: claude-3-5-sonnet-20241022
- Beste Ausgewogenheit von Geschwindigkeit, Qualität und Kosten
- 200K Token-Kontextfenster
- Hervorragend für allgemeine Aufgaben
Claude 3 Opus
- ID: claude-3-opus-20240229
- Fähigstes Modell
- Am besten für komplexes Denken
- Höhere Kosten, langsamere Reaktionen
Claude 3.5 Haiku
- ID: claude-3-5-haiku-20241022
- Schnellstes und kostengünstigstes
- Ideal für einfache Aufgaben
- 200K Token-Kontextfenster

Modellauswahlhandbuch:

Anwendungsfall	Empfohlenes Modell
Code-Review, Analyse	Claude 3.5 Sonnet
Content Writing	Claude 3.5 Sonnet
Einfache Fragen & Antworten	Claude 3.5 Haiku
Komplexe Forschung	Claude 3 Opus
Datenanalyse	Claude 3.5 Sonnet
Schnelle Antworten	Claude 3.5 Haiku

Screenshot

Schritt 4: System Prompt konfigurieren

Der System Prompt definiert die Persönlichkeit, das Fachwissen und das Verhalten Ihres Agents.

Klicken Sie auf "System Prompt bearbeiten" und geben Sie Ihre Anweisungen ein.

Weitere Anleitungen finden Sie unter System-Prompts konfigurieren unten.

Screenshot

Schritt 5: Sichtbarkeit einstellen

Wählen Sie, wer auf diesen Agent zugreifen kann:

Optionen:

Privat (Standard)
- Nur Sie können diesen Agent sehen und verwenden
- Am besten für persönliche Experimente oder sensible Arbeiten
Organisation
- Alle Mitglieder Ihrer Organisation können ihn verwenden
- Am besten für Teamzusammenarbeit
Öffentlich
- Jeder mit dem Link kann es sehen (Lesezugriff)
- Die Ausführung erfordert Organisationsmitgliedschaft
- Am besten zum Zeigen oder Teilen von Demos

Screenshot

Schritt 6: Agent erstellen

Klicken Sie auf "Agent erstellen", um abzuschließen.

Sie werden zur Agent-Detailseite weitergeleitet, wo Sie:

Den Agent testen können
Ausführungsverlauf anzeigen können
Konfiguration ändern können
Tools und Plugins hinzufügen können

Screenshot

Methode 2: Über API

Agent-Erstellungsanfrage:

curl -X POST "https://cc.teamday.ai/api/v1/agents" \
  -H "Authorization: Bearer $TEAMDAY_API_TOKEN" \
  -H "Content-Type: application/json" \
  -d '{
    "name": "Python Code Reviewer",
    "description": "Überprüft Python-Code auf Best Practices und Sicherheit",
    "systemPrompt": "Du bist ein erfahrener Python-Entwickler mit 10+ Jahren Erfahrung. Überprüfe Code auf:\n\n1. Best Practices und PEP 8 Compliance\n2. Sicherheitslücken\n3. Leistungsoptimierungen\n4. Code-Lesbarkeit und Wartbarkeit\n\nGeben Sie spezifisches, umsetzbares Feedback mit Code-Beispielen.",
    "model": "claude-3-5-sonnet-20241022",
    "visibility": "organization"
  }'

Antwort:

{
  "id": "char_abc123xyz",
  "name": "Python Code Reviewer",
  "description": "Überprüft Python-Code auf Best Practices und Sicherheit",
  "systemPrompt": "Du bist ein erfahrener Python-Entwickler...",
  "model": "claude-3-5-sonnet-20241022",
  "visibility": "organization",
  "organizationId": "org_xyz789",
  "createdAt": "2025-01-15T10:00:00Z",
  "updatedAt": "2025-01-15T10:00:00Z",
  "metadata": {}
}

Speichern Sie die Agent-ID (char_abc123xyz) für zukünftige API-Aufrufe.

System-Prompts konfigurieren

Der System Prompt ist der wichtigste Teil Ihrer Agent-Konfiguration. Er definiert Persönlichkeit, Fachwissen und Verhalten.

Anatomie eines guten System Prompts

1. Rolle und Fachwissen

Du bist ein leitender Softwareingenieur, der sich auf Python und Backend-Entwicklung mit 10+ Jahren Erfahrung spezialisiert hat.

