Tutorial: Andrej Karpathy — "How I use LLMs"

📌 Lernressource — Erste Seite in der wiki/tutorials/ Kategorie.

Überblick

Feld	Wert
Titel	How I use LLMs
Autor	Andrej Karpathy
URL	https://www.youtube.com/watch?v=EWvNQjAaOHw
Dauer	2:11:11
Sprache	🇬🇧 English
Aufrufe	~2.5M
Veröffentlicht	~Mitte 2025
Raw-Datei	raw/youtube/2026-06-26_karpathy-how-i-use-llms.md

Zielgruppe

Dieser Crashkurs richtet sich an Lernende, die LLMs praktisch verstehen wollen — von Anfängern, die gerade erst mit ChatGPT/Claude starten, bis zu Entwicklern, die ihre Workflow-Effizienz steigern möchten. Karpathy erklärt von Grundlagen bis zu fortgeschrittenen Features wie Custom GPTs und Multimodalität.

Kein Vorwissen erforderlich. Karpathy ist bekannt für seine Fähigkeit, komplexe KI-Themen zugänglich zu erklären.

Inhalt

1. LLM Fundamentals

Was sind LLMs? Wie werden sie trainiert?
Pre-training (Wissenserwerb) vs. Post-training / Fine-tuning (Alignment, Tasks)
Knowledge Cutoff: Modelle wissen nur bis zum Trainingsdatum
Thinking Models: RL-basiertes "Nachdenken" für bessere Genauigkeit

2. Core Interactions

Text-basierte Interaktion: Prompts & Responses
Context Window als Working Memory verwalten
Frische Chats für neue Topics = bessere Genauigkeit

3. Tool Integration

Internet Search — aktuelle Infos über das Training-Datum hinaus
Python Interpreter — Code-Ausführung, Berechnungen
Advanced Data Analysis — Diagramme, Plots
File Uploads — Dokumente, Bilder (z.B. Bluttest-Analyse)

4. Multimodal Capabilities

Audio: Speech-to-Text Input, Text-to-Speech Output
Karpathy: >50% seiner Interaktionen sind voice-based
"Fake Audio" (TTS) vs. "True Audio" (direkte Audio-Verarbeitung)
Image Input: OCR, visuelle Datenanalyse
Video Input: Modelle über Kamera reale Objekte abfragen

5. Personalization & Efficiency

Custom Instructions: Verhalten & Ton anpassen
Custom GPTs: Spezialisierte Mini-LLMs (Sprachen lernen, Coding)
LLM Memory: Conversationen über Chats hinweg merken

Warum als Lernressource?

Karpathy ist einer der kompetentesten KI-Educators. Seine Videos kombinieren:

✅ Tiefe technische Understanding (ex-Tesla AI Director, OpenAI founding member)
✅ Klarheit — komplexe Themen zugänglich erklärt
✅ Praxisbezug — echte Workflows, keine Theorie-only-Vorträge
✅ Aktualität — deckt 2025er Features ab (thinking models, true audio, custom GPTs)

Lernpfad

"How I use LLMs" (dieses Video, 2h11m)
       ↓
"Deep Dive into LLMs like ChatGPT" (Karpathy, 3h31m, 7.7M views)
  → https://www.youtube.com/watch?v=7xTGNNLPyMI
       ↓
Praxis: Eigenes LLM-Wiki aufbauen (siehe llm-knowledge-base.md)

Cross-References

../concepts/llm/llm-knowledge-base.md — Karpathy's Wiki-Pattern, die Grundlage dieses Repos
../concepts/llm/llm-model-catalog.md — Katalog aller im Wiki erwähnten LLMs
../concepts/llm/llm-sycophancy-confabulation.md — LLM-Verhaltensfallen in der Praxis
../concepts/llm/llm-behavior-persistence.md — Persistente Verhaltensmuster
../concepts/llm/flat-curve-society.md — Yegge's "Discernment Horizon" (warum LLM-Literacy wichtig wird)
../architecture/model-routing.md — Wie wir LLMs in OpenClaw routen

Externe Links

Video: https://www.youtube.com/watch?v=EWvNQjAaOHw
Karpathy's YouTube Channel: https://www.youtube.com/@AndrejKarpathy
Karpathy's X/Twitter: https://x.com/karpathy
Companion Video ("Deep Dive into LLMs like ChatGPT"): https://www.youtube.com/watch?v=7xTGNNLPyMI
Karpathy Gist (LLM Wiki Pattern): https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f

Quelle

Shared by: k9ert in OME-Gruppe Topic 1345 ("Ich, der DAU und sein Bot LOGBUCH"), 2026-06-26
Kontext: Empfohlen als Lernressource für KI/LLM-Verständnis

4.3 KiB Raw Blame History