
Wir haben die Botpress Engine auf einem günstigen LLM laufen lassen und sie dann mit dem Branchenstandard auf einem teuren LLM verglichen. (Ja, wir sind so überzeugt.)
Wir haben mit dem Bau von LLMs begonnen.
Jetzt nutzen wir dieses tiefe technische Know-how, um Ihnen zu helfen, Ihre Kunden besser zu bedienen.
Ersetzt Tool-Aufrufe durch direkte Codeausführung für jede Agentenaktion.
Eine Schema-Bibliothek, die dem LLM genau vorgibt, was es von jedem Tool erwarten kann.
Lernt aus menschlichem Feedback, um die Genauigkeit des Agenten im Laufe der Zeit zu verbessern.
Die meisten KI-Agenten interagieren mit der Welt über Tool-Aufrufe: Das LLM wählt ein Tool aus (zum Beispiel, um eine Bestellung nachzuschlagen oder einen Kundendatensatz abzurufen), erhält eine Antwort, wählt dann das nächste Tool und wiederholt das Ganze.
Wir machen das nicht.
Warum? Weil LLMs viel besser darin sind, Code zu schreiben, als Tool-Aufrufe auszuführen.
Statt Tool-Aufrufen werden im LLMz-Framework Ihre Anweisungen in Klartext in Code umgewandelt. Genauer gesagt in Typescript.
Das bedeutet: Wenn Ihre Anfrage mehrere Komponenten hat (wie einen Kundendatensatz abrufen und dann den Bestellstatus prüfen), bündeln wir alle diese Anforderungen in einer einzigen Ausführung, statt viele einzelne Tool-Aufrufe zu machen.
Offensichtlich ist eine Ausführung pro Anfrage günstiger als mehrere einzelne Ausführungen für jede Aktion.
(Fragen Sie uns nicht, warum unsere Mitbewerber das nicht machen. Wir wissen es auch nicht.)
Da es sich um eine große, aus Code bestehende Anfrage handelt, kann das LLM Fehler während der Ausführung erkennen und korrigieren, statt eine Annahme in Schritt 1 zu treffen, die in Schritt 3 zum Fehler wird.

Ihre KI-Agenten nutzen Tools, um Ihren Kunden zu helfen – zum Beispiel ein CRM, um einen Kundendatensatz abzurufen.
Wenn eine Anfrage mehrere Tools erfordert (wie einen Kundendatensatz abrufen und dann den Bestellstatus prüfen), raten LLMs manchmal, was das Tool zurückgeben wird.
Und wenn Sie 10 Tool-Schritte aneinanderreihen, summieren sich diese Schätzungen und können zu Fehlern führen.
Die ZUI-Bibliothek sorgt dafür, dass jedes Tool ein streng definiertes Ergebnis liefert. So weiß das LLM immer genau, was es zurückbekommt.
Das bedeutet, dass Ihr KI-Agent – sehr zuverlässig – Anfragen bearbeiten kann, die aus mehreren Schritten bestehen.
Und ehrlich gesagt: Die meisten Anfragen bestehen aus mehreren Schritten. Deshalb legen wir so viel Wert darauf, dass es richtig funktioniert.
Das LLM rät, was ein Tool zurückgibt. Bei mehreren verketteten Aktionen summieren sich diese Schätzungen – falsche Eingaben werden weitergegeben, Fehler häufen sich und der Agent scheitert auf schwer nachvollziehbare Weise.
Jedes Tool hat ein genau definiertes Ergebnis, auf das sich das LLM verlassen kann. Aktionen werden sauber verkettet, das Modell weiß immer, womit es arbeitet, und komplexe Aufgaben mit mehreren Schritten werden zuverlässig ausgeführt.

Die meisten KI-Plattformen bieten keine echte Möglichkeit, damit sich Ihre KI-Agenten mit der Zeit spürbar verbessern.
Bei Botpress ist jedoch in jeder Komponente eine Feedback-Schicht integriert: der ZAI Learning Loop.
Unser Learning Loop nimmt natürlichsprachliches Feedback (wie „Das klingt zu formell“ oder „Aktualisiere das CRM erst, nachdem Sie die Rückerstattung bearbeitet haben“) auf und gibt es direkt in das System zurück, in dem Sie arbeiten.
