Mein ASUS AI Agent-Computer: Lokale LLMs. Codierung und Agent-Demos

https://www.asus.com/microsite/agent-computer/in/?utm_source=official-site&utm_medium=asus-hero-banner&utm_campaign=Powering-Every-AI-Choice Können Sie LLMs ausführen, Code schreiben und KI-Agenten auf Ihrer eigenen Workstation erstellen? In diesem Video führe ich Sie durch meinen ASUS AI Agent-Computer und demonstriere lokale KI-Workflows – von der Ausführung von Modellen mit Ollama bis zum Vergleich eines lokalen Forschungsagenten mit einem cloudbasierten Modell. Wir untersuchen GPU-Auslastung, VRAM, Reaktionszeiten, Toolaufrufe und geschätzte API-Kosten anhand praktischer Beispiele. Ich demonstriere auch ASUS Zenni Claw für die alltägliche Produktivität, einschließlich einer KI-Nachrichtenübersicht und eines Workflows zur Foliengenerierung. Wenn Sie Agentic AI erlernen, KI-Anwendungen erstellen oder eine Workstation für lokale Inferenzen erkunden, verbindet diese exemplarische Vorgehensweise die Hardware mit echten Entwicklungsaufgaben. **⏱️ ZEITSTEMPEL & THEMEN** 00:00 Vorstellung meiner KI-Workstation 00:22 Warum KI lokal ausführen? Lokale, Cloud- und Hybrid-Ansätze 01:57 ASUS-Workstation-Hardware-Tour 03:25 Ollama-Installation und lokales Modell-Setup 04:06 Lokales Ausführen und Chatten mit Qwen 3.5 06:31 Suchen und Ausführen zusätzlicher Modelle mit Ollama 07:09 Generieren von Python-Code für ein Tetris-Spiel mit Llama 3.2 07:34 Überprüfen der GPU-Auslastung, VRAM und NVIDIA-SMI 08:09 Recherche Komplettlösung für das Agentenprojekt mit Claude Code 09:26 Streamlit-App-Setup und Modellauswahl 10:07 Lokale vs. Cloud-Agenten: Fakten und Berechnungsaufgabe 11:18 Vergleich von Reaktionszeiten, Toolaufrufen und geschätzten Kosten 12:11 Live-KI-Nachrichtenforschung: lokal vs. Cloud 13:17 Zeitüberschreitungen, Ausführungsgrenzen und Kostenbeobachtungen 14:00 Vergleichs- und Berechnungsaufgabe und Überlegungen zum lokalen Modell 15:44 Einführung in ASUS Zenni Claw 16:19 Lokale Modelle, zusätzliche Anbieter und API-Konfiguration 16:46 Work Assistant-Demo: Erstellen einer KI-Nachrichtenübersicht 18:28 Erkundung von Produktivitätsfähigkeiten und Arbeitsabläufen 18:51 Versuchen der Folienerstellung über Agentic AI-Systeme 20:17 Wichtige Erkenntnisse: KI-Agenten und die Infrastruktur dahinter 20:54 Wahl zwischen lokaler, Cloud- und Hybrid-KI 21:07 Workstation-Ressourcen und abschließende Gedanken 21:20 Würden Sie Ihre KI betreiben? Agenten vor Ort? **💡 WAS SIE LERNEN WERDEN** – Wie Sie mit Ollama mit lokalen LLMs beginnen. – Wie sich GPU-Speicher und Modellgröße auf die lokale Inferenz auswirken. – So generieren Sie Code mithilfe eines lokal ausgeführten Modells. – So überwachen Sie die GPU-Auslastung mit dem Task-Manager und NVIDIA-SMI. – Wie ein Streamlit-Forschungsagent lokale und Cloud-Modelle vergleicht. - So überprüfen Sie die Reaktionszeit, die Tool-Nutzung, die geschätzten API-Kosten und Fehler. - Wie ASUS Zenni Claw alltägliche Agenten-Workflows angeht. - Wo lokale, Cloud- und Hybrid-KI in Ihre Projekte passen. Die gezeigten Vergleiche sind Beobachtungen dieser spezifischen Modelle, Eingabeaufforderungen und Einstellungen. Durch die lokale Inferenz werden Cloud-Inferenzgebühren pro Token für die lokal ausgeführte Arbeit vermieden, während für Hardware, Strom und verbundene Dienste weiterhin Kosten anfallen. **🖥️ VORGESTELLTE HARDWARE** - Motherboard: [ROG Maximus Z890 Hero](https://rog.asus.com/in/motherboards/rog-maximus/rog-maximus-z890-hero/) - GPU: [ROG Strix GeForce RTX 5070 Ti – 16 GB GDDR7](https://rog.asus.com/in/graphics-cards/graphics-cards/rog-strix/rog-strix-rtx5070ti-16g-gaming/) – Netzteil: [ASUS TUF Gaming 1000P](https://www.asus.com/in/motherboards-components/power-supply-units/tuf-gaming/tuf-gaming-1000p/) – AIO-Kühler: [ROG Strix LC III 360 ARGB](https://rog.asus.com/in/cooling/cpu-liquid-coolers/rog-strix-lc/rog-strix-lc-iii-360-argb/) **🔗 NÜTZLICHE LINKS** - [ASUS Agent Computer](https://www.asus.com/microsite/agent-computer/in/) - [ASUS Agent Computer unter EliteHubs](https://elitehubs.com/pages/asus-agent-computer) – [ASUS Zenni Claw – Funktionen, Download und Gerätekompatibilität](https://www.asus.com/content/asus-zenni-claw/) – [Ollama](https://ollama.com/) **💬 NEHMEN SIE AN DER DISKUSSION TEIL** Würden Sie Ihre KI-Agenten lokal ausführen, Cloud-APIs verwenden oder beides kombinieren? Teilen Sie in den Kommentaren Ihr bevorzugtes Setup und die Arbeitsabläufe mit, die Sie erstellen würden. Liken Sie das Video und abonnieren Sie weitere praktische Tutorials zu Agentic AI, LLMs und KI-Anwendungsentwicklung. #AgenticAI #LocalLLM #ASUS #Ollama #AIAgents