Ein Agent, der sich messbar verbessert und sich trotzdem nicht selbst befördern kann. Am Ende betreiben Sie einen Loop, der Kandidaten erzeugt, sie deterministisch bewertet und nur durch drei Tore lässt: Nicht-Verschlechterung Fall für Fall, ein verdecktes Holdout und die Freigabe durch einen Menschen.
Das Problem
Ein neuer Prompt fühlt sich besser an, also gilt er als besser. Es gibt keinen festen Satz von Fällen, gegen den das geprüft wird, und keine Zahl, die den Vergleich überlebt.
Ein Mittelwert steigt, und niemand sieht, dass dabei genau die Fälle gekippt sind, in denen der Agent bisher verweigert oder sich enthalten hat. Sicherheit verrechnet sich gegen Bequemlichkeit.
Die Änderung ist schon produktiv, bevor ein Mensch sie gesehen hat. Es gibt keinen Zustand zwischen Vorschlag und Wirkung, und keinen Weg zurück, der eine Minute dauert.
Das Ergebnis
Das Kernprinzip
Der beste Kandidat wird Fall für Fall gegen die aktuelle Baseline gestellt. Verliert er auch nur einen Fall, den sie bestand, ist er blockiert. Zusätzlich müssen Gesamtwert und Sicherheitsquote gehalten werden.
Kein Kandidat befördert sich selbst. Die Promotion hängt an einem Freigabe-Token; ohne gültiges Token antwortet der Endpunkt mit 403 und schreibt den Versuch ins Audit.
Ein eigener Fallsatz bleibt bis zur Freigabeentscheidung unsichtbar, auch in der Datenbank. Erst im Promote-Pfad wird er ausgewertet. Fällt der Kandidat dort ab, wird nicht befördert.
Alle drei Tore liegen deterministisch im Code, keines im Modell. Ein Sprachmodell darf vorschlagen und beschreiben; bestanden oder gescheitert sagt Code.
Lieferumfang
Technischer Prüfstand
Der wichtigste Wert steht in der dritten Gruppe: Der sabotierte Kandidat erreicht mit 0,7333 einen höheren Wert als der legitime Gewinner mit 0,6333 und wird trotzdem blockiert, weil er zwei Fälle verliert. Ein System, das nur auf den Zielwert optimiert, hätte ihn befördert.
Synthetische Fixtures, keine produktiven Kundendaten. Der Standardbetrieb nutzt einen deterministischen Modelldoppelgänger, damit jede Zahl reproduzierbar ist. Die offenen Punkte, darunter die anwaltliche Endprüfung und eine unabhängige Testperson im Clean Room, stehen im Testbericht der Edition.
Drei Demo-Workflows
Belegpflicht und harte Enthaltungen. Jede Zahl im Brief trägt ihre Quelle, Fragen ohne Beleg werden nicht geraten.
Exakte Werte gegen einen Prüfkatalog. Enthält den lehrreichsten Fall der Edition: eine Anweisung, die im geprüften Dokument selbst steht.
Preise und Fristen exakt, Rabattzusagen und rechtsverbindliche Aussagen verweigert. Zeigt vier Runden lang, wie Überanpassung aussieht, bevor sie eine ist.
Alle drei laufen im selben Loop, umgeschaltet über eine einzige Umgebungsvariable. Jeder ist gemessen und im Testbericht mit Verlauf dokumentiert.
Kostenlos auf YouTube
8 Folgen zu dieser Edition, jede rund fünf Minuten. Sie zeigen denselben Weg, den die Edition dokumentiert, mit je einem kontrollierten Bauschritt und einem sichtbaren Beweis.
Ein Agent, der sich messbar verbessert und sich trotzdem nicht selbst befoerdern kann. Jede Folge zeigt einen Bauschritt und einen Beweis, den Sie selbst nachfahren können.
Ganze Reihe auf YouTube ansehen
Zielprofile
Sie führen selbst aus. Der Schwerpunkt liegt auf Reviewzeit, hartem Kostenlimit und der Regel, dass nichts ohne Sie produktiv wird.
Wiederkehrende Facharbeit. Der Schwerpunkt liegt auf klaren Rollen, belegten Quellen und einer fachlichen Freigabe, die nicht im Code steht.
Mehrere Funktionen, mehrere Datenklassen. Der Schwerpunkt liegt auf Audit, Delegation und einem Rollback, der eine Minute dauert.
Voraussetzungen
Lizenz und Updates
Edition 003 · Controlled Agents
Personalisierter digitaler Download in deutscher Sprache. Bereitstellung unmittelbar nach erfolgreicher Zahlung. Weitere Kosten von ZEHN X: keine. Kosten externer Tools, Cloud- oder GPU-Anbieter sind nicht enthalten.
Noch nicht bestellbar. Die Edition ist fertig, geprüft und ausgeliefert getestet. Was fehlt, ist allein der Zahlungsweg, der gerade eingerichtet wird. Sobald er steht, können Sie hier direkt kaufen.
Sie erhalten die Edition als personalisiertes ZIP: Handbuch, lauffähiger Referenzstack mit vier Fallsätzen, 8 Runbooks, Prompts, Diagramme, Rechtstexte und ein signiertes Manifest über alle Dateien. Version 1.0.0, Clean-room aus dem Auslieferungspaket bestanden. Offen ist die anwaltliche Endprüfung, sie steht in der Dokumentkontrolle.
Implementierung
ZEHN X richtet den kontrollierten Loop für Ihr Unternehmen ein: Aufgabenzuschnitt, Fallsatz mit Grundwahrheit, Tore, Freigabeprozess und Übergabe mit Abnahmetests.