Die Grundlagen des Promptings gelten für jedes Modell. Dieser Leitfaden behandelt, was für die Modelle von OpenAI spezifisch ist, in der ChatGPT-App und über die API, und wo ihr Verhalten Ihr Schreiben verändern sollte.
Modellnamen und Limits ändern sich oft, deshalb beschreibt dieser Leitfaden Verhalten, das über Generationen hinweg stabil war. Die aktuelle Modellliste finden Sie in der Dokumentation von OpenAI.
Zwei Familien, die unterschiedliche Prompts wollen
OpenAI liefert universelle Chat-Modelle und Reasoning-Modelle. Der Unterschied zählt mehr als der Modellname.
| Allgemeine Chat-Modelle | Reasoning-Modelle | |
|---|---|---|
| Arbeitsweise | Antworten direkt | Denken intern, bevor sie antworten |
| Bester Prompt-Stil | Ausdrückliche Schritt-für-Schritt-Anweisungen | Das Ziel, die Einschränkungen und die Erfolgskriterien |
| „Denke Schritt für Schritt“ | Kann helfen | Unnötig; kann schaden |
| Beispiele | Oft nützlich | Zuerst ohne versuchen |
| Kosten und Latenz | Niedriger | Höher, über den Reasoning-Aufwand einstellbar |
Eine hilfreiche Denkweise: Briefen Sie ein Chat-Modell wie eine fähige Nachwuchskraft, die das Verfahren braucht, und ein Reasoning-Modell wie einen erfahrenen Kollegen, der das Ziel braucht.
Nachrichtenrollen
Die API nimmt Nachrichten mit Rollen entgegen. Anweisungen des Anwendungsautors gehören in die Systemnachricht, die neuere OpenAI-APIs developer-Nachricht nennen. Nutzereingaben gehören in Nutzernachrichten. Das Modell gibt Developer-Anweisungen Vorrang.
Legen Sie dauerhafte Regeln, die Rolle und das Ausgabeformat in die Developer-Nachricht. Legen Sie die Aufgabe und ihre Daten in die Nutzernachricht. Siehe System-Prompts und Rollen-Prompting.
In der ChatGPT-App übernehmen benutzerdefinierte Anweisungen und Projektanweisungen die Rolle der Systemnachricht.
Seien Sie wörtlich und ausdrücklich
Neuere OpenAI-Modelle befolgen Anweisungen genau und wörtlich. Zwei Folgen:
- Sie tun, was Sie sagen, nicht, was Sie andeuten. Wollen Sie Vorschläge zusätzlich zur gewünschten Korrektur, bitten Sie um beides.
- Ein einziger klarer Satz korrigiert ein Verhalten meist. Großbuchstaben oder Wiederholung sind unnötig. Starke Betonung kann dazu führen, dass eine Regel übertrieben angewendet wird.
Strukturieren Sie mit Markdown und Trennzeichen
OpenAI-Modelle kommen gut mit Markdown-Überschriften und -Listen zum Ordnen von Anweisungen zurecht und mit XML-artigen Tags zum Umschließen von Dokumenten und Eingaben.
## Task
Summarize the incident report for the on-call team.
## Requirements
- 5 bullet points.
- Include root cause, customer impact, and fix.
## Output format
A markdown list. No introduction.
<report>
{{report}}
</report>
Langer Kontext
Enthält ein Prompt ein großes Dokument, setzen Sie die Anweisungen sowohl an den Anfang als auch ans Ende. Können Sie sie nur einmal platzieren, setzen Sie sie vor das Dokument. Das folgt der eigenen Empfehlung von OpenAI für Prompts mit langem Kontext.
Strukturierte Ausgaben
Für alles, was Ihr Code parst, nutzen Sie die Funktion Structured Outputs der API mit einem JSON Schema im strikten Modus. Die Antwort ist dann auf das Schema beschränkt, was eine ganze Klasse von Parse-Fehlern beseitigt.
- Benennen und beschreiben Sie Felder gut: Das Modell liest das Schema.
- Verwenden Sie Enums für feste Wertemengen.
- Setzen Sie ein Überlegungsfeld vor das Ergebnisfeld, wenn Sie eine Erklärung wollen.
