Trainer
Trainer verwandelt eine einzelne Bildschirmaufnahme in einen wiederverwendbaren, sich selbst verbessernden KI-Agenten, indem er Ihre Klicks, Tastatureingaben und die erzählte Absicht erfasst – keine Prompts oder beschrifteten Daten erforderlich.
https://www.myagentrainer.com/?ref=producthunt&utm_source=aipure
Produktinformationen
Aktualisiert:May 22, 2026
Was ist Trainer
Trainer (myagentrainer.com) ist ein demonstrationsbasiertes KI-Agenten-Trainings- und Automatisierungstool, das Einzelpersonen und Teams dabei helfen soll, sich wiederholende digitale Arbeiten zu automatisieren, indem sie die Aufgabe einfach einmal ausführen. Anstatt Prompts, Skripte zu schreiben oder Datensätze zu erstellen, zeichnen Sie Ihren Workflow so auf, wie Sie ihn normalerweise ausführen – über beliebige Apps oder Websites hinweg – während Trainer Bildschirmaktivitäten, Maus-/Tastaturaktionen und optionale Sprachnarration erfasst, um zu verstehen, was Sie erreichen möchten. Es wurde entwickelt, um praktische Agentenautomatisierung ohne komplexe KI-Konfiguration zugänglich zu machen, und bietet ein Freemium-Modell mit kostenloser Aufnahmezeit für den Einstieg.
Hauptfunktionen von Trainer
Trainer ist ein demonstrationsbasiertes KI-Agenten-Trainings- und Automatisierungstool, das eine einzige Bildschirmaufnahme eines realen Workflows in einen wiederverwendbaren, sich selbst verbessernden Agenten verwandelt. Es erfasst Bildschirmvideos, Klicks, Tastatureingaben und optional eine Sprachnarration, analysiert die Aufnahme Bild für Bild, um Absicht und atomare Schritte zu extrahieren, kompiliert diese Schritte in strukturierte Spuren und trainiert/bindet dann einen Agenten, um die Aufgabe zuverlässig zu wiederholen. Mit einer SDK-Integration wird jeder Produktionslauf evaluiert (z. B. Schrittgenauigkeit/Abdeckung/Reihenfolgeintegrität) und in eine kontinuierliche Verbesserungsschleife zurückgeführt – ohne Prompt Engineering oder beschriftete Datensätze zu erfordern.
Einmaliges Training aufzeichnen (keine Prompts, keine beschrifteten Daten): Benutzer führen eine Aufgabe einmal aus, während Trainer Bildschirm, Maus, Tastatureingaben und Narration aufzeichnet; Trainer wandelt die Demonstration in einen agentenbereiten Workflow um, ohne manuelle Prompt-Erstellung oder Datensatz-Erstellung.
Frame-by-Frame-Analyse mit Absichtsextraktion: Ein Video-/Frame-Analysator verwendet Vision + Speech-to-Text, um die Aufnahme in atomare Ereignisse (Klickziele, getippte Eingaben, UI-Übergänge) zu zerlegen und die Narration an die abgeleitete Absicht anzupassen.
Strukturierte Spuren in mehreren Formaten: Trainer kompiliert extrahierte Schritte in wiederverwendbare Spuren (z. B. natürliche Sprache, JSON und aktionsorientierte DSL-Varianten), die ohne erneute Aufnahme neu generiert/verfeinert werden können.
Agententraining und Bindung an die menschliche Baseline: Trainer stimmt/konditioniert einen Agenten anhand der erfassten Demonstration ab, sodass er den Workflow reproduzieren kann, wobei der aufgezeichnete Lauf als Baseline für die erwartete Schrittsequenz und Ergebnisse dient.
SDK-Injektion + Evaluierungsschleife für Produktionsläufe: Ein leichtes SDK-Snippet streamt Agentenläufe zurück an Trainer, wo sie anhand von Metriken wie Schrittgenauigkeit, Abdeckung und Reihenfolgeintegrität bewertet und dann zur Verbesserung nachfolgender Versionen verwendet werden.
