/perspective/frameworks/
Filtere die gesamte Landschaft nach dem Layer, den ein Framework abdeckt, und den Patterns, die es nativ unterstützt. Jede Karte zeigt, wofür es da ist, in welchem Szenario es glänzt und wie es mit dem weiteren Ökosystem spricht — füge dann zwei oder drei zu einem direkten Vergleich hinzu.
Wo ein Framework sitzt, ist das Erste, was es unterscheidet. Jede Schicht beantwortet eine andere Frage, bestimmt andere Pattern-Domänen und stapelt sich auf die darunterliegende Schicht.
“Wie lege ich schnell los?”
Ein gemeinsames Vokabular — Agent-Loops, Content-Blöcke, Modell- & Tool-Integrationen, Middleware — ohne dass Sie die darunterliegende Runtime kennen müssen.
Zentrale ErkenntnisSie müssen die Runtime nicht kennen, um ein Framework zu nutzen: LangChain läuft intern auf LangGraph, aber Sie können bauen, ohne es je anzufassen.
“Wie betreibe ich das in Produktion?”
Die Produktionsinfrastruktur, die Frameworks bewusst auslassen: ausfallsichere Ausführung, Streaming, Human-in-the-Loop, Persistenz und checkpoint-basierte Wiederherstellung.
Zentrale ErkenntnisBrauchen Sie feingranulare Kontrolle, checkpoint-basierte Wiederherstellung oder expliziten State? Bauen Sie direkt auf einer Runtime statt auf einem Framework, das darauf sitzt.
“Wie bewältige ich komplexe, langlaufende Aufgaben?”
Ein meinungsstarkes, voll ausgestattetes System für autonome Agenten, die ihre Aufgaben selbst zerlegen und Kontext über lange Läufe hinweg verwalten. Sitzt auf einer Runtime.
Zentrale ErkenntnisGreifen Sie zu einem Harness, wenn Sie einen Agenten wollen, der seine Aufgaben selbst zerlegt und Kontext über lange Läufe hinweg verwaltet — nicht, wenn Sie den Workflow selbst zusammensetzen wollen.
Ereignisgesteuerte Konversation zwischen Agenten; asynchrone Nachrichten und Gruppenchats.
Modellgesteuertes minimales SDK; das LLM webt den Graphen aus einem 'Bündel von Fäden' aus Tools.
Rollenbasierte 'Crews' von Agenten; flache Abstraktion über teamförmige Workflows.
Modulare, hierarchische Workflow-Agenten für das Vertex AI-Ökosystem.
Bringt LLM- und agentische Fähigkeiten auf die JVM (Java/Kotlin) mit LangChain-artigen Abstraktionen.
Retrieval-zentrisches Framework; Konnektoren und Indizes verwandeln proprietäre Dokumente in Agent-Kontext.
SOP-basiertes Multi-Agent-Metaprogramming, das ein IT-Unternehmen simuliert.
Leichtgewichtiges, Python-first SDK für Handoff-basierte Agent-Flows.
Typsicheres Python-Agent-Framework; strukturierte Ausgaben und Validierungs-/Retry-Schleifen auf Pydantic v2.
Enterprise-SDK für .NET/Java/Python; Skills und Planner unter Microsoft/Azure-Governance.
Einzelagent-Assistenzplattform für Deployments im direkten Kundenkontakt.
Ereignisgesteuerte ausfallsichere Ausführung; Steps, Retries und Flusskontrolle über eine Queue, die man nicht selbst betreibt.
Graph-basierte, zustandsgetriebene Runtime; explizite Nodes und Edges, Checkpointer-gestützt.
Ausfallsichere Ausführung für verteilte Dienste; ausfallsichere Promises, virtuelle Objekte und Exactly-once-Handler.
Ausfallsichere Workflow-Engine für Prozesse von Minuten bis Stunden; deterministisches Replay und automatische Wiederholungen.
Anthropics agentisches Harness — der Gather-Context / Act / Verify-Loop hinter Claude Code, mit Tools, Subagenten und MCP.
Meinungsstarkes, voll ausgestattetes Harness auf LangGraph: Planung, Subagenten und ein virtuelles Dateisystem out of the box.
Wohin als Nächstes
Patterns, Frameworks und Seiten durchsuchen.