2. Kernverantwortlichkeiten

Ihre Hauptverantwortlichkeiten sind:
- Code auf Best Practices überprüfen
- Sicherheitslücken identifizieren
- Leistungsoptimierungen vorschlagen
- Code-Wartbarkeit gewährleisten

3. Kommunikationsstil

Bei Feedback:
- Seien Sie konstruktiv und ermutigend
- Geben Sie konkrete Beispiele
- Erklären Sie das "Warum" hinter Vorschlägen
- Priorisieren Sie Probleme nach Schweregrad

4. Einschränkungen und Richtlinien

Richtlinien:
- Konzentrieren Sie sich auf Python 3.10+ Funktionen
- Folgen Sie dem PEP 8 Style Guide
- Lesbarkeit vor Cleverness
- Beachten Sie Team-Coding-Standards

Beispiel-System-Prompts

Beispiel 1: Code Reviewer Agent

Du bist ein erfahrener Code Reviewer mit tiefem Wissen über Best Practices in der Softwareentwicklung, Sicherheit und Leistungsoptimierung.

Bei der Überprüfung von Code:

1. **Sicherheit**: Identifizieren Sie Sicherheitslücken (SQL-Injection, XSS, Authentifizierungsprobleme)
2. **Leistung**: Erkenne ineffiziente Algorithmen, unnötige Schleifen, Speicherlecks
3. **Wartbarkeit**: Überprüfen Sie klare Namenswahl, angemessene Abstraktion, Dokumentation
4. **Best Practices**: Stellen Sie sicher, dass die Einhaltung von Sprachkonventionen und Mustern gewährleistet ist

Geben Sie Feedback in diesem Format:
- 🔴 Kritisch: Sicherheitslücken oder kritische Probleme
- 🟡 Wichtig: Leistungsprobleme oder Wartbarkeitsprobleme
- 🟢 Vorschläge: Nette zusätzliche Verbesserungen

Beziehen Sie immer Code-Beispiele ein, die die Lösung zeigen.

Beispiel 2: Content Writer Agent

Du bist ein professioneller Content Writer, der sich auf technische Blog-Beiträge und Marketing-Copy spezialisiert hat.

Dein Schreibstil:
- Klar und prägnant
- Ansprechend und Gesprächsstin
- Technisch genau, aber verständlich
- SEO-optimiert mit natürlicher Keyword-Verwendung

Bei der Erstellung von Inhalten:
1. Beginnen Sie mit einem fesselnden Hook
2. Verwenden Sie kurze Absätze (2-3 Sätze)
3. Beziehen Sie relevante Beispiele und Analogien ein
4. Enden Sie mit einem klaren Call-to-Action

Zielgruppe: Softwareentwickler und technische Entscheidungsträger

Ton: Professionell aber freundlich, autoritativ aber ansprechbar

Beispiel 3: Data Analyst Agent

Du bist ein leitender Datenanalyst mit Expertise in statistischer Analyse, Datenvisualisierung und Business Intelligence.

Bei der Datenanalyse:
1. Beginnen Sie mit explorativer Datenanalyse (EDA)
2. Identifizieren Sie Muster, Trends und Anomalien
3. Führen Sie statistische Tests durch, wenn angemessen
4. Erstellen Sie klare, umsetzbare Visualisierungen
5. Geben Sie Geschäftsempfehlungen

Präsentieren Sie Ergebnisse in dieser Struktur:
- **Zusammenfassung**: Wichtigste Erkenntnisse in 2-3 Sätzen
- **Analyse**: Detaillierte Aufschlüsselung mit unterstützenden Daten
- **Visualisierung**: Schlagen Sie angemessene Diagramme/Grafiken vor
- **Empfehlungen**: Umsetzbare nächste Schritte

Verwenden Sie Python (pandas, matplotlib, seaborn) für Datenarbeiten.

Best Practices für System-Prompts

Tun Sie Folgendes:

✅ Seien Sie spezifisch über die Rolle und das Fachwissen des Agents
✅ Definieren Sie klare Verantwortlichkeiten und Prioritäten
✅ Geben Sie Ausgabeformat und -struktur an
✅ Beziehen Sie Beispiele des gewünschten Verhaltens ein
✅ Legen Sie Grenzen und Einschränkungen fest
✅ Definieren Sie Kommunikationsstil und Ton

Das sollten Sie nicht tun:

❌ Seien Sie nicht zu vage ("Du bist hilfreich")
❌ Enthalten Sie keine widersprüchlichen Anweisungen
❌ Machen Sie Prompts nicht unnötig lang (unter 500 Wörtern halten)
❌ Vergessen Sie nicht, das Ausgabeformat anzugeben
❌ Gehen Sie nicht von Kontext aus, der nicht bereitgestellt wird

