Was ist ein $CODEC Operator? Es ist der Punkt, an dem Vision-Language-Action-Modelle KI endlich nützlich für echte Arbeit machen. Ein Operator ist ein autonomer Software-Agent, der von VLA-Modellen angetrieben wird und Aufgaben durch einen kontinuierlichen Wahrnehmen-Denken-Handeln-Zyklus ausführt. LLMs können brillant denken und sprechen, aber sie können nichts zeigen, klicken oder greifen. Sie sind reine Denkmaschinen ohne jegliche Verankerung in der physischen Welt. VLAs kombinieren visuelle Wahrnehmung, Sprachverständnis und strukturierte Aktionsausgaben in einem einzigen Vorwärtsdurchlauf. Während ein LLM beschreibt, was geschehen sollte, sorgt ein VLA-Modell tatsächlich dafür, dass es geschieht, indem es Koordinaten, Steuersignale und ausführbare Befehle ausgibt. Der Workflow des Operators ist: - Wahrnehmung: erfasst Screenshots, Kamerafeeds oder Sensordaten. - Denken: verarbeitet Beobachtungen zusammen mit Anweisungen in natürlicher Sprache unter Verwendung des VLA-Modells. - Handlung: führt Entscheidungen durch UI-Interaktionen oder Hardwaresteuerung aus – alles in einem kontinuierlichen Loop. Beispiele: LLM vs. Operator, der von VLA-Modell angetrieben wird Ein Meeting planen LLM: Gibt eine detaillierte Erklärung des Kalender-Managements und der Schritte zur Planung eines Meetings. Operator mit VLA-Modell: - Erfasst den Desktop des Benutzers. - Identifiziert die Kalenderanwendung (z. B. Outlook, Google Kalender). - Navigiert zu Donnerstag, erstellt ein Meeting um 14 Uhr und fügt Teilnehmer hinzu. - Passt sich automatisch an Änderungen der Benutzeroberfläche an. Robotik: Objekte sortieren LLM: Generiert präzise schriftliche Anweisungen zum Sortieren von Objekten, wie z. B. das Identifizieren und Organisieren roter Komponenten. Operator mit VLA-Modell: - Beobachtet den Arbeitsplatz in Echtzeit. - Identifiziert rote Komponenten unter gemischten Objekten. - Plant kollisionfreie Trajektorien für einen Roboterarm. - Führt Pick-and-Place-Operationen aus und passt sich dynamisch an neue Positionen und Orientierungen an. VLA-Modelle überbrücken endlich die Kluft zwischen KI, die über die Welt nachdenken kann, und KI, die sie tatsächlich verändern kann. Sie verwandeln Automatisierung von fragilen Regelbefolgungen in adaptive Problemlösungen – intelligente Arbeiter. "Traditionelle Skripte brechen, wenn sich die Umgebung ändert, aber Operatoren nutzen visuelles Verständnis, um sich in Echtzeit anzupassen und Ausnahmen zu behandeln, anstatt bei ihnen abzustürzen."

Einführung der Emerald Sub Cards: ein Konto, unbegrenzte Karten individuelle Bezeichnungen, individuelle Limits und Ausgabenverfolgung sind alles in einem verfügbar.

Die Testwebsite ist online gegangen. Anfangs hatte ich einige Probleme mit der Bereitstellung über Vercel, was viel Zeit in Anspruch nahm. Später bin ich direkt zu Cloud Run gewechselt, was viel einfacher war. Wenn ich die Gelegenheit habe, werde ich auch allen zeigen, wie man AI Schritt für Schritt anleitet, um deine APP in der Cloud online zu bringen. Ich biete "3 Tage" Free Trial an, damit jeder es ausprobieren kann. Nutzt meine OpenAI API (ich habe ein Budget festgelegt, also bitte nicht übertreiben...), einfach auf die Website gehen und Informationen eingeben, um Analysen durchzuführen. Ich hoffe, dass diejenigen, die testen, mir etwas Feedback geben können. Auch über einen Stern auf meinem Git Repo würde ich mich freuen. 🙏 Testlink: Git: Ich muss sagen, dass dieses Framework viele Anpassungsmöglichkeiten bietet und es noch viele Dinge gibt, die man hinzufügen kann. Wenn man sich den Inhalt des generierten Berichts genau ansieht, ist er auch ziemlich gut (aber ich habe festgestellt, dass die Ergebnisse bei einigen kleinen Coins schlechter sind, wahrscheinlich weil die Datenquelle für die Community-Analyse derzeit nicht optimal ist). Wenn wir mehr Datenquellen anschließen und mehr Agents hinzufügen, wird die Leistung wahrscheinlich noch besser. Vielleicht können wir in Zukunft sogar MCP anschließen, um direkt Aufträge zu platzieren. Es gibt so viele Möglichkeiten! Bei Interesse an einer Zusammenarbeit oder Sponsoring, gerne DM!

