// guides.js — Anfänger-Guide (v6): praktische Tutorials/Workflows + kompakte Konzepte. import { $ } from "../core/ui.js"; const TUTORIALS = [ ["Dein erster Workflow — in 3 Schritten", `
  1. Modell holen: Tab Cookbook → wähle deinen Anwendungsfall (z.B. „Coden") → Komplettes Setup installieren. Der Download läuft im Tab Aktivität.
  2. Verbinden: Tab Verbinden → Basis-URL kopieren → in deinem Tool (z.B. OpenCode) als „OpenAI-kompatibel" einfügen. Verbindung testen bestätigt, dass es läuft.
  3. Arbeiten: Im Tool das Modell (z.B. coder) wählen und loslegen. Das passende Modell wird automatisch geladen — du musst nichts starten.
`], ["Wie leere ich den Kontext? Machen die Tools das selbst?", `

Kurz: meistens ja, automatisch. Der Kontext (das „Gedächtnis") gilt pro Unterhaltung. Startest du im Tool einen neuen Chat / eine neue Session, ist der Kontext wieder leer — das Tool verwaltet das Fenster für dich.

Du musst nur selten eingreifen: wird ein Gespräch sehr lang, fang einen neuen an. Wichtig: „Grafikspeicher leeren" (Tab Server) ist etwas anderes — das wirft das Modell aus dem Speicher, nicht den Gesprächsverlauf.

`], ["Was passiert, wenn der Kontext volläuft?", `

Ist das Kontextfenster voll, passiert je nach Tool eins von dreien: das Modell vergisst den Anfang (älteste Nachrichten fallen raus), das Tool kürzt automatisch, oder du bekommst einen Fehler wie „context length exceeded".

So gehst du vor:

  1. Neuen Chat starten — der einfachste Reset, Kontext ist wieder leer.
  2. Zusammenfassen lassen: „Fasse unseren Stand kurz zusammen", dann im neuen Chat einfügen.
  3. Kontext vergrößern: Tab ModelleKonfigurieren → wir zeigen das Optimum für deine Hardware (mehr Kontext = mehr Speicherbedarf).
`], ["Was ist ein Agent — und wann brauche ich einen?", `

Ein nacktes Modell schreibt nur Text zurück. Ein Agent ist ein Programm drumherum, das das Modell handeln lässt: Dateien lesen und ändern, Befehle ausführen, im Web suchen — Schritt für Schritt in einer Schleife, bis die Aufgabe erledigt ist.

Bild dazu: Reiner Chat = du fragst einen Experten und tippst seine Antwort selbst ab. Agent = der Experte sitzt an deinem PC und macht es selbst — du schaust zu und bestätigst.

Wann lohnt sich was?

So arbeitest du damit: Du beschreibst ein Ziel in Worten („baue Feature X", „finde den Bug in dieser Datei"). Der Agent macht sich einen Plan und arbeitet ihn ab; heikle Schritte bestätigst du. Lass ihn am besten in einem Projektordner mit Git arbeiten — dann ist jede Änderung nachvollziehbar und rückgängig zu machen.

Gut zu wissen: Diese Agenten laufen lokal auf deinem PC und reden mit deinem lokalen Modell. Du brauchst keinen Cloud-Dienst — die „empfohlenen Tools" im Tab Verbinden SIND die Agenten.

`], ["Was sind Skills — und wie installiere ich sie?", `

Ein Skill ist verpacktes Können: eine kurze Anleitung (oft + ein paar Hilfsskripte), die dem Agenten beibringt, eine wiederkehrende Aufgabe jedes Mal so zu erledigen, wie du es willst. Stell es dir wie ein Rezept oder eine Arbeitsanweisung vor, die der Agent liest, sobald sie passt.

Skill vs. MCP — nicht verwechseln: MCP gibt dem Agenten neue Werkzeuge (Aktionen, z.B. „auf eine Datenbank zugreifen"). Skills geben ihm Know-how (wie er etwas gut macht) mit den Werkzeugen, die er schon hat. Kurz: Werkzeuge = MCP, Anleitungen = Skills.

Wofür gut?

In deinen Tools heißt das konkret:

Installieren = meist nur eine Datei/einen Ordner ablegen (kein Build, kein Neustart-Zauber):

  1. Pro Projekt: die Datei in den Projektordner legen (z.B. AGENTS.md, .clinerules/) — gilt nur für dieses Projekt.
  2. Global: in den Konfig-Ordner des Tools — gilt überall. Das Tool liest es beim nächsten Start.