Lokale Aufnahmesitzungen: Aufnahmesitzungen werden lokal auf dem Gerät des Benutzers erfasst, wobei zeitlich abgestimmte Bildschirm-/Audio-/Eingabedaten als einzelne Zeitleiste zur späteren Analyse und zum Training gespeichert werden.
Anwendungsfälle von Trainer
Finanzoperationen: Transaktionsabstimmung in Buchhaltungstools: Zeichnen Sie auf, wie ein Mensch Bank-/Prozessor-Transaktionen mit Rechnungen abgleicht (z. B. in QuickBooks) und setzen Sie einen Agenten ein, um die wöchentliche Abstimmung zu wiederholen, während die Zuverlässigkeit auf Schrittebene verfolgt wird.
Verwaltung im Gesundheitswesen: Patientenaufnahme und Terminplanung: Trainieren Sie Agenten, sich wiederholende Aufnahme-Workflows (Sammeln von Patienteninformationen, Aktualisieren von Krankenakten, Terminplanung) zu bearbeiten, indem Sie aufzeichnen, wie Mitarbeiter den Prozess in bestehenden Systemen abschließen.
Versicherung: Schaden- und Angebots-zu-Bindungs-Workflows: Automatisieren Sie FNOL-/Schadensaufnahme, Vertragsverlängerungen und Back-Office-Aufgaben von Sachverständigen, indem Sie den End-to-End-Prozess über Portale und interne Tools hinweg aufzeichnen.
Rechtsabteilung: Einreichungen und Fallverwaltung: Erstellen Sie Agenten für die Vertragsaufnahme, E-Discovery-Schritte, Gerichtsverfahren oder Zeiterfassungs-Workflows, indem Sie das Verfahren einmal in firmenspezifischer Software demonstrieren.
E-Commerce-Operationen: Retouren und Kundenkommunikation: Zeichnen Sie auf, wie ein Bediener Retouren bearbeitet, Angebote aktualisiert oder auf häufige Support-Szenarien reagiert, und setzen Sie dann einen Agenten ein, um dieselben Abläufe in großem Maßstab auszuführen.
Logistik: Disposition und Dateneingabe für Frachtprüfungen: Trainieren Sie Agenten, um Ladungen zu buchen, TMS/Portale zu aktualisieren, BOL-Details einzugeben und Frachtrechnungen abzugleichen, indem Sie Disponenten-Workflows erfassen und zuverlässig wiedergeben.
Vorteile
Schnelles Onboarding: Lernen durch Tun – eine Aufnahme kann zu einem einsetzbaren Agenten werden, ohne Prompt Engineering.
Beobachtbarkeit + kontinuierliche Verbesserung: Produktionsläufe werden bewertet (Genauigkeit/Abdeckung/Reihenfolgeintegrität) und speisen eine sich selbst verbessernde Schleife.
Funktioniert mit realen Tools und UIs: Entwickelt für Endbenutzer-Workflows über Apps hinweg statt für synthetische Benchmarks.
Nachteile
Risiko der UI-Volatilität: Die Workflow-Zuverlässigkeit kann sich verschlechtern, wenn Ziel-Apps Layouts, Berechtigungen oder Schrittsequenzen ändern, was eine erneute Analyse oder Aktualisierungen erfordert.
Abhängigkeit von der Aufnahmequalität: Unklare Narration, mehrdeutige UI-Zustände oder inkonsistente menschliche Ausführung können die Genauigkeit der extrahierten Schritte und die Agentenleistung verringern.
Integrationsaufwand für die Feedbackschleife: Um eine vollständige Evaluierung und iterative Verbesserung zu erhalten, müssen Teams das SDK hinzufügen und die Laufüberwachung operationalisieren.
Wie verwendet man Trainer
1) Trainer installieren und Workflow vorbereiten: Gehen Sie zu https://www.myagentrainer.com/ und installieren Sie Trainer für Ihr Betriebssystem (macOS/Windows/Linux). Stellen Sie sicher, dass Sie auf die Apps/Websites zugreifen können, die Sie automatisieren möchten (z. B. QuickBooks, interne Tools), und dass Sie die Aufgabe manuell von Anfang bis Ende erledigen können.
