Delegieren Sie die lärmintensive Arbeit und halten Sie Ihren Kontext sauber.
Die meisten Claude Code-Sitzungen werden aus demselben Grund langsam und unübersichtlich: Jeder explorative Grep-Durchlauf, jeder Log-Dump und jedes „Ich checke noch eine Datei“ bleibt für immer im Hauptchatverlauf stehen.
Verhindern Sie, dass vergiftete Nachrichten Warteschlangen blockieren
Eine Dead-Letter-Queue (DLQ) ist das Sicherheitsnetz, das Nachrichten einfängt, die deine Konsumenten nicht verarbeiten können, sodass ein defektes Payload nicht alles Weitere in der Warteschlange blockiert oder stillschweigend verwirft.
Beenden Sie Kaskadierende Ausfälle in Go-Mikroservices.
Ein Circuit Breaker verhindert, dass Ihr Go-Dienst eine fehlerhafte Abhängigkeit mit Anfragen überflutet. Er verhindert kaskadierende Ausfälle, die Goroutinen, Sockets und Speicher verbrauchen, bis das gesamte System zusammenbricht.
Protokollsicherheit definiert, wer handeln darf, nicht das Modell.
Prompt-Injection erhält den größten Teil der Aufmerksamkeit im Bereich der Sicherheit von LLM-Systemen, und das zu Recht, aber sie ist nicht das einzige Problem, sobald Agenten beginnen, Tools aufzurufen und Arbeit an andere Agenten zu delegieren.
Langlebige A2A-Aufgaben überdauern Chat-Sitzungen.
Die meisten AI-Agent-Demos verhalten sich immer noch wie Chat-Vervollständigungen mit zusätzlichen Schritten: Sie senden einen Prompt, warten einige Sekunden und erhalten die Antwort in einer einzigen Reaktion.
40 % der Multi-Agent-Pilotprojekte scheitern. So wählen Sie das richtige Orchestrierungsmuster – und vermeiden diejenigen, die scheitern.
Die Ära der Single-Agent-AI-Systeme erreichte 2025 ihren Höhepunkt — man gab einem LLM (Large Language Model) einen Prompt, einige Werkzeuge und ein Ziel, und es bewältigte begrenzte Aufgaben recht gut.
Schreiben Sie das Event mit den Daten. Teilen Sie diese niemals auf.
Zwei Schreibvorgänge, die gemeinsam erfolgreich sein sollten, werden sich im Laufe der Zeit separat fehlschlagen.
Ihr Order-Service speichert die Bestellung in der Datenbank und veröffentlicht anschließend ein order.created-Ereignis an einen Message Broker.
Der Go-Kontext dient dem Kontrollfluss, nicht der Datenspeicherung.
Go’s context.Context ist einfach genug, um schlecht verwendet zu werden – und genau das ist das Problem.
Behandeln Sie Fehler an der richtigen Grenze.
Das Fehlerhandling in Go ist ein beliebter Kritikpunkt. Jeder Go-Entwickler hat diesen Code hunderte Male geschrieben:
Vermeiden Sie unnötiges Warten in parallelen Go-Tests.
Das Testen von parallelem Go-Code erforderte bisher stets eine gewisse Disziplin. Goroutinen sind günstig, Channels sind einfach und die Kontextabsage ist idiomatisch – Hintergrundarbeiter und Timer sind in echten Go-Diensten allgegenwärtig.
A2A ist nicht tot. Es ist einfach nicht universell.
Googles Agent2Agent-Protokoll, meist als A2A abgekürzt, hatte ein seltsames erstes Jahr.
Zuverlässige Polling-Muster für KI-Agenten.
Polling-Agenten gehören zu den wenig glamourösen Aspekten der Architektur von KI-Assistenten, sind jedoch gleichzeitig eine der nützlichsten Komponenten.
MCP gibt Agenten Werkzeuge. A2A gibt Agenten Peers.
Die Architektur von KI-Agenten beginnt sich in zwei Schichten aufzuteilen.
A2A macht Agents zu Netzwerkpeers.
Das A2A-Protokoll (Agent2Agent Protocol) ist ein offener Standard für die Kommunikation zwischen unabhängigen KI-Agenten-Systemen.
CQRS in Go implementieren, ohne unnötigen Ballast
CQRS ist eines dieser Patterns, das überbeworben, überkompliziert und gelegentlich fälschlicherweise als Heilmittel gegen die langweilige CRUD-Alltagsarbeit dargestellt wird.
Diagrams as Code, ohne den Stress.
Mermaid ist ein textbasiertes Diagrammwerkzeug für Menschen, die Diagramme lieber schreiben, als Kästchen auf einer Leinwand zu verschieben. Es verwendet eine Markdown-ähnliche Syntax, um Flussdiagramme, Sequenzdiagramme, Klassendiagramme, Zustandsautomaten, Zeitachsen, Gantt-Diagramme, Entity-Relationship-Diagramme und mehr zu beschreiben.
