Wie man Explainer AI verwendet

Demo-Modus-Setup und Sicherheitsprüfungen

Wenn Sie das Produkt zum ersten Mal öffnen, sehen Sie einen Schalter mit der Beschriftung Demo. Ich lasse diesen Schalter eingeschaltet, während ich den Workflow lerne oder einen neuen Prompt teste. Der Demo-Modus ruft einen deterministischen Stub auf, der eine vordefinierte Erklärung zurückgibt, sodass Sie überprüfen können, ob die Benutzeroberfläche, die Eingabefelder und die Vorschau korrekt verdrahtet sind, ohne dass externe Kontingente verbraucht werden.

Bevor Sie etwas ausführen, empfehle ich zwei schnelle Sicherheitsprüfungen. Zuerst bestätigen Sie, dass der Schalter sichtbar auf Demo eingestellt ist – die Beschriftung sollte Demo AN anzeigen. Zweitens werfen Sie einen Blick auf die Statusleiste am unteren Rand des Fensters; sie sollte eine Meldung wie Demo-Modus – keine externen Anrufe anzeigen. Wenn eines dieser Elemente fehlt, laden Sie die Seite neu und versuchen Sie es erneut.

Diese Prüfungen dauern nur wenige Sekunden, verhindern aber den häufigen Fehler, eine Live-Anfrage zu senden, während Sie noch im Sandkasten bleiben möchten. Ich habe gesehen, wie Benutzer versehentlich ihre Testguthaben aufgebraucht haben, weil sie den Schalterzustand übersehen haben, also mache ich dies zu einem Gewohnheit bei jedem Sitzungsstart.

Eingabespezifikation: Was Explainer AI erwartet

Das Kern-Eingabeformular besteht aus drei Feldern, die Sie vor dem Klicken auf die Schaltfläche Ausführen ausfüllen müssen.

- Konzepttext – fügen Sie die Idee ein, die Sie erklären möchten. Dies kann ein einzelner Satz, ein Absatz oder eine Bullet-Liste sein. Ich halte mich unter 500 Zeichen, um innerhalb des Modell-Prompt-Fensters zu bleiben. - Zielgruppen-Auswahlfeld – wählen Sie eines der vordefinierten Profile: Anfänger, Student, Peer oder Benutzerdefiniert. Jedes Profil passt die Tiefe, die Analogieebene und die Terminologie an. - Ausgabelänge – wählen Sie Kurz (≈150 Wörter), Mittel (≈300 Wörter) oder Lang (≈600 Wörter). Ich beginne normalerweise mit Mittel und kürze später, wenn erforderlich.

Wenn Sie ein Feld leer lassen, zeigt das Formular eine inline-Warnung an, und die Schaltfläche Ausführen bleibt deaktiviert. Ich finde es hilfreich, das Konzept in einem separaten Notizblock zu entwerfen und es dann in das Feld zu kopieren – dies reduziert Tippfehler und ermöglicht es mir, dieselbe Formulierung bei mehreren Zielgruppentests wiederzuverwenden.

Ausführen der Demo-Vorschau

Mit dem ausgefüllten Formular und aktiviertem Demo-Modus klicken Sie auf die Schaltfläche Ausführen. Das Produkt zeigt einen Spinner für eine Sekunde an und ersetzt dann die Vorschau durch eine generierte Erklärung.

Ich behandle die Demo-Ausgabe als Sinnprüfung und nicht als endgültige Antwort. Ich überprüfe drei Dinge:

- Folgt die Erklärung dem ausgewählten Zielgruppen-Profil? Für Anfänger erwarte ich eine einfache Analogie; für Peer erwarte ich präzise Terminologie. - Sind die Schlüsselbegriffe hervorgehoben und inline definiert? Das Produkt markiert automatisch Fachjargon und fügt eine Tooltip-Definition hinzu. - Gibt es am Ende eine Folgefrage? Dies hilft mir, über nächste Schritte oder erforderliche Klarstellungen nachzudenken.

Wenn eines dieser Elemente nicht stimmt, passe ich die Eingabe an – vielleicht verkürze ich den Konzepttext oder wechsele das Zielgruppen-Auswahlfeld – und führe Demo erneut aus. Ich wiederhole diese Schleife, bis die Vorschau kohärent und dem von mir vorgestellten Stil entspricht.

Umstellung auf Live-Modus mit API-Schlüssel

Sobald die Demo-Vorschau zufriedenstellend aussieht, wechsele ich in den Live-Modus, um eine Antwort vom tatsächlichen Sprachmodell zu erhalten. Die Schritte sind:

- Finden Sie den Demo-Schalter und klicken Sie darauf, sodass die Beschriftung Demo AUS lautet. - Im Einstellungs-Bereich (Zahnradsymbol in der oberen rechten Ecke) fügen Sie Ihren API-Schlüssel in das Feld Live-Modell-Schlüssel ein. Ich speichere den Schlüssel in einem Passwort-Manager und füge ihn nur ein, wenn ich ihn benötige. - Klicken Sie auf Speichern. Die Statusleiste ändert sich in Live-Modus – Schlüssel konfiguriert.

