Seminar Laravel KI-Anwendungen, Agenten und semantische Suche

Inhaltsübersicht

• Seminarprofil
• Lernziele
• Inhalte
• Praxisübungen
• Zielgruppe und Voraussetzungen

Seminarprofil

Das Seminar behandelt KI-Funktionen als reguläre, testbare Anwendungsbausteine. Providerzugriff, Prompting, Werkzeuge, Datenzugriff und Ausgabevalidierung werden hinter klaren Laravel-Services und Jobs gekapselt.

Neben generativen Funktionen liegt ein Schwerpunkt auf semantischer Suche und Retrieval. Embeddings, Vektorspeicherung, Ähnlichkeitsabfragen und Reranking werden an einem fachlichen Dokumentbestand umgesetzt und mit Sicherheits-, Kosten- und Qualitätsgrenzen versehen.

Lernziele

• das Laravel AI SDK und seine Abstraktionen sicher einsetzen
• strukturierte Prompts und validierbare Ausgaben entwerfen
• Agenten und Tool-Aufrufe mit klaren Berechtigungen entwickeln
• Embeddings, Vektorabfragen, Retrieval und Reranking implementieren
• KI-Aufgaben über Queues skalieren und überwachen
• Qualität, Kosten, Datenschutz und Missbrauchsrisiken kontrollieren

Inhalte

AI SDK und Anwendungsarchitektur

Providerunabhängige Konfiguration, Services, Agents, Prompts, Responses, Fehlerbehandlung und Abgrenzung zwischen synchronen und asynchronen Aufgaben.

• SDK Configuration
• Agents und Services
• Response Handling
• Fallbacks

Prompts und strukturierte Ausgaben

System- und Benutzerkontext, Vorlagen, strukturierte Antwortschemata, Validierung, Wiederholungsregeln und deterministische Nachverarbeitung.

• Prompt Design
• Structured Output
• Validation
• Retry Strategy

Tools und agentische Abläufe

Werkzeugdefinitionen, Eingabeschemata, Autorisierung, begrenzte Schleifen, Zustandsverwaltung und Auditierung von Tool-Aufrufen.

• Tool Calling
• Authorization
• Execution Limits
• Audit Trail

Embeddings und Vektorsuche

Erzeugung und Speicherung von Embeddings, Vektorspalten, Ähnlichkeitsabfragen, Chunking und Aktualisierung von Indizes.

• Embeddings
• Vector Columns
• Similarity Queries
• Index Lifecycle

Retrieval und Reranking

Aufbau einer Retrieval-Augmented-Generation-Strecke mit Filterung, Kontextfenster, Dokumentmetadaten, Reranking und Antwortbegründung ohne ungeprüfte Datenfreigabe.

• Chunking
• Hybrid Retrieval
• Reranking
• Context Assembly

Multimodale Funktionen und Dateien

Audio-, Bild- und Dateiverarbeitung, sichere Uploads, Größen- und Typgrenzen, Queue-Verarbeitung und Speicherung erzeugter Artefakte.

• Audio und Images
• File Inputs
• Storage
• Queued Processing

Tests, Guardrails und Betrieb

Fakes, deterministische Tests, Qualitätsdatensätze, Prompt-Injection-Schutz, sensible Daten, Kostenbudgets, Rate Limits, Logging und Monitoring.

• AI Fakes
• Evaluation Sets
• Prompt Injection
• Cost und Observability

Praxisübungen

1. Schritt 1: Einen AI-Service mit konfigurierbarem Provider und strukturiertem Ergebnis anlegen.
2. Schritt 2: Einen Agenten mit einem eng begrenzten, autorisierten Werkzeug implementieren.
3. Schritt 3: Dokumente segmentieren, Embeddings erzeugen und in einer Vektorspalte speichern.
4. Schritt 4: Semantische Suche, Retrieval und Reranking verbinden.
5. Schritt 5: Lange Aufgaben in Queue-Jobs auslagern und Fortschritt protokollieren.
6. Schritt 6: Fakes, Evaluationsfälle, Sicherheitsgrenzen und Kostenlimits testen.

Zielgruppe und Voraussetzungen

Zielgruppe: Erfahrene Laravel-Entwickler, Backend-Entwickler, Softwarearchitekten und Teams, die KI- oder semantische Suchfunktionen in Geschäftsanwendungen integrieren.

Voraussetzungen: Gute Laravel- und PHP-Kenntnisse, Erfahrung mit Eloquent, Queues, APIs und automatisierten Tests. Grundverständnis von Prompting und relationalen Datenbanken ist hilfreich.