Level 4 Complete

Level 4 abgeschlossen!

Dein Chat-System hat jetzt ein Gedaechtnis. Es speichert, laedt und validiert — und ueberlebt jeden Reload. Das ist die Grundlage für jede produktionsreife AI-Anwendung.

Was Du Gelernt Hast

• On Finish Callback: Ergebnisse automatisch nach der Completion abfangen — onFinish liefert text, usage, finishReason und response für Logging, Analytics und Persistence
• Chat ID: Sessions eindeutig identifizieren mit crypto.randomUUID() — das Frontend schickt die ID mit jedem Request, das Backend ordnet Messages dem richtigen Chat zu
• Persistence: Messages in einer Datenbank speichern und bei Reload laden — der vollständige Cycle: Load → Generate → Save. Chats ueberleben Server-Neustarts und Deployments
• Message Validation: Eingehende Nachrichten mit Zod Schemas validieren, bevor sie verarbeitet werden — safeParse für strukturierte Fehlerbehandlung, Schutz vor Schema-Drift und Injection

Aktualisierter Skill Tree

Naechstes Level

Level 5: Context Engineering — Du weisst jetzt, wie Du Chats speicherst und laedt. Aber was genau schickst Du ans LLM? Context Engineering ist die Kunst, dem LLM den optimalen Input zu geben — von strukturierten Prompt Templates über Few-Shot Learning bis zu RAG und Chain of Thought. Du lernst, wie Du aus vagen Prompts praezise, reproduzierbare Ergebnisse machst.