Unten finden Sie einen schnellen Vergleich dessen, was sich ändert, wenn Sie den Schalter umschalten.

Aspekt | Demo-Modus | Live-Modus Modell-Quelle | Deterministischer Stub | Externer LLM (konfigurierter Schlüssel) | Latenz | <200 ms (zwischengespeichert) | ≈800 ms-2 s, abhängig von der Last | Kosten | Null | Guthaben werden pro Anfrage abgezogen | Variabilität | Fester Ausgabe | Stochastisch – kann sich bei jedem Ausführen unterscheiden | Datenverarbeitung | Ephemeral, nur im Browser gespeichert | An den Anbieter gesendet; kann gemäß deren Richtlinie protokolliert werden |

Ich halte die Tabelle als Erinnerung bereit, dass Live-Anrufe Kontingente verbrauchen und leicht abweichende Formulierungen bei jedem Ausführen produzieren können. Nachdem ich Demo ausgeschaltet habe, führe ich die gleichen Eingaben noch einmal aus, um die Live-Ausgabe zu sehen. Wenn die Live-Antwort zu sehr von der Demo-Vorschau abweicht, überarbeite ich den Konzepttext – manchmal führt eine vage Formulierung das Modell auf einen unerwarteten Pfad.

End-to-End-Workflow: Von Konzept zu überprüfter Erklärung

Hier ist die konkrete Sequenz, der ich für jedes neue Thema folge, das ich erklären muss.

- Öffnen Sie die App und überprüfen Sie Demo AN. - Fügen Sie das Konzept in das Konzepttext-Feld ein. - Wählen Sie die Zielgruppe, die der Leser entspricht, den Sie im Sinn haben. - Wählen Sie eine Ausgabelänge – ich beginne normalerweise mit Mittel. - Klicken Sie auf Ausführen und überprüfen Sie die Demo-Vorschau. - Wenn die Vorschau überarbeitet werden muss, bearbeiten Sie das Konzept oder die Zielgruppe und wiederholen Sie Schritt 5. - Wenn Sie zufrieden sind, schalten Sie Demo AUS und geben Sie den Live-API-Schlüssel in den Einstellungen ein. - Klicken Sie auf Speichern, dann auf Ausführen, um die Live-Erklärung zu erhalten. - Lesen Sie die Live-Ausgabe sorgfältig. Ich überprüfe die faktische Richtigkeit, die Tonanpassung und das Vorhandensein der Folgefrage. - Wenn ich ein Problem feststelle, passe ich den Konzepttext an oder führe einen zweiten Live-Anruf mit einer leicht abweichenden Formulierung aus. - Sobald die Erklärung aussieht, als ob sie in Ordnung ist, kopiere ich sie in meinen Editor, füge eventuelle letzte Überarbeitungen hinzu und veröffentliche oder nutze sie dann.

Während dieses Prozesses behandle ich die Modell-Ausgabe als Entscheidungshilfe und nicht als endgültige Antwort. Ich veröffentliche niemals das rohe Ergebnis ohne manuelle Überprüfung. Diese Gewohnheit hält mich mit der Produkthaftung in Einklang und reduziert das Risiko, Ungenauigkeiten zu verbreiten.

Was dies nicht ist

Explainer AI verspricht keine perfekte Genauigkeit. Es ist ein Werkzeug, das Ihnen hilft, eine Erklärung schneller zu erstellen, aber Sie müssen immer noch alle Behauptungen überprüfen, insbesondere wenn das Thema Sicherheit, Sicherheitsaspekte oder Compliance berührt. Wenn Sie beispielsweise eine Zusammenfassung von Sicherheitshinweisen erstellen, sollten Sie die Ausgabe gegen autoritative Quellen wie die OWASP-LLM-Top-10 (https://owasp.org/www-project-top-10-for-large-language-model-applications) oder den NIST-AI-Risikomanagement-Framework (https://www.nist.gov/itl/ai-risk-management-framework) überprüfen.

Das Produkt garantiert nicht 100 % Relevanz für Ihre spezifische Zielgruppe. Der Zielgruppen-Auswahlfeld steuert den Ton und die Tiefe, aber Nuancen wie kulturelle Referenzen oder interne Fachjargon können immer noch manuelle Anpassungen erfordern.

Explainer AI ist kein Ersatz für Fachwissen. Wenn Sie nicht über Hintergrundwissen im zu erklärenden Bereich verfügen, behandeln Sie die Ausgabe als Ausgangspunkt und konsultieren Sie einen sachkundigen Kollegen, bevor Sie die endgültige Fassung erstellen.

Schließlich bietet der Dienst keine integrierte Versionskontrolle, kollaborative Bearbeitung oder automatisierte Veröffentlichungspipelines. Diese Funktionen liegen außerhalb des Umfangs dieses Micro-SaaS und müssen von Ihrem eigenen Workflow gehandhabt werden.