Die Testwebsite ist online gegangen. Anfangs hatte ich einige Probleme mit der Bereitstellung über Vercel, was viel Zeit in Anspruch nahm. Später bin ich direkt zu Cloud Run gewechselt, was viel einfacher war. Wenn ich die Gelegenheit habe, werde ich auch allen zeigen, wie man AI Schritt für Schritt anleitet, um deine APP in der Cloud online zu bringen. Ich biete "3 Tage" Free Trial an, damit jeder es ausprobieren kann. Nutzt meine OpenAI API (ich habe ein Budget festgelegt, also bitte nicht übertreiben...), einfach auf die Website gehen und Informationen eingeben, um Analysen durchzuführen. Ich hoffe, dass diejenigen, die testen, mir etwas Feedback geben können. Auch über einen Stern auf meinem Git Repo würde ich mich freuen. 🙏 Testlink: Git: Ich muss sagen, dass dieses Framework viele Anpassungsmöglichkeiten bietet und es noch viele Dinge gibt, die man hinzufügen kann. Wenn man sich den Inhalt des generierten Berichts genau ansieht, ist er auch ziemlich gut (aber ich habe festgestellt, dass die Ergebnisse bei einigen kleinen Coins schlechter sind, wahrscheinlich weil die Datenquelle für die Community-Analyse derzeit nicht optimal ist). Wenn wir mehr Datenquellen anschließen und mehr Agents hinzufügen, wird die Leistung wahrscheinlich noch besser. Vielleicht können wir in Zukunft sogar MCP anschließen, um direkt Aufträge zu platzieren. Es gibt so viele Möglichkeiten! Bei Interesse an einer Zusammenarbeit oder Sponsoring, gerne DM!

Ein kürzlich sehr diskutiertes Open-Source-Projekt im Bereich Trading-AI - TradingAgents, dessen Sternezahl in den letzten Monaten auf 13K gestiegen ist. Um es kurz zu machen: Ursprünglich konnte dieser Open-Source TradingAgent nur den US-Aktienmarkt analysieren. Ich habe in weniger als 3 Stunden mit AI Vibe Coding eine Krypto-Version dieses TradingAgents erstellt und eine Web-Oberfläche hinzugefügt. Den Code habe ich direkt als Open Source veröffentlicht (den Link habe ich in den Kommentaren). Dieser TradingAgents verwendet Multi-LLM Agents, um einen Rahmen zu schaffen, der den Betrieb einer echten Handelsinstitution simuliert. Dabei werden Analysten, Forscher, Händler, Risikomanager und Investitionsleiter in separate AI-Agenten aufgeteilt, die interaktiv analysieren, um schließlich zu entscheiden, wie man Aufträge erteilt. Die im Papier angegebene PNL ist besser als viele Strategien, und ich habe es tatsächlich getestet; der gesamte Prozess war ziemlich gut. Es werden verschiedene Datenquellen zur Analyse herangezogen, einschließlich historischer Preise, Nachrichten, Community-Stimmungen sowie technische, fundamentale und emotionale Analysen. Ursprünglich nur für den US-Aktienmarkt unterstützt, habe ich die Unterstützung für Krypto hinzugefügt (derzeit werden einige große Coins unterstützt), und da die CLI ziemlich rudimentär war, habe ich direkt eine Web-Oberfläche ergänzt! Die Bedienung über den Browser ist intuitiver. Später, wenn ich Zeit habe, werde ich es bereitstellen, damit alle es testen können (aber der API KEY muss selbst bereitgestellt werden). Dieses Repo werde ich kontinuierlich aktualisieren. Ich plane, nach und nach mehr Datenquellen hinzuzufügen und die Prompts der Agenten zu ändern, damit die Agenten in der Krypto-Analyse schneller und präziser arbeiten. Außerdem können sogar mehr Agenten hinzugefügt werden; DeFi Farming und Alpha Hunter sollten ebenfalls in diesem Rahmen frei hinzugefügt werden können. Idealerweise hoffe ich, dass wir sogar MEME analysieren können. Wenn jemand an diesem Thema interessiert ist und an einer Zusammenarbeit interessiert ist, kann er mir eine DM senden. Es scheint, dass viele Leute immer noch analysieren, ob der Code von AI geschrieben wurde. Vibe Coding ist bereits der aktuelle Trend. Microsoft und Google haben bereits mit Entlassungen reagiert. Die Effizienz der Entwicklung mit AI ist jetzt so hoch, dass ich später, wenn ich Zeit habe, auf SIDEKICK Vibe Coding live streamen werde. Ihr spielt Spiele, während ich die AI zum Programmieren bringe!