- Validieren Sie trotzdem: Eine Antwort kann am Ausgabelimit abgeschnitten oder abgelehnt werden.
Mehr dazu unter Prompts für strukturierte Ausgabe.
Function Calling
Werkzeuge werden durch Namen, Beschreibung und ein Parameterschema definiert. Die Beschreibung ist der Prompt, mit dem das Modell entscheidet, wann es das Werkzeug aufruft; nennen Sie also, was es tut, wann es zu verwenden ist und was es zurückgibt. Der strikte Modus beschränkt Argumente auf das Schema. Siehe Prompts für KI-Agenten.
Reasoning-Aufwand
Reasoning-Modelle bieten eine Einstellung dafür, wie viel Denkaufwand betrieben wird. Verwenden Sie geringen Aufwand für einfache Extraktion und Klassifikation und höheren für mehrstufige Analyse und schwierigen Code. Diese Einstellung anzupassen ist wirksamer, als dem Prompt Reasoning-Anweisungen hinzuzufügen.
Token-Zählung ist exakt
OpenAI veröffentlicht seine Tokenizer, sodass Sie die Tokens eines Prompts offline zählen und die Eingabekosten vor dem Senden kennen können. PromptFlowEngine nutzt diese Tokenizer für OpenAI-Modelle und kennzeichnet das Ergebnis als exakt. Prüfen Sie einen Prompt im Arbeitsbereich oder lesen Sie die Token-Optimierung.
Prompt-Caching greift automatisch bei wiederholten Prompt-Präfixen oberhalb einer Mindestlänge; stellen Sie daher stabilen Inhalt nach vorn und variablen ans Ende.
Prompting in der ChatGPT-App
- Geben Sie Kontext einmal an. Nutzen Sie benutzerdefinierte Anweisungen oder ein Projekt für dauerhafte Präferenzen, statt sie neu zu tippen.
- Beginnen Sie einen neuen Chat, wenn sich das Thema ändert. Alte Anweisungen bleiben in einer langen Unterhaltung hängen.
- Hängen Sie das Material an. Laden Sie die Datei hoch, statt sie zu beschreiben.
- Fragen Sie nach dem Format. Eine Tabelle, eine Checkliste oder eine Wortgrenze.
- Prüfen Sie das Gedächtnis. Wenn gespeicherte Erinnerungen Antworten in unerwünschter Weise lenken, prüfen oder deaktivieren Sie sie.
- Fügen Sie keine Geheimnisse ein. Schlüssel und Kundendaten in einem Chat haben Ihre Kontrolle verlassen.
Die PromptFlowEngine-Chrome-Erweiterung arbeitet innerhalb von ChatGPT: Sie analysiert den Entwurf im Prompt-Feld, strukturiert eine grobe Anfrage um und warnt, wenn der Entwurf Zugangsdaten enthält.
Häufige Fehler mit OpenAI-Modellen
| Fehler | Was passiert | Lösung |
|---|---|---|
| Schritt-für-Schritt-Anweisungen an ein Reasoning-Modell | Langsamer, nicht besser | Ziel und Einschränkungen nennen |
| JSON nur in Prosa anfordern | Gelegentlich ungültige Ausgabe | Structured Outputs verwenden |
| Anweisungen unter einem langen Dokument vergraben | Anweisungen untergewichtet | Nach dem Dokument wiederholen |
| Betonung bei jeder Regel | Regeln übertrieben angewendet | Schlichte Aussagen; Grund erklären |
| Tokens anhand von Zeichen schätzen | Budgetüberschreitungen | Mit dem Tokenizer zählen |
Einen ChatGPT-Prompt optimieren
- Nennen Sie die Aufgabe in der ersten Zeile.
- Ergänzen Sie Zielgruppe, Einschränkungen und das Ausgabeformat.
- Umschließen Sie eingefügtes Material mit Tags.
- Entfernen Sie Füllwörter und Wiederholungen.
- Testen Sie mit echten Eingaben und vergleichen Sie Versionen.
Der PromptFlowEngine-Prompt-Optimierer erledigt die Schritte 3 und 4 und prüft, dass keine Anforderung verloren ging.
Vergleichen Sie mit dem Prompting-Leitfaden für Claude und dem Prompting-Leitfaden für Gemini.