Beste Quellen: zuerst die Doku deines Tools (OpenCode/Cline/Continue) — am verlässlichsten. Dann „awesome"-Listen auf GitHub (z.B. awesome-claude-skills, awesome-mcp-servers) und die quelloffenen Anthropic-Skills als Vorlagen, um das Format zu lernen.

Für lokale Modelle wichtig: Skills sind nur Text-Anleitungen und funktionieren mit jedem Modell — aber kleinere lokale Modelle befolgen komplexe Skills weniger zuverlässig als große. Halte sie kurz, klar und konkret.

`], ["MCP — deinem Agenten echte Werkzeuge geben", `

MCP (Model Context Protocol) ist ein einheitlicher „Stecker", über den ein Agent zusätzliche Werkzeuge bekommt: das Web durchsuchen, Dateien lesen, eine Datenbank abfragen, GitHub bedienen … Ohne MCP kann das Modell nur reden; mit MCP kann es etwas tun.

So nutzt du es: Du fügst in deinem Agenten einen „MCP-Server" hinzu (eine kleine Zeile in der Konfiguration je Werkzeug). Danach entscheidet der Agent selbst, wann er das Werkzeug einsetzt.

`], ["Auto-Swap — wie das Laden funktioniert", `

llama-swap lädt automatisch das Modell, das gerade angefragt wird, und entlädt es nach einer Leerlaufzeit wieder (oder wenn du ein anderes anfragst). Es läuft immer nur eines gleichzeitig.

Heißt für dich: Du richtest beliebig viele Modelle ein und wählst im Tool einfach das passende — das Laden/Entladen passiert im Hintergrund, ohne dass du etwas tun musst.

`], ["Die empfohlenen Tools optimal nutzen", `

Tipp: starkes Modell (coder) für schwere Aufgaben, schnelles (coder-fast) für simple — du wählst es einfach im Tool aus.

`], ]; const CONCEPTS = [ ["LLM / Modell", "Die KI selbst — versteht und schreibt Text (wie ChatGPT, nur lokal auf deinem PC). Ein Modell ist eine konkrete Datei davon, oft auf etwas spezialisiert (Code, Bilder, Chat)."], ["GGUF", "Das lokal lauffähige Dateiformat. Unsere Engine lädt nur GGUF — Repos ohne GGUF kann sie nicht nutzen."], ["Quantisierung (Q4_K_M)", "Verkleinert ein Modell (16-Bit → 4-Bit), damit es in den Speicher passt — bei kaum Qualitätsverlust. Q4_K_M ist der beliebte Sweetspot."], ["Kontextfenster", "Das Kurzzeitgedächtnis: wie viel Text sich das Modell gleichzeitig merkt. Größer = mehr Überblick, mehr Speicher, etwas langsamer."], ["Auto-Swap", "llama-swap lädt/entlädt Modelle automatisch — immer nur eins gleichzeitig. Du managst nichts."], ["Agent", "Ein Programm (OpenCode, Cline, Continue), das das Modell handeln lässt — Dateien lesen/ändern, Befehle ausführen, planen, im Loop bis die Aufgabe erledigt ist. Reiner Chat schreibt nur Text zurück."], ["MCP", "Model Context Protocol — der Anschluss, über den ein Agent zusätzliche Werkzeuge bekommt (Web, Dateien, Datenbank). MCP = Werkzeuge."], ["Skills", "Verpackte Anleitung für wiederkehrende Aufgaben — der Agent liest sie und macht es jedes Mal wie du willst. Skills = Anleitungen (das Gegenstück zu MCP-Werkzeugen)."], ["Rules / Commands", "Die konkrete Form von Skills je Tool: AGENTS.md (OpenCode), .clinerules (Cline), Rules/Prompts (Continue) — eine Datei im Projekt- oder Konfig-Ordner."], ]; function mount() { const c = $(".view[data-view='guides']"); if (!c) return; c.innerHTML = `

Guide für Einsteiger

Praktische Workflows + die Local-LLM-Welt in Klartext — ohne Vorwissen.

Tutorials & Workflows

${TUTORIALS.map(([t, b], i) => `
${t}
${b}
`).join("")}

Konzepte kurz erklärt

${CONCEPTS.map(([term, text]) => `

${term}

${text}

`).join("")}
`; } export default { id: "guides", mount };