Testen und Iterieren

Initialer Test:

Agent mit Ihrem Prompt erstellen
5-10 Test-Abfragen ausführen
Antworten bewerten

Iterieren:

Probleme identifizieren (zu ausschweifend, fehlende Schlüsselinformationen, falscher Ton)
System Prompt aktualisieren
Erneut testen
Wiederholen, bis Sie zufrieden sind

Versionskontrolle: Halten Sie Änderungen am Prompt im Auge:

# Version 1.0 (2025-01-15)
- Anfanglicher Prompt

# Version 1.1 (2025-01-16)
- Ausgabeformat-Spezifikation hinzugefügt
- Ton und Stil geklärt

# Version 1.2 (2025-01-17)
- Ausschweifendheit reduziert
- Schweregradestufen für Feedback hinzugefügt

Wählen Sie das richtige Modell

Modellvergleich

Modell	Kontext	Geschwindigkeit	Kosten	Am besten für
Claude 3.5 Sonnet	200K	Schnell	Medium	Allgemeine Aufgaben, ausgewogene Qualität
Claude 3 Opus	200K	Langsam	Hoch	Komplexes Denken, kritische Aufgaben
Claude 3.5 Haiku	200K	Am schnellsten	Niedrig	Einfache Aufgaben, hohes Volumen

Wann man jedes Modell verwendet

Claude 3.5 Sonnet (Standard - Am besten für die meisten Fälle)

Code-Review und -Generierung
Content Writing
Datenanalyse
Kundenunterstützung
Allgemeine Automatisierung

Claude 3 Opus (Premium - Komplexe Aufgaben)

Erweiterte Forschung und Analyse
Kritische Entscheidungsfindung
Komplexe Problemlösung
Juristische oder medizinische Analyse
Hochrisikoinhalte

Claude 3.5 Haiku (Wirtschaft - Hohes Volumen)

Einfache Fragen & Antworten
Datenklassifizierung
Content Moderation
Schnelle Zusammenfassungen
Routing und Triage

Wechsel der Modelle

Sie können das Modell jederzeit ändern:

Über Benutzeroberfläche:

Agent-Einstellungen öffnen
Wählen Sie "Modell" Dropdown aus
Wählen Sie neues Modell
Klicken Sie auf "Speichern"

Über API:

curl -X PATCH "https://cc.teamday.ai/api/v1/agents/char_abc123" \
  -H "Authorization: Bearer $TEAMDAY_API_TOKEN" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "claude-3-opus-20240229"
  }'

Sichtbarkeit einrichten

Die Sichtbarkeit steuert, wer auf Ihren Agent zugreifen und ihn verwenden kann.

Sichtbarkeitsoptionen

1. Privat

Wer kann zugreifen: Nur Sie
Anwendungsfall: Persönliche Experimente, sensible Arbeiten
Freigabe: Kann nicht geteilt werden

2. Organisation

Wer kann zugreifen: Alle Organisationsmitglieder
Anwendungsfall: Teamzusammenarbeit, gemeinsame Missions
Freigabe: Automatisch für Org-Mitglieder

3. Öffentlich

Wer kann zugreifen: Jeder mit dem Link (nur Lesezugriff)
Anwendungsfall: Demos, Präsentation, öffentliche Tools
Freigabe: Link-basierte Freigabe
Hinweis: Die Ausführung erfordert immer noch Organisationsmitgliedschaft

Sichtbarkeit ändern

Über Benutzeroberfläche:

Agent-Einstellungen öffnen
Wählen Sie "Sichtbarkeit" Dropdown aus
Wählen Sie neue Stufe
Klicken Sie auf "Speichern"

Über API:

curl -X PATCH "https://cc.teamday.ai/api/v1/agents/char_abc123" \
  -H "Authorization: Bearer $TEAMDAY_API_TOKEN" \
  -H "Content-Type: application/json" \
  -d '{
    "visibility": "organization"
  }'

Testen Sie Ihren Agent

Interaktives Testen

Über Benutzeroberfläche - Chat-Interface:

Navigieren Sie zur Agent-Detailseite
Klicken Sie auf "Chat" Tab
Geben Sie Test-Nachricht ein
Überprüfen Sie Antwort

Test-Szenarien:

Szenario 1: Grundlegende Fähigkeit

Nachricht: "Hallo! Wofür bist du ausgelegt?"
Erwartet: Agent beschreibt seine Rolle und Fähigkeiten

Szenario 2: Spezifische Aufgabe

Nachricht: "Überprüfen Sie diese Python-Funktion: [Code einfügen]"
Erwartet: Detailliertes Code-Review mit spezifischem Feedback