2) Eine neue Aufnahmesitzung starten: Öffnen Sie Trainer und erstellen Sie eine neue Sitzung (z. B. app.trainer.dev/sessions/new). Klicken Sie auf "Record", um die Aufnahme Ihres Bildschirms, Mausklicks, Tastatureingaben und Mikrofonnarration in einer zeitlich abgestimmten Zeitleiste zu starten.
3) Die Aufgabe genau so ausführen, wie es ein Mensch tun würde: Führen Sie während der Aufnahme die gesamte Aufgabe Schritt für Schritt in den realen Tools aus, die Sie normalerweise verwenden. Klicken Sie auf die tatsächlichen UI-Elemente, geben Sie in Felder ein und navigieren Sie normal. Sprechen Sie Ihre Absicht laut aus (Ihre Narration wird zur Absicht des Agenten).
4) Die Aufnahme beenden und speichern: Wenn die Aufgabe abgeschlossen ist, beenden Sie die Aufnahme und speichern Sie die Sitzung. Trainer speichert Sitzungen "local-first" (Sitzungen bleiben auf Ihrem Gerät).
5) "Analyze" ausführen, um Schritte aus dem Video zu extrahieren: Verwenden Sie den "Analyze"-Schritt von Trainer, um die Aufnahme zu verarbeiten. Der Frame-Analysator scannt Frames (Vision + ASR) und extrahiert atomare Ereignisse (Klickziele, Tastatursequenzen, Bildschirmübergänge) und gleicht sie mit Ihrer Narration ab, um eine strukturierte Schritt-für-Schritt-Spur zu erstellen.
6) Die generierte Spur überprüfen: Lesen Sie die extrahierten Schritte Zeile für Zeile (z. B. Aktionen wie "X öffnen", "Filter Anbieter=…", "Übereinstimmung klicken", "Rückerstattungen überspringen"). Bestätigen Sie, dass Absicht und Reihenfolge dem entsprechen, was Sie getan haben.
7) Ohne Neuaufnahme neu generieren oder verfeinern (optional): Wenn ein Schritt unklar ist oder angepasst werden muss, generieren/verfeinern Sie die Spur, anstatt neu aufzunehmen. Trainer kann die Spur in mehreren Formaten ausgeben (natürliche Sprache, JSON-Spur, Aktions-DSL, natürliche DSL) und Sie können die Formate bei Bedarf wechseln.
8) Einen Agenten aus der Spur trainieren: Binden Sie einen neuen Agenten an die Spur und führen Sie den "Train"-Schritt aus. Trainer kompiliert die extrahierten Schritte in ein Prompt-/Spurpaket und feintunt die Agentenrichtlinie anhand der erfassten Demonstration (kein Prompt Engineering oder manuelle Beschriftung erforderlich).
9) Einen API-Schlüssel erstellen und das Trainer SDK zu Ihrem Agenten/Ihrer App hinzufügen: Generieren Sie einen API-Schlüssel in Trainer und integrieren Sie dann das Trainer SDK in Ihren Code, damit Produktionsläufe protokolliert und ausgewertet werden. Verwenden Sie das bereitgestellte Snippet-Muster (z. B. Protokollierung jedes Schritts über das SDK), um Läufe wieder mit Trainer zu verbinden.
10) Den Agenten mit neuen Eingaben ausführen: Starten Sie den Agenten als Chat-Agent, Hintergrundaufgabe oder mit Live-UI-Status (gleiche Aufnahme/Schleife, verschiedene Modi). Geben Sie die Aufgabeneingabe an (z. B. "Mercury-Rechnungen für diese Woche abgleichen") und wählen Sie bei Bedarf ein Modell aus, wenn dies von Ihrer Einrichtung verlangt wird.
11) Jeden Lauf mit der ursprünglichen Spur vergleichen: Überprüfen Sie in Trainer die Laufbewertung und Metriken wie Schrittgenauigkeit, Abdeckung und Reihenfolgeintegrität, die mit der menschlichen Basislinie verglichen werden. Verwenden Sie diese Ergebnisse, um zu identifizieren, wo der Agent abweicht.
