Ihr Leitfaden für Agentic Coding mit dem richtigen Vibe Wird in wenigen Jahren niemand mehr Code schreiben, wie es NVIDIA-Chef Jensen Huang prophezeit? Werden intelligente Systeme Bugs jagen, Apps erstellen und Menschen überflüssig machen? Wahrscheinlich nicht.

Aber sicher ist, dass KI rasend schnell verändert, wie wir Software entwickeln. Wer die neuen KI-Helfer nicht nutzt, macht sich das Leben unnötig schwer und läuft Gefahr, den Anschluss zu verlieren.

In diesem Buch erfahren Sie, was Agentic Coding bereits leisten kann und wo die Grenzen von GitHub Copilot, Claude, Antigravity und Cursor liegen. Michael Kofler, Bernd Öggl und Sebastian Springer zeigen Ihnen anhand praxisnaher Beispiele , wie Sie heute schon mit KI-Unterstützung schneller, effizienter und fehlerfreier programmieren können. Ein pragmatischer Leitfaden für alle, die wissen wollen, was künstliche Intelligenz für die Softwareentwicklung bedeutet.

Aus dem Inhalt:

• Agentic Coding
• Debugging, Refactoring und Unit-Tests
• MCP und Skills
• Server-Setup für lokale LLM-Ausführung
• Modelle mit dem Docker Model Runner ausführen
• LLMs per API nutzen
• Reasoning and Thinking
• RAGs und SQL-to-Text
• Risiken, Grenzen und Ausblick

Autorentext
Sebastian Springer ist JavaScript-Engineer bei MaibornWolff. Als Dozent lehrt er JavaScript an der Technischen Hochschule Rosenheim. Er publiziert regelmäßig in Fachzeitschriften, schreibt Fachbücher zu Node.js und ist ein gefragter Speaker auf allen wichtigen JavaScript- und Webentwickler-Konferenzen. Sebastian Springer bietet auch Seminare zu JavaScript und Node.js an und ist Trainer für mehrere Rheinwerk Webinare.

Klappentext

Hype und RealitätDie KI-Tools versprechen viel: Die ersten Ergebnisse sind beeindruckend, doch nach einer Weile macht sich eine gewisse Ernüchterung breit. Michael Kofler, Bernd Öggl und Sebastian Springer teilen ihre Erfahrungen mit Ihnen, erklären die Zusammenhänge und machen Sie auf mögliche Fallstricke aufmerksam. Sie lernen, wie Sie die KI-Helfer richtig einsetzen, um ihr Potenzial auszuschöpfen. Agenten für alle Aufgaben Von den Autovervollständigungen des GitHub Copilots bis zur Arbeit mit Claude AI oder Mistral Vibe, vom Debugging kleiner Scripts bis zum Refactoring einer ganzen Codebasis, vom Datenbankdesign bis zur Entwicklung eigener Apps mit LangChain: Dieser Leitfaden gibt Ihnen einen aktuellen Überblick über alle Aspekte der KI-(R)evolution. MCP, Skills und die Zukunft KI ist schon längst nicht mehr in das Chat-Fenster eingesperrt. Über MCP-Server steuert Ihre KI verschiedene Tools, recherchiert selbstständig im Internet ... und löscht auch mal die Datenbank in Prod, wenn Sie nicht aufpassen. Der verantwortungsvolle Umgang mit diesen Werkzeugen ist daher wichtiger denn je. Nur was Sie verstehen, können Sie richtig einsetzen.

