Projekte
Neben dem Schreiben entstehen kleine Werkzeuge, die ein konkretes Problem aus meinem Arbeitsalltag lösen. Alle drei Projekte sind privat entwickelt und quelloffen und mit UnterstĂŒtzung von Anthropic-Modellen (Claude) entstanden.
kaicrit â CriticMarkup fĂŒr VS Code
Problemstellung und Idee
CriticMarkup ist ein schlanker Klartext-Standard, um Ănderungen und Kommentare in beliebigen Textdateien festzuhalten â per einfacher Klammer-Syntax, ohne proprietĂ€res Format. Was im Editor bislang fehlte, war ein vollstĂ€ndiger Workflow dafĂŒr: Ănderungen erfassen, zwischen ihnen navigieren und sie annehmen oder verwerfen, ohne den Editor zu verlassen. Genau diese LĂŒcke schlieĂt kaicrit fĂŒr Visual Studio Code â âĂnderungen nachverfolgen" wie in der Textverarbeitung, nur dateibasiert und versionierbar.
Implementierung
kaicrit ist eine in TypeScript geschriebene VS-Code-Erweiterung. Sie parst CriticMarkup, hebt Ănderungen farblich hervor und spiegelt sie auf dem Overview-Ruler. Kernfunktionen:
- Edit â Ănderungsmarker einfĂŒgen, zwischen ihnen navigieren und Ănderungen per Inline-Aktion Accept · Reject (Hover oder als CodeLens-Zeile) annehmen oder verwerfen. Eine eigene Changes-Sidebar listet alle Ănderungen, die Statusleiste fasst sie nach Typ zusammen.
- Track Changes â Bearbeitungen werden live als CriticMarkup aufgezeichnet.
- Compare â zwei Dateien werden in ein einzelnes CriticMarkup-Dokument zusammengefĂŒhrt.
- Preview â Rendering von CriticMarkup in der eingebauten Markdown-Vorschau.
Die Editor-Funktionen laufen fĂŒr die konfigurierten Dateitypen und lassen sich
pro Datei ĂŒber die Statusleiste umschalten. Installation ĂŒber die
kaicrit-*.vsix von der Releases-Seite.
Links
- Projektseite: https://github.com/kaijen/kaicrit
- Dokumentation: https://kaijen.github.io/kaicrit
kailibrate â Kalibrierungstraining fĂŒr WahrscheinlichkeitsschĂ€tzungen
Problemstellung und Idee
âDas klappt wahrscheinlich" â aber wie wahrscheinlich ist wahrscheinlich? Menschen sind bei vertrauten Themen oft zu selbstsicher und bei unbekannten zu unsicher. Beides fĂŒhrt zu schlechten Entscheidungen. Kalibrierung bedeutet: Wer 70 % sagt, sollte damit in 70 % der FĂ€lle recht behalten â nicht öfter, nicht seltener. kailibrate macht diesen Lernprozess greifbar: Man formuliert Vorhersagen, schĂ€tzt ihre Wahrscheinlichkeit, trĂ€gt die Ergebnisse ein â und die App zeigt mit Kennzahlen und Kurven, wie gut die SchĂ€tzungen wirklich sind.
Implementierung
kailibrate ist eine plattformĂŒbergreifende App, entwickelt mit Flutter/Dart. Der Arbeitsablauf in vier Schritten:
- Vorhersagen erfassen â manuell oder per Datei-Import. Jede Vorhersage bekommt eine Kategorie (Fakten oder Prognose), einen Typ (Wahr/Falsch, Ja/Nein, Intervall) sowie optional Tags und eine Deadline.
- SchĂ€tzen â je nach Typ mit Slider, Richtungswahl samt Konfidenz oder Ober-/Untergrenze; sofort beim Erfassen oder spĂ€ter.
- Auflösen â steht das Ergebnis fest, wird es eingetragen; die App berechnet sofort den Beitrag dieser SchĂ€tzung zum Gesamtscore.
- Statistiken auswerten â Brier Score, Log Loss und eine Kalibrierungskurve zeigen, ob man systematisch zu selbstsicher oder zu vorsichtig ist.
ErgĂ€nzend lassen sich Fragenkataloge als JSON oder YAML importieren â mit optional versteckten Antworten, die erst nach der eigenen SchĂ€tzung sichtbar werden â und ein KI-Generator erzeugt aus Thema und Anzahl per Sprachmodell (ĂŒber OpenRouter) einen fertigen Fragenkatalog.
Links
- Projektseite: https://github.com/kaijen/kailibrate
- Dokumentation: https://kaijen.github.io/kailibrate
kaimarkit â Dokumente nach Markdown wandeln
Problemstellung und Idee
Wer eine PDF-Datei an ein Sprachmodell ĂŒbergibt, sieht nicht, was dort ankommt. Tabellen zerfallen, FuĂnoten verrutschen, eine gescannte Seite kommt ganz ohne Text an. Das Modell antwortet trotzdem â nur eben auf einer anderen Vorlage als der, die man selbst vor sich hat. kaimarkit schiebt einen Schritt dazwischen: Es wandelt das Dokument nach Markdown und zeigt das Ergebnis, bevor es weitergeht.
Implementierung
kaimarkit ist ein Dienst aus FastAPI (Python) und Vue, der als Docker-Container lĂ€uft. Die Umwandlung ĂŒbernehmen drei Engines, die der Dienst nach Dateiendung auswĂ€hlt:
- MarkItDown â wandelt schnell und ohne Modelle; zustĂ€ndig fĂŒr
.docx,.pptx,.xlsx,.htmlund Textformate. - Docling â liest Layout und Tabellen und erkennt gescannten Text per OCR; erste Wahl fĂŒr PDF und Bilddateien.
- Pandoc â bedient
.odt,.rtf,.tex,.rstund.org.
Scheitert die erste Engine, nimmt der Dienst die nĂ€chste der Liste und vermerkt den Grund im Ergebnis; eine ausdrĂŒcklich gewĂ€hlte Engine ersetzt er nie durch eine andere. Keine hochgeladene Datei ĂŒberlebt ihre Umwandlung. Neben Dateien nimmt der Dienst auch Adressen entgegen und holt die Seite selbst.
Bedienen lĂ€sst sich kaimarkit ĂŒber die API â ein Aufruf mit curl genĂŒgt â oder
ĂŒber die WeboberflĂ€che mit Dropzone, Warteschlange und Vorschau, die noch im
Aufbau ist.
Links
- Projektseite: https://github.com/0x2e6b6169/kaimarkit
- Dokumentation: https://0x2e6b6169.github.io/kaimarkit/latest/