Bediener-Checkliste für Wie man Explainer AI verwendet

Ich halte eine schriftliche Checkliste neben jedem Release, der dieses Thema berührt. Die Liste ist absichtlich langweilig: Nennen Sie den Besitzer, nennen Sie das Beweis-Dokument und nennen Sie den Rückgängig-Schritt. Wenn ein Schritt kein Datei-, Ticket- oder Log-Dokument produzieren kann, ist es kein Schritt – es ist ein Wunsch.

Bevor Sie die Produktion ändern

- Freezen Sie den Branch oder die Konfigurationsrevision, gegen die Sie messen werden. - Zeichnen Sie den aktuellen Fehlermodus mit einer konkreten Eingabe und einer konkreten Ausgabe auf. - Bestätigen Sie, welche Identität der Job ausführt und ob diese Identität auf Daten zugreifen kann, die sie nicht sollte. - Öffnen Sie die primären Referenzen, die Sie zitieren werden: https://owasp.org/www-project-top-10-for-large-language-model-applications, https://www.nist.gov/itl/ai-risk-management-framework.

Während Sie den Check ausführen

- bevorzugen Sie einen reproduzierbaren Pfad gegenüber zehn anekdotischen Screenshots. - Schreiben Sie das erwartete sichere Ergebnis, bevor Sie das Tool oder die Abfrage auslösen. - Erfassen Sie den genauen Befehl, Prompt, Schema oder Regex unter Test – nicht eine Paraphrase. - Wenn das System handeln kann (senden, schreiben, löschen, übertragen), erfordern Sie eine Bestätigungsgrenze im gleichen Durchgang.

Nachdem Sie fertig sind

- Akten Sie das Restrisiko mit einem Besitzer und einem Datum, auch wenn die Überprüfung sauber ist. - Wandeln Sie ein grünes Häkchen nicht in Verkaufssprache um, die Vollständigkeit behauptet. - Führen Sie die gleiche Checkliste aus, wenn sich das Modell, das Tool-Schema oder die Validierungsregeln ändern.

Signal | Was aufzuzeichnen ist | Stop-Ship? Unerwarteter Schreib- oder Sendevorgang | Tool-Name, Argumente, Identität | Ja, bis es gesperrt ist Fehlende Bestätigung bei destruktivem Vorgang | Aufrufpfad und Umgehung | Ja Nicht vertrauenswürdiger Text als Anweisung behandelt | Quell-Oberfläche und resultierender Vorgang | Ja für Agenten-Reichweite Scanner sauber, Urteil offen | Aufgeschobene Elemente + Besitzer | Nur, wenn der Kernpfad sicher ist

explainer-ai hilft bei der messbaren ersten Überprüfung. Architektur-Entscheidungen, rechtliche Absegnung und kundenorientierte Behauptungen benötigen immer noch einen menschlichen Besitzer. Behandeln Sie jede Checkliste-Zeile als Entscheidungshilfe, nicht als Zertifikat.

Wie ich Grenzen gegenüber Käufern erkläre

Wenn ein Interessent fragt, ob das Produkt "alles abdeckt", antworte ich mit der Grenze: Automatisierte Prüfungen erkennen bekannte Muster; neue Ketten und Richtlinien-Urteile benötigen immer noch eine Überprüfung. Diese Ehrlichkeit hält die Support-Last niedrig und hält den Blog mit dem überein, was das Produkt tatsächlich tut.

Wenn Sie eine zweite Meinung benötigen, kombinieren Sie diesen Text mit den Referenzen unten und mit Ihrer eigenen Staging-Reproduktion. Überspringen Sie den Reproduktionsschritt nicht, nur weil ein Modell eine zuversichtliche Zusammenfassung erstellt hat.

Referenzen

- https://owasp.org/www-project-top-10-for-large-language-model-applications - https://www.nist.gov/itl/ai-risk-management-framework

Häufig gestellte Fragen

Was ist Explainer AI?

Erklären Sie jedes Konzept wie ich

Wer sollte Explainer AI verwenden?

Bediener und Ersteller, die einen schnellen ersten Entwurf oder eine Checkliste von Explainer AI benötigen.

Funktioniert es ohne API-Schlüssel?

Ja, im expliziten Demo-Modus. Live-AI erfordert einen konfigurierten Schlüssel.

Garantiert es Ergebnisse?

Nein. Ausgaben sind Entscheidungshilfen; Sie überprüfen sie immer noch, bevor Sie veröffentlichen oder handeln.

Enthält es SSO, Slack oder Bulk-CSV?

Nur, wenn diese Funktionen in diesem Produktbuild implementiert sind – gehen Sie nicht davon aus, dass sie aus dem Marketing-Text stammen.

Wohin gehen die Daten?

Läufe können lokal unter der Produkts.data/-Grenze gespeichert werden; behandeln Sie Demos als ephemeral.

Referenzen

- schema.org — FAQPage - Google Search Central — Strukturierte Daten

Probieren Sie Explainer AI aus

Verwandte Lektüren

- Explainer AI-Überblick — Explainer AI - Die LX AI Micro-SaaS Topic Matrix