Level 9: Advanced Patterns — Briefing

Level 9: Advanced Patterns — Production-Ready AI-Systeme bauen

TL;DR

Production-Patterns: Guardrails schuetzen Deine App vor schaedlichen Inputs und Outputs. Model Routing optimiert Kosten, indem es die richtige Modellgroesse für jede Aufgabe waehlt. Multi-Output vergleicht Qualität über mehrere Modelle hinweg. Das Finale für Production-Ready AI.

Skill Tree

Was Du Lernst

Guardrails — Input- und Output-Checks die Prompt Injection, PII-Leaks und toxische Ausgaben verhindern
Model Router — automatisch das richtige Modell für jede Aufgabe waehlen: guenstig für Einfaches, stark für Komplexes
Comparing Outputs — mehrere Modelle parallel befragen und Ergebnisse systematisch vergleichen
Research Workflow — eine End-to-End Pipeline die alle gelernten Konzepte aus 9 Levels vereint

Warum Das Wichtig Ist

Du hast in 8 Levels gelernt, AI-Systeme zu bauen — Text generieren, Tools nutzen, Workflows orchestrieren. Aber ein Prototyp ist keine Production-App. Was passiert, wenn ein User Deinem LLM sagt “Ignoriere alle Anweisungen”? Was, wenn Du für jede einfache Frage das teuerste Modell nutzt? Was, wenn Du nicht weisst, welches Modell die beste Antwort gibt?

Das konkrete Problem: Du willst ein AI-System das sicher, kosteneffizient und qualitaetsgetestet ist. Guardrails schuetzen, Model Routing optimiert, Comparing Outputs beweist Qualität. In der Boss Fight baust Du ein System das alles vereint.

Voraussetzungen

Level 1: AI SDK Basics — generateText, streamText, Output.object (Challenge 1.3-1.6)
Level 3: Agents & MCP — Tool Calling, Multi-Step Agents (Challenge 3.1-3.3)
Level 5: Context Engineering — XML-strukturierte Prompts, Rules Section (Challenge 5.1-5.3)
Level 8: Workflows — Sequentielle Pipelines, Custom Loops, Break Conditions (Challenge 8.1-8.4)
Empfohlen: Level 2 (Token-Kosten), Level 6 (Evals), Level 7 (Streaming)

Projektverzeichnis: Erstelle einen neuen Ordner level-9-advanced/ und arbeite dort.

Zusaetzliche Provider installieren: Dieses Level nutzt neben Anthropic auch Google und OpenAI Modelle (für Model Routing und Comparing Outputs). Installiere die zusaetzlichen Provider:
Terminal-Fenster
npm install @ai-sdk/google @ai-sdk/openai
Du brauchst API Keys für alle genutzten Provider. Setze sie in Deiner .env-Datei:
ANTHROPIC_API_KEY=sk-ant-...
GOOGLE_GENERATIVE_AI_API_KEY=...
OPENAI_API_KEY=sk-...

Skip-Hinweis: Du implementierst bereits Guardrails, routest automatisch zwischen Modellen und nutzt LLM-as-a-Judge für Qualitaetsvergleiche? Spring direkt zur Boss Fight und baue ein Production-Ready AI-System.

Challenges

9.1 — Guardrails Input-Checks (Injection, PII), Output-Checks (Toxicity, Format), Middleware-Pattern

9.2 — Model Router Aufgabenklassifikation, dynamisches Routing, Kostenoptimierung

9.3 — Comparing Outputs Parallele Modell-Aufrufe, LLM-as-a-Judge, systematischer Vergleich

9.4 — Research Workflow End-to-End Pipeline, alle Konzepte vereint, Production-Ready

Boss Fight

Baue ein Production-Ready AI-System — das ultimative Projekt, das alle 9 Levels vereint. Guardrails schuetzen Input und Output. Ein Model Router waehlt das optimale Modell. Comparing Outputs sichert die Qualität. Eine Multi-Step Research Pipeline orchestriert alles. Tools, Streaming, Kosten-Tracking und Eval-Coverage inklusive.