|
AI AGENTS MASTERCLASS 4 HOURS: Build & Sell (2026)
Michele Torti
Dette er et 4-timers dansk masterkursus om, hvordan man bygger og sælger AI-agenter til virksomheder. Kursets underviser, Michele Torti, deler sin personlige rejse fra at studere til investeringsbank til at skalere sit eget AI-bureau til sekscifrede indtægter på 14 måneder med over 50 kunder. Kurset gennemgår grundlæggende principper for AI-agenter, herunder deres fem komponenter, og viser fem forskellige agenter bygget på fire platforme som Zapier, Make.com og N8N. Desuden dækkes den kommercielle side: hvordan man finder kunder, lukker salg og prissætter sine ydelser – alt uden urealistiske løfter om hurtige gevinster.
|
|
This NEW Chinese AI AGENT is INSANE! (FREE + Open Source)
Julian Goldie SEO
Ling-3.0-flash is a new free, open-source AI agent model from Inclusion AI (part of Ant Group) featuring 124 billion total parameters but only activating 5.1 billion at a time, making it fast and efficient while outperforming its larger predecessor on 11 of 12 benchmarks. It supports a 256,000-token context window and is designed specifically for multi-step agentic tasks, meaning it can break down goals, use tools, and complete jobs autonomously — such as editing documents, managing calendars, coordinating multi-agent research teams, and generating 3D visuals. The model is available for free testing until August 3rd on platforms like OpenRouter, requiring no setup or download.
|
|
Llama.cpp vs vLLM: Which Local LLM Engine Actually Scales?
IBM Technology
The video compares two local LLM inference engines: **Llama.cpp** and **vLLM**. Llama.cpp focuses on making large language models accessible on consumer hardware (laptops, Raspberry Pis) through techniques like quantization and the GGUF file format, enabling offline inference even without a dedicated GPU. vLLM, by contrast, targets production-scale deployments on hardware accelerators (Nvidia, AMD, Google TPUs), offering optimizations like continuous batching, paged attention for efficient KV cache management, and speculative decoding to maximize throughput across many concurrent users. Both tools expose OpenAI-compatible API endpoints, making them largely interchangeable drop-in replacements for cloud APIs, but the choice comes down to use case: Llama.cpp for personal/consumer hardware, vLLM for high-performance production workloads.
|
|
Top 10 GitHub Repos This Week | July 21 – July 28 | AI Agents Take Over
Full Stack
Videoen gennemgår de 10 mest populære GitHub-repositories i ugen 21.–28. juli, med fokus på AI-agenter og innovativ teknologi. Blandt højdepunkterne er **PI** fra Arendel Works, et alt-i-ét AI-agentværktøjssæt med næsten 79.000 stjerner, der samler LLM API'er, agentloops og terminalgrænseflader i ét modulært framework. **RVNet (Rue View)** imponerer med sin evne til at bruge almindelige Wi-Fi-signaler til at spore bevægelse og "se" gennem vægge i realtid – uden kameraer eller specialsensorer. **Open Ship** præsenteres som et open source-alternativ til Heroku og Vercel, der tilbyder selvhostet implementering med énkommando-deployment, automatisk HTTPS og nul-nedetid uden et dedikeret DevOps-team.
|
|
Agentic Engineering, explained by a 10x developer
David Ondrej
I denne podcast-episode interviewer David Ondrej Preston Bale, en af grundlæggerne af AMP (Frontier Corporation) og forfatter til de kendte Go-bøger, om konceptet "agentic engineering". De diskuterer, hvordan AI-agenter er ved at gøre traditionel softwareudvikling og backlog-håndtering forældet, da fejl nu kan rettes på minutter ved at starte en ny agent-session. Bale argumenterer for, at modellernes individuelle kapaciteter ikke længere er det vigtigste fokuspunkt – i stedet er kvaliteten af de informationer, man giver agenten, den afgørende faktor for gode resultater. Han forklarer desuden, hvordan AMP bevidst har valgt at droppe populære funktioner som VS Code-udvidelsen for at forblive på den teknologiske grænse og tilpasse sig hurtigt til den konstant skiftende AI-udvikling.
|
|
How I Built an AI Agent in 14 minutes as A Beginner (2026)
Mikey No Code
Videoen viser, hvordan man som komplet begynder uden kodningskendskab kan bygge en AI-drevet opgavestyringsapp på blot 14 minutter ved hjælp af platformen Base44. Værten guider seerne trin for trin gennem at bruge enkle tekstprompts til at generere en fuldt funktionel webapp med funktioner som opgaveoprettelse, filtrering, dashboard, brugergodkendelse og en AI-agent, der kan håndtere opgaver via naturlig samtale. Base44 håndterer automatisk den tekniske bagside – herunder database, design og hosting – uden at brugeren selv skal skrive en eneste linje kode. Videoen indeholder desuden en reklame for en gratis masterclass om at bygge AI-drevne apps og SaaS-produkter.
|
|
Ollama Just Changed Local AI Forever
Julian Goldie Agency
Ollama released version 0.32.1, a patch update whose most significant change improves multi-turn agent reliability, specifically fixing an issue where local AI agents running Gemma 4 would lose context between steps in a multi-step task and treat each response as a fresh conversation. The update also addresses a memory leak tied to MLX model caching that caused models to slow down over long sessions, improves cache snapshot performance, and ensures the interactive agent now correctly receives the current working directory for better file and project handling. A fix was also included for load timeout settings being ignored on certain model types, and a bug where switching away from a deprecated model failed to open the model picker properly. The video argues these reliability-focused fixes matter more than new model releases for anyone trying to build practical, multi-step local AI workflows.
|