Templates für verschiedene Aufgaben wiederverwenden
Erstellen Sie eine persönliche Prompt-Bibliothek mit parametrisierten Templates
Templates für verschiedene Aufgaben wiederverwenden ist eine kostenlose AI Prompt Engineering-Lektion auf CoddyKit. Dies ist Lektion 4 von 4. Du kannst die komplette Lektion unten kostenlos lesen – dann übst du sie direkt im Browser mit einem integrierten Code-Editor und einem KI-Tutor rund um die Uhr. Sie ist Teil des AI Prompt Engineering-Lernpfads, und dein Fortschritt wird über Web und CoddyKit-App synchronisiert. Der AI Prompt Engineering-Kurs umfasst insgesamt 4 Lektionen.
Von Ad-hoc-Prompts zu einer Prompt-Bibliothek
Die meisten Prompt-Engineers beginnen damit, Prompts ad hoc zu verfassen – einen für jede Aufgabe, lose in einer Notizen-App oder im Chatverlauf gespeichert. Das funktioniert in kleinem Umfang, scheitert aber, sobald Sie Konsistenz über Aufgaben, Teammitglieder oder längere Zeit hinweg benötigen.
Eine Prompt-Bibliothek ist eine strukturierte Sammlung wiederverwendbarer Prompt-Vorlagen – organisiert, benannt, versioniert und dokumentiert. Der Aufbau lohnt sich in jedem Workflow, der regelmäßig KI-Inhalte generiert, schnell.
Dateiorganisation: Flache Struktur
Die einfachste Prompt-Bibliothek ist ein flaches Verzeichnis mit Vorlagendateien:
prompts/ email_cold_outreach.j2 email_follow_up.j2 linkedin_post.j2 product_description.j2 blog_post_intro.j2 support_reply.j2
Eine flache Struktur funktioniert gut bis zu etwa 30–50 Vorlagen. Danach ist eine kategorisierte Verzeichnisstruktur leichter zu navigieren.
Dateiorganisation: Kategorisierte Struktur
Für größere Bibliotheken organisieren Sie Vorlagen nach Inhaltstyp oder Anwendungsfall:
prompts/ marketing/ email_cold_outreach.j2 social_linkedin_post.j2 support/ reply_complaint.j2 reply_question.j2 content/ blog_post.j2 product_description.j2 internal/ meeting_summary.j2 project_update.j2
Richten Sie die Kategorisierung danach aus, wie Ihr Team über Aufgaben denkt, nicht nach Konzepten des Prompt Engineerings.
Benennungskonventionen
Vorlagennamen sollten ihren Zweck auf einen Blick vermitteln. Gute Benennungsmuster:
- content_type + context:
email_cold_outreach,post_linkedin_announcement - action + object:
summarize_meeting,analyze_feedback,generate_tagline - role + task:
support_reply_complaint,marketing_product_description
Vermeiden Sie allgemeine Namen wie template1, prompt_v2 oder new_thing. Ein guter Name ist lesbar, ohne die Datei zu öffnen.
Vorlagen versionieren
Prompts ändern sich im Laufe der Zeit, wenn Sie Verbesserungen entdecken. Versionskontrolle für Vorlagen verhindert den Verlust der Historie und Regressionen:
- Speichern Sie Vorlagen in git – jede Änderung wird nachverfolgt und kann rückgängig gemacht werden
- Für dateibasierte Versionierung ohne git:
email_cold_outreach_v1.j2,v2.j2,v3.j2 - Kennzeichnen Sie wichtige Produktionsversionen: Fügen Sie oben einen Kommentar ein, der angibt, welche Version wann live gegangen ist
- Überschreiben Sie niemals eine Vorlage, ohne eine Kopie aufzubewahren – was letzten Monat funktioniert hat, muss möglicherweise wiederhergestellt werden
Git ist die robusteste Option: Verwenden Sie ein eigenes prompts/-Verzeichnis in Ihrem Projekt-Repository.
