Leitfaden zum Prompt Engineering: eine Methode Schritt für Schritt

Dieser Leitfaden ist eine Methode, keine Tippsammlung. Wenn Sie die sieben Schritte der Reihe nach befolgen, erhalten Sie einen Prompt, der seine Aufgabe nennt, den richtigen Kontext mitbringt, ein vorhersagbares Format liefert und an echten Eingaben geprüft wurde.

Das durchgehende Beispiel ist ein Prompt, der Kundenfeedback in einen Produktbericht verwandelt.

Schritt 1: Formulieren Sie das Ziel in einem Satz

Beginnen Sie mit einem einzigen Imperativsatz, der das Ergebnis benennt. Wenn Sie ihn nicht schreiben können, ist die Aufgabe noch nicht definiert.

Classify each piece of customer feedback by product area and sentiment.

Beginnen Sie mit einem Verb: klassifizieren, zusammenfassen, extrahieren, verfassen, vergleichen, prüfen. Ein Prompt, der nur Material beschreibt („hier sind unsere Feedback-Daten“), zwingt das Modell zu raten, was Sie damit tun möchten.

Schritt 2: Ergänzen Sie den Kontext, der dem Modell fehlt

Listen Sie auf, was eine fähige neue Kollegin oder ein fähiger neuer Kollege wissen müsste: für wen die Ausgabe gedacht ist, welche Produktbereiche es gibt und was als negativ zählt.

The feedback comes from in-app surveys for a project management tool.
Product areas: Boards, Timeline, Reports, Integrations, Billing.
The report is read by product managers who decide what to fix next.

Nehmen Sie nur Kontext auf, der die Antwort verändert. Hintergrund ohne Einfluss auf die Ausgabe kostet Tokens und verwässert die Anweisungen.

Schritt 3: Nennen Sie Anforderungen und Einschränkungen

Machen Sie aus Erwartungen eine kurze Liste. Verwenden Sie Zahlen, wo eine Größe im Spiel ist, und sagen Sie, was in den heiklen Fällen zu tun ist.

Requirements:
- Assign exactly one product area per item. Use "Other" if none fits.
- Sentiment is one of: positive, neutral, negative.
- Quote the phrase that justifies the sentiment, 12 words at most.
- If an item is not in English, classify it and add "language": "<code>".

Sagen Sie dem Modell lieber, was es tun soll, als was es vermeiden soll. „Verwende einfache Sprache“ funktioniert besser als „verwende keinen Fachjargon“, denn ein Verbot nennt, was verschwinden soll, und bietet keine Alternative.

Schritt 4: Legen Sie das Ausgabeformat fest

Wenn Code die Antwort liest, legen Sie das Format genau fest. Wenn ein Mensch sie liest, legen Sie Struktur und Länge fest.

Return a JSON array. Each element:
{"id": string, "area": string, "sentiment": string, "evidence": string}
Return only the JSON, with no commentary.

Ein fehlendes Ausgabeformat gehört zu den häufigsten Gründen für uneinheitliche Ergebnisse. Der Leitfaden zu Prompts für strukturierte Ausgabe behandelt Schemas und Validierung.

Schritt 5: Trennen Sie Anweisungen von Daten

Setzen Sie variable Eingaben in Trennzeichen, damit das Modell sie nicht für Anweisungen halten kann. Das blockiert auch die einfachste Form der Prompt Injection.

<feedback>
{{feedback_items}}
</feedback>

Schritt 6: Fügen Sie Beispiele hinzu, wenn die Aufgabe sie braucht

Sind die Regeln leicht zu formulieren, verzichten Sie auf Beispiele. Hängt die Aufgabe vom Urteil ab, etwa davon, was als „neutral“ gilt, zeigen Sie zwei oder drei Ein- und Ausgabepaare, die die Grenzfälle abdecken. Wie man sie auswählt, steht unter Zero-Shot-, One-Shot- und Few-Shot-Prompting.

Schritt 7: Testen, messen und überarbeiten

Führen Sie den Prompt mit Eingaben aus, die den realen Gebrauch abbilden, einschließlich der heiklen: leere Eingabe, sehr lange Eingabe, gemischte Sprachen und feindseliger Text. Notieren Sie, was scheitert, ändern Sie eine Sache und führen Sie ihn erneut aus. Diese Schleife behandeln die iterative Prompt-Optimierung und die Prompt-Evaluierung.

Bevor Sie gegen ein Modell testen, beseitigen Sie die Probleme, die man ohne Modell findet. Der PromptFlowEngine-Prompt-Analyzer prüft auf ein fehlendes Ziel, vage Formulierungen, nicht quantifizierte Größen, widersprüchliche Anweisungen, ein fehlendes Format und nicht abgegrenzte Variablen.

Der fertige Prompt

You are a product analyst.

## Task
Classify each piece of customer feedback by product area and sentiment.

## Context
The feedback comes from in-app surveys for a project management tool.
Product areas: Boards, Timeline, Reports, Integrations, Billing.
The report is read by product managers who decide what to fix next.

## Requirements
- Assign exactly one product area per item. Use "Other" if none fits.
- Sentiment is one of: positive, neutral, negative.
- Quote the phrase that justifies the sentiment, 12 words at most.

## Output format
Return a JSON array. Each element:
{"id": string, "area": string, "sentiment": string, "evidence": string}
Return only the JSON.

## Input
<feedback>
{{feedback_items}}
</feedback>

Eine Checkliste zum Aufbewahren

Fertige Ausgangspunkte, die diese Prüfungen bereits bestehen, finden Sie unter den Prompt-Vorlagen. Zu den Gewohnheiten hinter den Schritten geht es weiter mit den Best Practices für Prompt Engineering.