Eine Technik ist eine bewusste Art, einen Prompt oder eine Folge von Prompts zu strukturieren, um ein Problem zu lösen, das schlichte Anweisungen nicht lösen. Jede Technik hat Kosten in Tokens, Latenz oder Komplexität. Die Kunst ist, die leichteste einzusetzen, die funktioniert.
Die Techniken auf einen Blick
| Technik | Was sie bewirkt | Kosten |
|---|---|---|
| Few-Shot-Prompting | Zeigt Beispiele der gewünschten Ausgabe | Tokens pro Aufruf |
| Rollenbasiertes Prompting | Legt Expertise, Zielgruppe und Ton fest | Minimal |
| Kontextinjektion | Ergänzt die Fakten, die dem Modell fehlen | Tokens pro Aufruf |
| Ausgabebeschränkungen | Legt Länge, Format und erlaubte Werte fest | Minimal |
| Prompting für strukturierte Ausgabe | Liefert Daten, die einem Schema entsprechen | Minimal |
| Chain-of-Thought | Schlussfolgert Schritt für Schritt vor der Antwort | Ausgabe-Tokens, Latenz |
| Self-Consistency | Zieht mehrere Antworten und nimmt die Mehrheit | Mehrere Aufrufe |
| Prompt-Zerlegung | Teilt ein Problem in Teilfragen | Entwurfsaufwand |
| Prompt Chaining | Führt Teilaufgaben als getrennte Prompts nacheinander aus | Mehrere Aufrufe |
| ReAct | Wechselt Schlussfolgern mit Werkzeugaufrufen ab | Mehrere Aufrufe, Werkzeuge |
| Iterative Optimierung | Verbessert einen Prompt durch Messung | Ihre Zeit |
| Prompt-Verfeinerung | Überarbeitet die Formulierung für Klarheit und Präzision | Ihre Zeit |
| Prompt-Evaluierung | Bewertet die Ausgabe anhand von Kriterien | Ein Testsatz |
| Prompt-Tests | Führt Prüfungen nach jeder Änderung erneut aus | Automatisierung |
| Prompt-Kompression | Entfernt Tokens ohne Bedeutungsverlust | Minimal |
Techniken, die einen einzelnen Prompt formen
Few-Shot-Prompting. Fügen Sie Ein- und Ausgabepaare ein. Am besten für Ermessensentscheidungen und eigene Stile. Leitfaden: Few-Shot-Prompting.
Rollenbasiertes Prompting. Beginnen Sie damit, wer das Modell ist und mit wem es spricht. Es wählt ein Register; es fügt kein Wissen hinzu. Leitfaden: System-Prompts und Rollen-Prompting.
Kontextinjektion. Fügen Sie das Dokument, den Datensatz oder das Suchergebnis, von dem die Antwort abhängt, in Trennzeichen ein und weisen Sie das Modell an, daraus zu antworten. Wird der Kontext automatisch abgerufen, wird daraus RAG-Prompting.
Answer using only the policy in the tags. If it does not say, reply "not covered".
<policy>
{{policy_text}}
</policy>
Ausgabebeschränkungen und strukturierte Ausgabe. Legen Sie Format, Felder, Länge und den Umgang mit fehlenden Daten fest. Leitfaden: Prompts für strukturierte Ausgabe.
Techniken zum Schlussfolgern
Chain-of-Thought. Bitten Sie das Modell, das Problem zu durchdenken, bevor es antwortet. Es hilft bei mehrstufiger Logik und Arithmetik mit Modellen, die nicht intern schlussfolgern. Modelle mit eingebautem Reasoning tun das bereits, und die Aufforderung „denke Schritt für Schritt“ bringt wenig.
Self-Consistency. Führen Sie denselben Reasoning-Prompt mehrfach aus und nehmen Sie die häufigste Antwort. Sie tauscht Kosten gegen Genauigkeit bei Problemen mit einem einzigen richtigen Ergebnis.
Beides behandelt Chain-of-Thought-Prompting und Self-Consistency.
Techniken mit mehreren Prompts
Prompt-Zerlegung. Brechen Sie eine schwierige Frage in kleinere herunter, die sich jeweils gut beantworten lassen, und kombinieren Sie dann die Antworten.
Prompt Chaining. Führen Sie diese Teile als getrennte Aufrufe aus und reichen Sie jede Ausgabe an den nächsten Schritt weiter. Jeder Prompt bleibt einfach und testbar. Leitfaden: Prompt Chaining und Zerlegung.
ReAct. Lassen Sie das Modell zwischen Schlussfolgern und Handeln wechseln: Es entscheidet, was es braucht, ruft ein Werkzeug auf, liest das Ergebnis und macht weiter. Das ist die Schleife hinter den meisten KI-Agenten. Leitfaden: ReAct-Prompting.
Techniken zur Verbesserung eines Prompts
Iterative Optimierung und Verfeinerung. Führen Sie den Prompt mit einem Testsatz aus, finden Sie die Fehlschläge, ändern Sie eine Sache und messen Sie erneut. Leitfaden: iterative Prompt-Optimierung.
Evaluierung und Tests. Legen Sie fest, was „gut“ heißt, bewerten Sie es und führen Sie die Prüfungen bei jeder Änderung des Prompts erneut aus. Leitfaden: Prompt-Tests und -Evaluierung.
Prompt-Kompression. Entfernen Sie Füllwörter, Wiederholungen und unnötigen Kontext, um Kosten und Latenz zu senken. Leitfaden: Token-Optimierung.
So wählen Sie aus
Gehen Sie diese Liste von oben nach unten durch und halten Sie beim ersten Schritt an, der das Problem löst.
- Schreiben Sie eine klare Anweisung mit Ausgabeformat. Die meisten Probleme enden hier.
- Ergänzen Sie den fehlenden Kontext. Wenn die Antwort generisch oder sachlich falsch ist.
- Fügen Sie Beispiele hinzu. Wenn Stil oder Urteil danebenliegen.
- Fordern Sie Schlussfolgern an. Wenn die Aufgabe mehrere logische Schritte braucht und das Modell kein Reasoning-Modell ist.
- Teilen Sie die Aufgabe in eine Kette. Wenn ein Prompt zu viele Dinge tut.
- Geben Sie dem Modell Werkzeuge. Wenn es aktuelle Daten braucht oder Aktionen ausführen muss.
- Ziehen Sie mehrere Stichproben. Wenn die Genauigkeit bei einem Problem mit Einzelantwort mehrere Aufrufe rechtfertigt.
Eine Technik hinzuzufügen, die die Aufgabe nicht braucht, macht einen Prompt länger, langsamer und schwerer zu debuggen.
Techniken kombinieren
Techniken lassen sich stapeln. Ein typischer Produktions-Prompt nutzt eine Rolle, injizierten Kontext, zwei Beispiele und ein Schema. Ein typischer Agent nutzt ReAct über einer Kette solcher Prompts. Fügen Sie eine Technik nach der anderen hinzu und messen Sie, damit Sie wissen, welche ihren Platz verdient hat.
Beginnen Sie mit einer soliden Basis
Techniken verstärken einen Prompt; sie reparieren keinen. Bevor Sie welche ergänzen, schicken Sie den Prompt durch den PromptFlowEngine-Prompt-Analyzer, um vage Formulierungen, Widersprüche und fehlende Formate zu beseitigen, und strukturieren Sie ihn mit dem Prompt-Optimierer.