Ich bin heute morgen auf einen LinkedIn Post von Markus Andrezak gestolpert, in dem er davon berichtet, wie er als No-Coder mit der KI einen Aristo M84 Taschenrechner als WebApp entwickelt hat.
Eigentlich hat die KI entwickelt, in dem diese die Spezifikation (spec.md) und die Abnahmekriterien (eval.md) erarbeitet und anschließend in einer Iterationsschleife (Loop) Schritt für Schritt jedes Feature erstellt, getestet, integriert und optimiert hat.
Er hat die Entwicklung auf seiner Webseite und einem Video sowie auf Github dokumentiert.
- Ein Taschenrechner, vier Bauweisen: Was kosten Agenten-Schleifen, und was bringen sie? — überproduct
- https://www.youtube.com/watch?v=HDWxSmRVGV8
- GitHub - ueberproduct-lab/aristo-m64: Ein Taschenrechner von 1974, viermal von KI-Agenten gebaut: One Shot, Direktbau, Loop, Graph · GitHub
„Loop Engineering“ klingt spannend und erinnert mit an „Computational Engineering“ von LEAP71, die damit den Entwicklungsprozess für Raketentriebwerke „programmieren“.
Ich habe mir mal das Briefing angesehen (aristo-m64/briefing/BRIEFING.md at main · ueberproduct-lab/aristo-m64 · GitHub) und den Original-Prompt in Mistral Le Chunk ausprobiert:
Lass uns eine WebApp Taschenrechner bauen. Im spec evel pattern. Schreibe eine Spec und eine Eval.
Der Calc soll lediglich die 4 Grundrechenarten können, plus Wurzel und Prozentrechnung.
Das Wichtigste: IM Look and Feel solle r aussehen udn wirken wie der klassische Aristo M 85 S:
Baue die Agenten, die sowohl den Code generieren als auch die jenigen die ihn testen. mache eine explizite loop daraus. baue feature für feature bis die webapp fertig ist und der Eval entspricht. die app muss nut local auf local host laufen.
wichtig ist, dass das look and feel auch spezifiziert und testbar ist.
Nach keinen 5 Minuten hatte ich im Canvas von Mistral ein funktionsfähiges Ergebnis.
Probiert es mal selbst aus.