Dokumentationskopf einer Vorlage
Jede Vorlagendatei sollte einen Dokumentationskopf enthalten. Dabei handelt es sich um einen Kommentarblock am Anfang, der wichtige Metadaten festhält:
# Template: email_cold_outreach.j2
# Version: 2.1
# Author: Sarah Chen
# Created: 2025-03-15
# Last modified: 2025-05-10
# Changes in v2.1: Added 'value_prop' variable, removed generic opener
#
# Purpose:
# Generate personalized cold outreach emails for B2B sales.
#
# Required variables:
# - sender_name: str — Name of the sender
# - recipient_name: str — First name of the recipient
# - company_name: str — Recipient's company
# - value_prop: str — 1-2 sentence value proposition tailored to this prospect
# - cta: str — Specific call to action (e.g., '15-minute discovery call')
#
# Optional variables:
# - tone: str (default: 'professional but warm')
# - word_count: int (default: 120)
#
# Example output: see examples/email_cold_outreach_sample.txt
# Known limitations: Performs best when value_prop is specific to the company.Ein Vorlagenregister
In Teamumgebungen erleichtert ein Vorlagenregister — eine zentrale Indexdatei mit einer Liste aller verfügbaren Vorlagen — das Auffinden erheblich:
# prompts/registry.py
# Central index of all prompt templates
TEMPLATE_REGISTRY = {
'email_cold_outreach': {
'file': 'marketing/email_cold_outreach.j2',
'description': 'Cold outreach email for B2B prospecting',
'required_vars': ['sender_name', 'recipient_name', 'company_name', 'value_prop', 'cta'],
'optional_vars': {'tone': 'professional but warm', 'word_count': 120},
'version': '2.1',
'owner': 'sarah.chen'
},
'linkedin_post': {
'file': 'marketing/linkedin_post.j2',
'description': 'LinkedIn announcement post with professional tone',
'required_vars': ['company', 'announcement', 'cta'],
'optional_vars': {'tone': 'professional and approachable', 'word_count': 180},
'version': '1.0',
'owner': 'marketing_team'
}
}
def get_template_info(name):
return TEMPLATE_REGISTRY.get(name, None)Aufgabenübergreifende Wiederverwendung von Vorlagen
Die eigentliche Stärke einer Bibliothek zeigt sich darin, dass dieselbe Vorlage mit geringfügigen Änderungen an Variablen für mehrere Aufgaben verwendet werden kann. Suchen Sie nach Möglichkeiten zur aufgabenübergreifenden Wiederverwendung:
- Eine Vorlage für Produktbeschreibungen kann sowohl Website-Texte als auch App-Store-Beschreibungen erzeugen, wenn Sie die Variablen für Länge und Tonalität ändern
- Eine Zusammenfassungsvorlage eignet sich für Besprechungszusammenfassungen, Artikelzusammenfassungen und Zusammenfassungen von Code-Reviews, wenn Sie die Variable für den Inhaltstyp ändern
- Eine Vergleichsvorlage eignet sich für Produkte, Bewerber und technische Ansätze, wenn Sie die Variablen für Vergleichsgegenstand und Kriterien ändern
Wenn Sie eine neue Vorlage schreiben möchten, durchsuchen Sie zuerst die Bibliothek.
Vorlagenkomposition: Basis + abgeleitete Vorlage
Jinja2 unterstützt die Vorlagenvererbung — eine Basisvorlage definiert eine gemeinsame Struktur, und abgeleitete Vorlagen überschreiben bestimmte Blöcke. Dadurch wird Doppelarbeit bei verwandten Vorlagen reduziert:
# prompts/base_content.j2 — shared structure for all content templates
'''
You are a professional writer for {{company}}.
Style rules (apply to all outputs):
- Active voice
- No jargon unless defined
- Sentences under 25 words
- No passive voice
- Warm, direct tone
{% block task %}{% endblock %}
{% block constraints %}
Length: {{word_count | default(200)}} words.
{% endblock %}
'''
# prompts/blog_post.j2 — inherits base, adds blog-specific instructions
'''
{% extends 'base_content.j2' %}
{% block task %}
Write a blog post about {{topic}} for {{audience}}.
Structure: Hook (1 para) + Problem (1-2 para) + Solution (2-3 para) + Takeaway (1 para).
Include one concrete example.
{% endblock %}
{% block constraints %}
{{ super() }}
Do not mention competitors. Include one pull quote.