Szenario 3: Edge Case

Nachricht: "Kannst du mir mit JavaScript helfen?"
Erwartet: Agent hilft oder erklärt, dass er auf Python spezialisiert ist

Screenshot

API-Test

Führe Agent aus:

curl -X POST "https://cc.teamday.ai/api/v1/agents/char_abc123/execute" \
  -H "Authorization: Bearer $TEAMDAY_API_TOKEN" \
  -H "Content-Type: application/json" \
  -d '{
    "message": "Überprüfen Sie diesen Code: def get_user(id): return db.query(\"SELECT * FROM users WHERE id=\" + id)"
  }'

Antwort:

{
  "executionId": "exec_xyz789",
  "message": "🔴 **Kritisches Sicherheitsproblem**: SQL-Injection Sicherheitslücke\n\nIhr Code ist anfällig für SQL-Injection-Attacken...\n\n**Lösung:**\n```python\ndef get_user(id):\n    return db.query(\"SELECT * FROM users WHERE id=?\", (id,))\n```",
  "status": "completed",
  "usage": {
    "inputTokens": 156,
    "outputTokens": 234
  }
}

Bewertungskriterien

Qualitäts-Checkliste:

✅ Antworten sind korrekt und relevant
✅ Ton passt zu System Prompt
✅ Ausgabeformat ist konsistent
✅ Agent bleibt in seiner definierten Rolle
✅ Behandelt Edge Cases elegant

Erweiterte Konfiguration

Hinzufügen von Metadaten

Speichern Sie zusätzliche Informationen mit Ihrem Agent:

curl -X PATCH "https://cc.teamday.ai/api/v1/agents/char_abc123" \
  -H "Authorization: Bearer $TEAMDAY_API_TOKEN" \
  -H "Content-Type: application/json" \
  -d '{
    "metadata": {
      "version": "1.2",
      "author": "engineering-team",
      "lastReviewed": "2025-01-15",
      "tags": ["code-review", "python", "security"]
    }
  }'

Temperature und Sampling

Steuern Sie die Zufälligkeit von Antworten (in Kürze verfügbar):

{
  "model": "claude-3-5-sonnet-20241022",
  "temperature": 0.7,
  "topP": 0.9,
  "maxTokens": 2000
}

Temperature:

0.0 - Deterministisch, fokussiert
0.7 - Ausgewogen (Standard)
1.0 - Kreativ, unterschiedlich

Benutzerdefinierte Anweisungen

Fügen Sie kontextspezifische Anweisungen hinzu:

{
  "customInstructions": {
    "codeReview": "Konzentriere dich auf Sicherheit und Leistung",
    "outputFormat": "markdown mit Code-Blöcken",
    "prioritization": "kritische Probleme zuerst"
  }
}

Best Practices

1. Einfach beginnen, iterieren

Initial Agent:

Du bist ein Code Reviewer. Überprüfen Sie Code auf Bugs und Best Practices.

Nach dem Testen:

Du bist ein erfahrener Python Code Reviewer, der sich auf Sicherheit und Leistung spezialisiert hat.

Bei der Überprüfung von Code:
1. Überprüfen Sie auf Sicherheitslücken (SQL-Injection, XSS, etc.)
2. Identifizieren Sie Leistungsengpässe
3. Stellen Sie die PEP 8 Compliance sicher
4. Überprüfen Sie die ordnungsgemäße Fehlerbehandlung

Geben Sie Feedback mit:
- Problem Schweregrad (🔴 Kritisch, 🟡 Wichtig, 🟢 Vorschlag)
- Spezifische Stelle im Code
- Korrigiertes Code-Beispiel
- Kurze Erklärung

2. Verwenden Sie beschreibende Namen

Gute Namen:

✅ "Python Security Auditor"
✅ "Marketing Blog Writer"
✅ "Customer Support Triager"

Schlechte Namen:

❌ "Agent 1"
❌ "General Helper"
❌ "Test Bot"

3. Dokumentieren Sie Ihre Agenten

Fügen Sie Beschreibungen und Metadaten hinzu:

{
  "name": "Python Code Reviewer",
  "description": "Automatisierte Code-Überprüfung mit Fokus auf Sicherheit, Leistung und Best Practices für Python 3.10+ Codebases",
  "metadata": {
    "purpose": "code-review",
    "languages": ["python"],
    "focusAreas": ["security", "performance", "style"],
    "team": "engineering",
    "version": "2.0"
  }
}

4. Testen Sie gründlich

Test-Matrix:

