Level 9 Complete — Lernpfad abgeschlossen
Was Du Gelernt Hast
Abschnitt betitelt „Was Du Gelernt Hast“- Guardrails: Input- und Output-Checks die Prompt Injection, PII-Leaks und unkontrollierte Ausgaben verhindern. Das Middleware-Pattern macht Guardrails composable und wiederverwendbar. Doppelte Absicherung: Code-Guardrails fangen technisch erkennbare Probleme ab, Prompt-Guardrails geben dem LLM Verhaltensregeln.
- Model Router: Automatisch das richtige Modell für jede Aufgabe waehlen — von einfacher Switch-Logik über Token-basiertes Routing bis zu LLM-basierter Klassifikation. Das Ergebnis: gleiche Qualität bei bis zu 90% niedrigeren Kosten.
- Comparing Outputs: Mehrere Modelle parallel befragen mit
Promise.all, Ergebnisse mit einfachen Metriken und LLM-as-a-Judge vergleichen, datengetriebene Modell-Entscheidungen treffen statt auf Bauchgefuehl zu vertrauen. - Research Workflow: Eine End-to-End Pipeline die Konzepte aus allen 9 Levels vereint — Agent Loop mit Tools, sequentielle Workflows, Context Engineering, Structured Output, Guardrails, Model Routing und Usage Tracking. Das grosse Bild.
Der komplette Skill Tree
Abschnitt betitelt „Der komplette Skill Tree“
Alle 9 Levels freigeschaltet. 41 Challenges gemeistert. 9 Boss Fights bestanden.
Du bist kein Vibe Coder mehr
Abschnitt betitelt „Du bist kein Vibe Coder mehr“Du hast als jemand angefangen, der ChatGPT nutzt und AI-Code per Copy-Paste einbaut. Jetzt bist Du ein AI Engineer — jemand der versteht, wie AI-Systeme von innen funktionieren und sie gezielt, sicher und kosteneffizient baut.
Das ist der Unterschied:
| Vibe Coder | AI Engineer |
|---|---|
| Kopiert Code aus ChatGPT | Baut Systeme mit dem AI SDK |
| Ein Modell für alles | Routet zum optimalen Modell |
| ”Funktioniert irgendwie” | Evals beweisen die Qualität |
| Keine Ahnung von Kosten | Token-Tracking und Kostenoptimierung |
| Copy-Paste Prompts | Context Engineering mit XML-Struktur |
| Keine Sicherheit | Input/Output Guardrails |
| Einzelne API-Calls | Orchestrierte Workflows und Agent Loops |
| Hofft auf gute Antworten | Vergleicht Modelle systematisch |
Vom Vibe Coder zum AI Engineer. Du hast den Lernpfad abgeschlossen.
Was Du jetzt kannst
Abschnitt betitelt „Was Du jetzt kannst“Hier ist, was Du mit dem Wissen aus allen 9 Levels bauen kannst:
- AI-gesteuerte Produkte — Chatbots, Research-Assistenten, Content-Pipelines, Code-Review-Tools
- Production-Ready Systeme — mit Guardrails, Error Handling, Cost Management, Eval Coverage
- Multi-Modell Architekturen — Model Routing, Comparing Outputs, Provider-agnostische Systeme
- Autonome Agents — Tool Calling, Custom Loops, Break Conditions, Multi-Step Workflows
Nächste Schritte
Abschnitt betitelt „Nächste Schritte“Kein naechstes Level — aber der Lernpfad endet nicht hier. Hier sind die besten Ressourcen um weiterzumachen:
Offizielle Dokumentation
Abschnitt betitelt „Offizielle Dokumentation“- ai-sdk.dev — Die offizielle AI SDK Dokumentation. Deine erste Anlaufstelle für neue Features, API-Referenzen und Guides.
- docs.anthropic.com — Anthropic’s Dokumentation für Claude. Prompt Engineering, Best Practices, API-Referenz.
- platform.openai.com — OpenAI’s Plattform-Dokumentation. Models, API, Best Practices.
- ai.google.dev — Google AI Dokumentation für Gemini. Models, API, Tutorials.
Tools und Frameworks
Abschnitt betitelt „Tools und Frameworks“- Evalite — Das Eval-Framework das Du in Level 6 gelernt hast. Für systematische Qualitaetssicherung.
- Zod — Schema Validation für TypeScript. Die Basis für Structured Output und Tool Parameters.
- MCP (Model Context Protocol) — Der Standard für Tool-Integration, den Du in Level 3 kennengelernt hast.
Eigene Projekte bauen
Abschnitt betitelt „Eigene Projekte bauen“Das Wichtigste: Bau etwas. Nimm ein Problem das Du hast und loese es mit dem was Du gelernt hast. Ideen:
- Personal Research Assistant — Ein CLI-Tool das ein Thema recherchiert, zusammenfasst und als Markdown-Report speichert. Nutze die Research Pipeline aus Level 9.
- Code Review Bot — Ein Agent der Pull Requests analysiert, Probleme findet und Verbesserungen vorschlaegt. Nutze Tools (Level 3), Context Engineering (Level 5) und Guardrails (Level 9).
- Multi-Model Chat — Ein Chat der Antworten von mehreren Modellen vergleicht und dem User die beste zeigt. Nutze Comparing Outputs (Level 9), Streaming (Level 7) und Persistence (Level 4).
- Content Pipeline — Ein System das Blog-Posts generiert: Research, Outline, Draft, Edit, Format. Nutze Workflows (Level 8) mit Evals (Level 6) für Qualitaetssicherung.
Community
Abschnitt betitelt „Community“- GitHub: Vercel AI SDK — Issues, Discussions, Contributions
- GitHub: ai-hero-dev — Die Exercises auf denen dieser Lernpfad aufbaut
Dieser Lernpfad ist Open Source und kostenlos. Wenn er Dir geholfen hat, teile ihn mit anderen die den Weg vom Vibe Coder zum AI Engineer gehen wollen.