Aufbau einer vollständig lokalen KI-Arbeitsumgebung für Schreiben, Sprachsynthese und Multi-Agent-Systeme - Phase 5

Beitragsseiten

Seite 6 von 6

Phase 5: Übergang zu graphbasierten Agentensystemen & Ausblick auf lokale KI-Agenten

Die Python-Pipeline zeigte, dass komplexe Arbeitsabläufe nicht mehr linear beschrieben werden können. Die entwickelte Architektur eignet sich nicht nur für kreatives Schreiben, sondern allgemein für:

  • Dokumentanalyse,
  • Wissensmanagement,
  • Projektplanung,
  • Langzeitgedächtnis,
  • Qualitätskontrolle,
  • semantische Suche,
  • autonome Agentensysteme.

Bereits heute zeigt sich, dass lokale Modelle über Ollama erfolgreich in Entwicklungsumgebungen integriert werden können, beispielsweise in:

  • Visual Studio Code,
  • OpenWebUI,
  • Agentenframeworks,
  • lokalen Toolchains.

Da dies aber bislang auf einer Basis an Frameworks und eher "simplen" 600 Zeilen an Python-Code, der dazu verdammt sein wird nicht wartbar zu sein, basiert habe ich mich auf langfristig sinnvollere Methoden besinnt. Daher begann die Migration zu graphbasierten Agentensystemen.

Ziele:

  • zustandsbasierte Agenten,
  • persistente Workflows,
  • parallele Verarbeitung,
  • semantisches Retrieval,
  • autonome Entscheidungsprozesse.

Hierfür werden aktuell insbesondere folgende Frameworks untersucht:

  • LangGraph,
  • LangFlow, (als aktueller Fokus, und sichtbar im Bild unten)
  • Flowise.

Dadurch entsteht langfristig eine vollständig lokale KI-Arbeitsumgebung, die nicht mehr aus einzelnen Modellen besteht, sondern aus spezialisierten, kooperierenden Agentensystemen.