12) Mit dem geschlossenen Feedback-Loop im Laufe der Zeit verbessern: Lassen Sie den Agenten weiterhin in der Produktion mit verbundenem SDK laufen. Jeder Lauf wird als Trainingsdaten für die nächste Iteration zurückgespielt, wodurch der Agent im Laufe der Zeit geschärft wird. Für mehrstufige Prozesse fügen Sie mehrere Aufnahmen hinzu, um die Abdeckung und den Kontext zu erweitern.
Trainer FAQs
Trainer (myagentrainer.com) ist ein Tool zum Trainieren und Automatisieren von KI-Agenten, indem eine Aufgabe einmal aufgezeichnet wird. Es erfasst Ihren Bildschirm, Klicks, Tastatureingaben und optionale Erzählungen/Absichten und wandelt diese Demonstration dann in einen Agenten um, der die Arbeit wiederholen kann – ohne Prompt Engineering oder beschriftete Daten.
Beliebte Artikel
Atoms: Eine Multi-Agenten-KI-Plattform, die Ideen in startbereite Produkte verwandelt
May 22, 2026
Nano Banana SBTI: Was es ist, wie es funktioniert und wie man es im Jahr 2026 einsetzt
Apr 15, 2026
Atoms Review – Der KI-Produkt-Builder, der die digitale Erstellung im Jahr 2026 neu definiert
Apr 10, 2026
Kilo Claw: Wie man einen echten "Do-It-For-You" KI-Agenten bereitstellt und verwendet (2026 Update)
Apr 3, 2026
Neueste KI-Tools ähnlich wie Trainer
Hapticlabs
Hapticlabs ist ein No-Code-Toolkit, das Designern, Entwicklern und Forschern ermöglicht, immersive haptische Interaktionen über Geräte hinweg einfach zu entwerfen, zu prototypisieren und bereitzustellen, ohne programmieren zu müssen.
Monyble
Monyble ist eine No-Code-KI-Plattform, die es Nutzern ermöglicht, KI-Tools und -Projekte innerhalb von 60 Sekunden zu starten, ohne technische Expertise zu benötigen.
Abyss
Abyss ist eine KI-gesteuerte Plattform, die es Benutzern ermöglicht, automatisierte, aufgabenbezogene Widgets zu erstellen, zu teilen und auszuführen, ohne technische Expertise zu benötigen.
AppScape
AppScape ist eine No-Code-Plattform, die sofort einsatzbereite KI-gestützte Apps und anpassbare SaaS-Lösungen anbietet, die eine schnelle Bereitstellung ohne traditionelle Entwicklungskosten und technisches Fachwissen ermöglichen.
Beliebte KI-Tools wie Trainer
GitHub MCP Server
GitHub MCP Server ist ein Model Context Protocol-Server, der eine nahtlose Integration zwischen KI-Modellen und GitHub-APIs ermöglicht und standardisierte Tools für Repository-Verwaltung, Issue-Tracking und Code-Operationen bereitstellt.
GoCodeo SaaS Builder
GoCodeo SaaS Builder ist ein KI-natives Framework, das mithilfe autonomer KI-Agenten automatisch produktionsreife Full-Stack-SaaS-Anwendungen generiert, komplett mit Authentifizierung, Echtzeitfunktionen und TypeScript-Integration.
iBrowsy
iBrowsy ist ein moderner, KI-gestützter Webbrowser für macOS, der intelligente Funktionen, datenschutzorientiertes Design und nahtlose Benutzererfahrung mit integrierter GPT-4-Unterstützung kombiniert.
VibeSDK by CloudFlare
VibeSDK ist eine Open-Source-KI-gestützte Plattform von Cloudflare, die es Entwicklern ermöglicht, ihre eigene Full-Stack-Vibe-Codierungsumgebung mit einem Klick bereitzustellen, sodass Benutzer Anwendungen durch natürliche Sprachbeschreibungen generieren und bereitstellen können.