Grundlegende Prompting-Techniken

In dieser Lektion lernen Sie die grundlegenden Techniken kennen, mit denen Ihre Prompts effektiv werden. Betrachten Sie sie als Bausteine für eine klare Kommunikation mit Large Language Models (LLMs).

Wir behandeln, wie Sie klare Anweisungen geben, Sonderzeichen namens Delimiter verwenden und Stil und Länge der Antwort des LLM steuern.

Die wichtigste Regel beim Prompt Engineering lautet: Formulieren Sie Ihre Anweisungen glasklar. LLMs sind leistungsfähig, befolgen Ihre Anweisungen jedoch wörtlich. Mehrdeutigkeiten können zu unerwarteten oder falschen Ausgaben führen.

• Seien Sie direkt: Geben Sie genau an, was Sie möchten.
• Vermeiden Sie Fachjargon: Verwenden Sie einfache Sprache, sofern kein bestimmter Begriff erforderlich ist.
• Gehen Sie von nichts aus: Erwarten Sie nicht, dass das LLM Ihre Absicht errät.

Sehen wir uns ein Beispiel an. Eine vage Anweisung führt möglicherweise zu einer allgemeinen Antwort. Eine präzise Anweisung leitet das LLM genau zu dem Ergebnis, das Sie benötigen.

Vager Prompt: Write about dogs.
Präziser Prompt: Write a 3-sentence fun fact about Golden Retrievers, focusing on their friendly nature.

Beachten Sie, wie der zweite Prompt Thema, Länge und Schwerpunkt vorgibt.

Berücksichtigen Sie beim Formulieren von Anweisungen die folgenden Punkte, damit sie wirksam sind:

• Aufgabe: Was soll das LLM tun (z. B. zusammenfassen, erklären oder generieren)?
• Thema: Worum geht es bei der Aufgabe?
• Einschränkungen: Gibt es Vorgaben (z. B. zu Länge, Ton oder Format)?
• Ziel: Was soll erreicht werden?

Je mehr Details Sie angeben, desto besser kann das LLM Ihre Erwartungen erfüllen.

Manchmal muss Ihr Prompt verschiedene Abschnitte enthalten: Anweisungen, Eingabetext, Beispiele usw. Delimiter sind spezielle Zeichen oder Tags, die dem LLM helfen zu erkennen, wo ein Abschnitt endet und ein anderer beginnt.

Sie verhindern, dass das LLM verwirrt wird und Ihre Anfrage falsch interpretiert – insbesondere, wenn Sie viele Informationen bereitstellen.

Hier sind einige häufig verwendete Delimiter:

• Dreifache Backticks: ```
• Dreifache Anführungszeichen: """
• Tags im XML-Stil: <example>, </example>
• Hashtags: ###

Wählen Sie einen Delimiter, der Ihre Inhalte klar voneinander abgrenzt und häufig dem Format Ihrer Eingabedaten entspricht.

Sehen wir uns an, wie dreifache Backticks den Text, den das LLM verarbeiten soll, von Ihren Anweisungen abgrenzen können:

Summarize the following text in one sentence:
```The sun was setting, casting long shadows across the quiet meadow. A gentle breeze rustled through the tall grass, and the distant sound of crickets filled the air.```

Das LLM erkennt nun eindeutig, welcher Teil die Anweisung und welcher Teil der zusammenzufassende Text ist.

Sie können dem LLM auch vorgeben, wie seine Ausgabe dargestellt werden soll. Dazu gehören beispielsweise:

• Ton: formell, locker, humorvoll oder professionell.
• Format: Aufzählungspunkte, nummerierte Liste, Absatz oder JSON.
• Stil: Blogbeitrag, E-Mail, Gedicht oder Zeitungsartikel.

Klare Angaben zum Stil helfen dabei, die gewünschte Wirkung und den gewünschten Zweck Ihrer generierten Inhalte zu erreichen.

Bei vielen Aufgaben ist die Länge der Antwort wichtig. Sie können dies direkt in Ihrem Prompt angeben:

• „Fassen Sie in drei Sätzen zusammen.“
• „Geben Sie eine Antwort mit höchstens 50 Wörtern an.“
• „Listen Sie 5 zentrale Punkte auf.“

So bleiben Antworten prägnant und fokussiert oder werden bei Bedarf umfassend. Gleichzeitig verhindern Sie zu lange oder zu kurze Ausgaben.

Jetzt können Sie kurz überprüfen, was Sie über die grundlegenden Prompting-Techniken gelernt haben.

Großartig! Sie haben die Grundlagen des Prompt Engineerings gelernt:

• Klare Anweisungen: Formulieren Sie Ihre Anfragen spezifisch und direkt.
• Begrenzer: Verwenden Sie Zeichen wie ```, um Abschnitte Ihres Prompts klar voneinander zu trennen.
• Ausgabesteuerung: Geben Sie die gewünschte Länge und den gewünschten Stil der Antwort des LLM an.

Diese Techniken bilden die Grundlage für eine effektive Kommunikation mit LLMs. In der nächsten Lektion beschäftigen wir uns mit dem Verständnis der Fähigkeiten von LLMs. Dadurch lernen Sie, realistische Erwartungen an Ihre Prompts zu stellen.