Marimo Pair und Gemma Fine-Tuner: Zwei Open-Source-Tools fuer AI-Agenten-Entwicklung
Zwei neue Open-Source-Projekte erweitern den Werkzeugkasten fuer Entwickler, die mit AI-Agenten und lokalen Modellen arbeiten. Beide sind heute einsetzbar.
Marimo Pair: AI-Agenten in reaktiven Notebooks
Marimo Pair verbindet AI-Agenten mit laufenden marimo-Notebook-Sessions. Das Tool erlaubt es einem Agenten, Zellen in einem reaktiven Python-Notebook zu lesen, zu schreiben und auszufuehren -- waehrend der Entwickler gleichzeitig darin arbeitet.
Was es kann:
- Agenten koennen Notebook-Zellen inspizieren, editieren und ausfuehren
- Reaktives Execution-Modell: Aenderungen an einer Zelle propagieren automatisch durch abhaengige Zellen
- Integration ueber den offenen Agent-Skills-Standard oder als Claude-Code-Plugin
- Voraussetzungen: ein laufendes marimo-Notebook, dazu
bash,curlundjqim PATH
Installation:
# Via Agent Skills (funktioniert mit jedem kompatiblen Agenten)
npx skills add marimo-team/marimo-pair
# Oder als Claude Code Plugin
/plugin marketplace add marimo-team/marimo-pair
/plugin install marimo-pair@marimo-team-marimo-pair
Der praktische Nutzen liegt im Pair-Programming-Szenario: Der Agent sieht den Notebook-Zustand, kann Hypothesen direkt als Code ausfuehren und die Ergebnisse in Echtzeit pruefen. Das ist ein anderer Ansatz als dateibasierte Code-Generierung -- der Agent arbeitet in derselben interaktiven Umgebung wie der Entwickler.
Gemma Multimodal Fine-Tuner: LoRA auf Apple Silicon
Der Gemma Multimodal Fine-Tuner ist das derzeit einzige Tool, das LoRA-Fine-Tuning von Gemma 4 und Gemma 3n auf Apple Silicon ueber alle drei Modalitaeten ermoeglicht: Text, Bild und Audio. Keine NVIDIA-GPU erforderlich.
Unterstuetzte Modelle:
- Gemma 4 E2B und E4B (Base und Instruct)
- Gemma 3n E2B und E4B (Base und Instruct)
- Groessere Gemma-4-Varianten (26B+) werden noch nicht unterstuetzt
Drei Modalitaeten:
| Modalitaet | Anwendungsfall | Datenformat |
|---|---|---|
| Text | Instruction-Tuning, Completion | Lokale CSV |
| Bild + Text | Captioning, VQA | Lokale CSV mit Bildpfaden |
| Audio + Text | ASR, Transkription | CSV mit Audio-Referenzen |
Kein anderes Tool auf dem Markt bietet Audio-Fine-Tuning auf Apple Silicon. MLX-LM und Unsloth decken diesen Fall nicht ab.
Praktisches Setup:
python3.12 -m venv .venv && source .venv/bin/activate
pip install torch torchaudio
pip install -e .
pip install -r requirements/requirements-gemma4.txt # fuer Gemma 4
gemma-macos-tuner wizard
Der Wizard fuehrt durch Modellauswahl, Dataset-Konfiguration und Training. Trainierte Adapter lassen sich als merged HF/SafeTensors-Modell exportieren. Fuer Entwickler mit grossen Datensaetzen: der Dataloader kann direkt aus GCS oder BigQuery streamen, ohne lokale Kopien.
Hardware-Anforderungen: macOS 12.3+, Apple Silicon (arm64-Python, kein Rosetta), mindestens 16 GB RAM.
Einordnung
Marimo Pair adressiert die Luecke zwischen Chat-basierten Coding-Assistenten und interaktiver Entwicklung. Statt Code in eine Datei zu schreiben und auf Feedback zu warten, agiert der Agent direkt im Notebook-Kontext.
Der Gemma Fine-Tuner ergaenzt den Trend zu lokalen Modellen, den Gemma 4 mit zwei Millionen Downloads in einer Woche bereits angestossen hat. Wer Gemma 4 nicht nur nutzen, sondern auf eigene Domaenen anpassen will, hat jetzt einen Weg, der komplett auf dem eigenen Rechner laeuft.