LLM-Aufrufe verstehen (lokale Simulation ohne Zugangsdaten)

💡 Die Kernidee im Alltag:

"Hier lernst du das Grundmuster eines LLM-Aufrufs, ohne einen externen Dienst zu benötigen. DevForge Core simuliert die Antwort lokal, damit du ohne Konto und ohne Zugangsdaten üben kannst."

Wie es wirklich funktioniert (Erklärt für 12-Jährige)

Ein provider-neutraler LLM-Aufruf in Python:

class LocalModel:
    def generate_content(self, model, contents):
        return f"[{model}] Response to: {contents}"

client = LocalModel()
response = client.generate_content(
    model="local-demo",
    contents="Explain the 3-tier architecture in 2 sentences."
)

print(response)

This exercises the request and response flow locally. DevForge Core makes no external model request and needs no credentials.

KI-Power-Tipp für Entwickler

Empfohlener Assistent: Local editor

Golden Prompt für deinen Editor:

Design a provider-neutral Python client with bounded retries, dependency injection, and a local mock that is testable without credentials.

Qualitäts-Prüfung: Verify bounded retries, clear error handling, and a local mock used in the test.

Vorherige Lektion: Arbeiten mit Listen, Dictionaries und JSON

Nächste Lektion: Strukturierte Ausgaben erzwingen (KI liefert sauberes JSON)

Interaktive Übung & lokaler Testlauf

Erstelle einen lokalen Mock-Client und rufe `client.generate_content(model='local-demo', contents='Hallo KI')` auf.

Lokale Terminal-Ausgabe