Inhalt

Vorwort ... 9

TEIL I. KI-Tools verstehen ... 15

1. Einführung ... 17

1.1 ... Coding per Chat ... 17

1.2 ... Codeassistenten ... 27

1.3 ... Die Kunst des Prompting ... 40

1.4 ... Grundlagen von Large Language Models (LLMs) ... 48

1.5 ... LLM-Interna und -Optimierung ... 63

2. Pair Programming ... 75

2.1 ... Die richtigen KI-Tools zum Lernen ... 76

2.2 ... Code in Funktionen strukturieren ... 78

2.3 ... Beispiel: IBAN-Validierung ... 88

2.4 ... Objektorientiert programmieren ... 95

2.5 ... Beispiel: Quiz ... 103

2.6 ... Beispiel: Sudoku lösen ... 108

3. Agentic Coding ... 117

3.1 ... Agentic Coding in der Software-Entwicklung ... 117

3.2 ... Agentic Coding mit Cursor ... 120

3.3 ... Die Kernfeatures von Cursor ... 124

3.4 ... Der Agentic Coding Workflow ... 135

3.5 ... Fazit ... 146

TEIL II. Coding mit KI-Unterstützung ... 149

4. Debugging ... 151

4.1 ... Webapplikationen ... 152

4.2 ... App-Entwicklung ... 162

4.3 ... Entwicklung am Raspberry Pi ... 167

4.4 ... Visual Studio und VSunhbox voidb@x protect penalty @M Code ... 171

4.5 ... Fazit ... 173

5. Refactoring ... 175

5.1 ... Einführung ins Refactoring ... 176

5.2 ... Refactoring mit KI-Werkzeugen ... 176

5.3 ... Best Practices ... 190

5.4 ... Wann Sie KI nicht zum Refactoring einsetzen sollten ... 192

5.5 ... Fazit ... 193

6. Software testen ... 195

6.1 ... Erzeugen von Testdaten ... 196

6.2 ... KI-gestützte Testautomatisierung ... 200

6.3 ... Testgetriebene Entwicklung mit KI ... 207

6.4 ... Arbeiten mit Abhängigkeiten ... 213

6.5 ... Optimieren von Tests ... 220

6.6 ... E2E-Tests ... 226

6.7 ... Fazit ... 231

7. Software dokumentieren ... 233

7.1 ... Inline-Dokumentation ... 235

7.2 ... Funktions- und Klassendokumentation ... 239

7.3 ... API-Dokumentation ... 243

7.4 ... Veraltete Dokumentation ... 247

7.5 ... Fazit ... 250

8. Datenbanken ... 253

8.1 ... Datenbankdesign ... 254

8.2 ... SQL-Kommandos ... 261

8.3 ... Administration ... 268

8.4 ... Datenbank-Handling mit MCP ... 273

9. Scripting und Systemadministration ... 279

9.1 ... Scripting ... 279

9.2 ... Reguläre Muster ... 284

9.3 ... KI-Hilfe im Terminal mit llm ... 289

9.4 ... Systemadministration ... 292

9.5 ... Linux-Administration per SSH und KI ... 297

TEIL III. Tools für Profis ... 305

10. Sprachmodelle lokal ausführen ... 307

10.1 ... Die Qual der LLM-Wahl ... 308

10.2 ... Vorteile der lokalen Ausführung von Modellen ... 314

10.3 ... GPT4All ... 315

10.4 ... Ollama ... 318

10.5 ... Die Ollama Cloud ... 324

10.6 ... Open WebUI für Ollama ... 325

10.7 ... Continue ... 333

10.8 ... Ollama-API ... 336

10.9 ... Tabby ... 339

10.10 ... Fazit ... 341

11. Der eigene LLM-Server ... 343

11.1 ... Hardware ... 345

11.2 ... GPU-Bibliotheken, Treiber und Kernel-Einstellungen ... 346

11.3 ... LM Studio ... 354

11.4 ... Agentic Coding mit Roo Code ... 368

11.5 ... llama-server ... 371

11.6 ... Fazit ... 377

12. Agentic-Coding-CLIs ... 379

12.1 ... Einführung ... 379

12.2 ... Claude Code ... 382

12.3 ... Codex CLI ... 396

12.4 ... goose ... 400

13. MCP und Skills ... 407

13.1 ... Tool Calling ... 408

13.2 ... Model Context Protocol (MCP) ... 409

13.3 ... Skills ... 428

14. Retrieval Augmented Generation (RAG) und Text-to-SQL ... 439

14.1 ... Schnellstart RAG ... 440

14.2 ... Das viel-falter-Projekt ... 445

14.3 ... Dokumente laden ... 446

14.4 ... Index erzeugen ... 448

14.5 ... Vector-Store-Datenbanken ... 452

14.6 ... RAG-Abfragen ... 455

14.7 ... Text-to-SQL ... 461

15. KI-APIs nutzen ... 473

15.1 ... Die API von OpenAI ... 473

15.2 ... Die API von Claude ... 482

15.3 ... Die API von Gemini ... 484

15.4 ... APIs lokaler Modelle ... 485

15.5 ... Beispiel: Alt-Texte für eine WordPress-Site generieren ... 490

15.6 ... Docker Model Runner ... 496

16. Risiken und Ausblick ... 513

16.1 ... Probleme und Einschränkungen beim Einsatz von KI-Tools ... 513

16.2 ... Beispielhaftes KI-Versagen ... 520

16.3 ... Ethische Fragen ... 529

16.4 ... AI Slop, Vibe Coding und die Zukunft…