Test-Typ	Beispiel
Happy Path	Normale, erwartete Eingaben
Edge Cases	Leere Eingabe, sehr lange Eingabe
Ungültige Eingabe	Falsches Format, fehlende Daten
Grenzcases	Maximale Länge, Sonderzeichen

5. Versionskontrolle

Verfolgen Sie Änderungen an Ihren Agenten:

# Agent Evolution Log

## v1.0 (2025-01-10)
- Initial-Erstellung
- Grundlegende Code-Review-Fähigkeiten

## v1.1 (2025-01-12)
- Sicherheitsfokus hinzugefügt
- Ausgabeformat verbessert

## v1.2 (2025-01-15)
- Schweregradestufen hinzugefügt
- Code-Beispiele im Feedback enthalten
- Optimiert für Python 3.10+

6. Überwachen Sie die Leistung

Verfolgen Sie Schlüsselmetriken:

Durchschnittliche Antwortzeit
Token-Nutzung pro Ausführung
Benutzerzufriedenheitsbewertungen
Häufige Fehlermuster

7. Erstellen Sie spezialisierte Agenten

Anstelle eines generellen Agents erstellen Sie spezialisierte:

Statt:

❌ "General Purpose Helper"

Erstellen Sie:

✅ "Code Reviewer" (für Code-Aufgaben)
✅ "Content Writer" (für Content-Aufgaben)
✅ "Data Analyst" (für Datenaufgaben)

Vorteile:

Bessere Leistung bei spezifischen Aufgaben
Klarere System-Prompts
Einfacher zu warten und zu verbessern

Fehlerbehebung

Agent reagiert nicht wie erwartet

Problem: Agent gibt generische Antworten

Lösungen:

Machen Sie System Prompt spezifischer
Fügen Sie konkrete Beispiele der gewünschten Ausgabe hinzu
Testen Sie mit verschiedenen Formulierungen
Erwägen Sie einen Wechsel zu einem leistungsfähigeren Modell

Antworten zu ausschweifend

Problem: Agent schreibt zu viel Text

Lösung: Zum System Prompt hinzufügen:

Halten Sie Antworten prägnant (unter 200 Wörtern, wenn nicht mehr Details angefordert werden).
Verwenden Sie Aufzählungspunkte für Listen.

Agent schweift ab

Problem: Agent bleibt nicht in seiner definierten Rolle

Lösung: Fügen Sie klare Grenzen zum System Prompt hinzu:

WICHTIG: Du überprüfst NUR Python-Code. Wenn Sie nach anderen Themen gefragt werden, leiten Sie höflich um: "Ich spezialisiere mich auf Python-Code-Überprüfung. Für andere Themen wenden Sie sich bitte an einen anderen Agent."

Inkonsistentes Ausgabeformat

Problem: Agent-Antworten variieren in der Struktur

Lösung: Geben Sie das genaue Format im System Prompt an:

Strukturieren Sie Ihre Antwort immer wie folgt:

## Zusammenfassung
[1-2 Sätze Überblick]

## Gefundene Probleme
[Liste mit Schweregradmarkierungen]

## Empfehlungen
[Spezifische Aktionspunkte]

Hohe Token-Nutzung

Problem: Ausführungen verbrauchen zu viele Tokens

Lösungen:

System Prompt optimieren (unnötigen Text entfernen)
Max-Tokens-Limit einstellen
Zum effizienteren Modell wechseln (Haiku)
Komplexe Aufgaben in kleinere Schritte aufteilen

Nächste Schritte

Jetzt, da Sie Ihren ersten Agent erstellt haben, erkunden Sie:

1. Richten Sie einen Workspace ein

Erstellen Sie einen Space für Ihren Agent, um mit Dateien zu arbeiten
Anleitung: Space Setup

2. Aktivieren Sie Git-Integration

Lassen Sie Ihren Agent mit Repositories arbeiten
Anleitung: Git-Integration

3. Installieren Sie MCP-Plugins

Fügen Sie Tools und Integrationen hinzu, um Funktionen zu erweitern
Anleitung: MCP-Plugins

4. Erstellen Sie Sub-Agenten

Erstellen Sie spezialisierte Agenten, die zusammenarbeiten
Anleitung:

5. Planen Sie automatisierte Aufgaben

Richten Sie wiederkehrende Missions ein
Anleitung: Automatisierung

Lernressourcen

API-Referenz - Vollständige Agent-API-Docs
Prompts & Anweisungen - Erweiterte Prompt-Engineering

Viel Spaß beim Agent-Bau! 🤖