Amorfati

Meine eigene Lernplattform, mit der ich im Agentic Coding noch fitter werden will. Sie wächst Modul für Modul. Das erste erschließt die Videokurse von agenticcoding.school: Es macht sie mit deutschen Fragen durchsuchbar und führt jeden Treffer zur passenden Stelle im Video.

Aufbau in Modulen

Ein Modul bindet eine Lernquelle an die Plattform an. agenticcoding.school ist das erste von vielen. Weitere Module sollen Technologien, Programmiersprachen, Frameworks und Plattformen erschließen, die ich mir neu aneigne; mit ihnen reicht Amorfati über Agentic Coding hinaus.

Die Plattform bleibt dabei dieselbe. Jede Quelle wird in ein gemeinsames Format übertragen, mit unverändertem Originaltext, versionierten Belegen und, wo die Quelle sie liefert, Zeitmarken. Suche, Begriffsnetz und die geplanten Lernfunktionen arbeiten auf diesem Bestand und damit über alle Module hinweg.

Der Name

Amor fati heißt „Liebe zum Schicksal“. Bekannt geworden ist die Formel durch Nietzsche; der Gedanke, anzunehmen, was man nicht ändern kann, ist älter und gehört zur Stoa, mit der ich mich auch auf optimistic.day beschäftige.

Für dieses Projekt bedeutet das: Die Veränderungen, die KI in die Softwareentwicklung bringt, nehme ich an und richte meine Arbeit neu aus, statt sie zu beklagen oder abzuwarten. Die neuen Möglichkeiten will ich nutzen, ohne dabei den gesunden Menschenverstand abzugeben. Dazu muss ich verstehen, was die Werkzeuge tatsächlich tun. Amorfati ist der Ort, an dem ich mir dieses Verständnis erarbeite.

Erstes Modul: agenticcoding.school

agenticcoding.school vermittelt Agentic Coding in Videokursen; zu jeder Lektion gehört ein englisches Transkript mit Zeitmarken. Das Modul soll auf eine deutsche Frage die passenden Erklärungen und Tutorials aus allen Kursen finden, auch wenn Fachbegriffe und Befehle nur im englischen Original vorkommen. Jeder Treffer bleibt an seine Quelle gebunden. Er verweist auf die Lektion und, wo die Zeitmarken verlässlich sind, auf die Sekunde, an der die Stelle im Video beginnt.

Die Transkripte kommen über die MCP-Schnittstelle, die die Schule ihren Mitgliedern anbietet. Sie liefert den vollständigen Text, aber keine Zeitmarken; Kapitel, Zeitmarken und Veröffentlichungsdaten stammen deshalb aus dem Mitgliederbereich. Ein täglicher Import auf dem Server nimmt neue Lektionen auf. Deren Belege verweisen zunächst auf die ganze Lektion, weil genaue Zeitmarken getrennt beschafft werden müssen.

Suche und Belege

Eine Suche verbindet drei Verfahren: die Volltextsuche auf Deutsch und Englisch, die semantische Suche über Vektoren und ein Begriffsnetz, das Synonyme und geprüfte Beziehungen zwischen Begriffen einbezieht. Ihre Ergebnisse werden zu einer gemeinsamen Trefferliste zusammengeführt. Über die semantische Suche findet eine deutsche Frage auch englische Abschnitte, die ihre Begriffe nicht wörtlich enthalten.

Der Originaltext bleibt unverändert. Jede Quelle ist versioniert: Ändert sich eine Lektion, lassen sich ältere Belege weiterhin öffnen und sind als veraltet gekennzeichnet. Bei fünf Lektionen des ersten Moduls widersprechen sich die Zeitmarken des Portals. Ihre Belege führen auf die ganze Lektion, und die Oberfläche weist auf die unsichere Position hin, statt eine Zeit zu schätzen.

Die erste Suche nach einer neuen Frage dauert im Median gut sieben Sekunden, angestrebt sind zwei. Wiederholte Fragen sind schnell. Die kombinierte Rangfolge bringt mehr passende Stellen unter die ersten zehn Treffer, setzt aber nicht immer die beste an die erste Stelle.

Lernfunktionen

Als Nächstes sollen belegte Antworten entstehen, die Aussagen aus mehreren Kursen und später aus mehreren Modulen zusammenführen und jede davon mit ihrer Quelle verbinden. Die Anbindung dafür ist vorhanden; die Generierung bleibt gesperrt, bis Modell und Qualitätsprüfung feststehen. Das Begriffsnetz, bisher ein Pilot mit zehn Begriffen aus dem Kurs zu Context Engineering, wächst auf den ganzen Bestand. Neue Beziehungen gelten erst, wenn sie geprüft sind.

Lernpfade sollen durch das Material führen, Übungen das Gelernte anwenden. Was sich dabei bewährt, erprobe ich an meinen eigenen Projekten und halte es in den Notes fest.

Architektur

• Modellaufrufe nur mit Freigabe. Ein Hauptschalter und getrennte Schalter für Dokumente, Suchanfragen und Antworten sperren jeden Aufruf eines Modells, bis er ausdrücklich freigegeben ist. Ein hinterlegter Schlüssel allein erlaubt nichts.
• Nur Originaltext in den Vektoren. Die Embeddings entstehen ausschließlich aus dem Originaltext, nicht aus Übersetzungen oder Zusammenfassungen.
• Exakte Vektorsuche. Bei rund 3.400 Abschnitten vergleicht PostgreSQL jede Frage mit allen Vektoren, ohne Näherungsindex.
• Wiederholte Fragen ohne Modellaufruf. Die Vektoren von Suchanfragen werden 30 Tage zwischengespeichert, der Fragetext selbst nicht.
• Privat. Die Anmeldung über Google ist auf eine freigegebene Adresse beschränkt. Zugangsdaten, Rohdaten und Sicherungen liegen außerhalb des Webverzeichnisses.