{% endblock %}
'''Vorlagenleistung erfassen
Erfassen Sie in Produktionspipelines, welche Vorlagenversionen die besten Ergebnisse erzeugen. Ein einfacher Ansatz zur Protokollierung:
import json
import datetime
def log_generation(template_name, template_version, variables, output, rating=None):
log_entry = {
'timestamp': datetime.datetime.utcnow().isoformat(),
'template': template_name,
'version': template_version,
'input_vars': {k: str(v)[:50] for k, v in variables.items()}, # truncate for log
'output_length': len(output),
'rating': rating # optional human rating 1-5
}
with open('logs/generation_log.jsonl', 'a') as f:
f.write(json.dumps(log_entry) + '\n')
# Usage after generation
log_generation(
template_name='email_cold_outreach',
template_version='2.1',
variables={'sender_name': 'Alice', 'company_name': 'Acme'},
output='Dear Mr. Smith...',
rating=4
)Wann eine Vorlage ausgemustert werden sollte
Vorlagen werden mit der Zeit veraltet. Anzeichen dafür, dass eine Vorlage ausgemustert oder aktualisiert werden sollte:
- Die Ausgaben erfordern durchgehend umfangreiche manuelle Nachbearbeitung — die Vorlage erfasst die richtigen Anforderungen nicht
- Die Aufgabe hat sich geändert, etwa durch neue Markenrichtlinien, eine neue Zielgruppe oder neue Formatvorgaben
- Die Modellversion hat sich geändert, und die Anweisungen der Vorlage funktionieren nicht mehr wie erwartet
- Es wurde eine bessere Vorlage erstellt, die diese Vorlage ersetzt
Archivieren Sie ausgemusterte Vorlagen, anstatt sie zu löschen — markieren Sie sie im Register als veraltet und bewahren Sie die Dateien in einem Unterverzeichnis archive/ auf. Möglicherweise müssen Sie nachvollziehen können, warum alte Ausgaben so aussahen, wie sie aussahen.
Wissenscheck: Prompt-Bibliotheken
Ihr achtköpfiges Team erstellt KI-Inhalte für drei verschiedene Anwendungsfälle: E-Mail-Kampagnen, Produktdokumentation und soziale Medien. Derzeit haben Sie 45 Prompt-Vorlagen in einem gemeinsam genutzten Google Doc gespeichert, ohne einheitliche Benennung, Versionsverlauf oder Dokumentation. Welche erste Verbesserung hätte die größte Wirkung?
Zusammenfassung: Vorlagen für mehrere Aufgaben wiederverwenden
Eine Prompt-Bibliothek macht aus Ad-hoc-Prompts ein wiederverwendbares, wartbares Arbeitsmittel. Die wichtigsten Praktiken sind: eine organisierte Dateistruktur (bis zu 50 Vorlagen flach, darüber hinaus kategorisiert), einheitliche Benennungskonventionen, Dokumentationsköpfe mit erforderlichen Variablen und Versionshinweisen sowie git zur Versionskontrolle.
Der größte Nutzen einer Bibliothek liegt in der aufgabenübergreifenden Wiederverwendung: Dieselbe Vorlagenstruktur kann für mehrere Anwendungsfälle verwendet werden, indem Sie die Variablenwerte ändern. Die Vorlagenkomposition durch Jinja2-Vererbung reduziert Doppelarbeit bei verwandten Vorlagen. Erfassen Sie die Leistung und mustern Sie veraltete Vorlagen aktiv aus.
Lerne AI Prompt Engineering mit einem KI-Tutor — kostenlos
Schreibe und führe echten Code in deinem Browser aus, bekomme sofortige Hilfe von einem 24/7 KI-Tutor und setze dein Lernen im Web oder in der App fort.
- Kurse
- 53
- Lektionen
- 199
Häufig gestellte Fragen
Ist die Lektion „Templates für verschiedene Aufgaben wiederverwenden“ kostenlos?
Ja — der vollständige Text von „Templates für verschiedene Aufgaben wiederverwenden“ ist hier im Web kostenlos zu lesen. Um sie interaktiv zu üben (integrierter Code-Editor und 24/7 KI-Tutor) und den Rest des AI Prompt Engineering-Kurses freizuschalten, upgrade auf CoddyKit PRO. Der AI Prompt Engineering-Kurs umfasst insgesamt 4 Lektionen.
Was lerne ich in „Templates für verschiedene Aufgaben wiederverwenden“?
Erstellen Sie eine persönliche Prompt-Bibliothek mit parametrisierten Templates Du übst AI Prompt Engineering mit praktischem Code, den du direkt im Browser ausführst, und ein 24/7 KI-Tutor beantwortet deine Fragen während du die Lektion bearbeitest.
Brauche ich Erfahrung, um AI Prompt Engineering zu starten?
Keine Vorkenntnisse erforderlich. AI Prompt Engineering auf CoddyKit ist für Anfänger bis fortgeschrittene Lernende strukturiert, sodass du hier starten oder von Anfang an beginnen und in deinem eigenen Tempo voranschreiten kannst. Dies ist Lektion 4 von 4.
Wie lange dauert die Lektion „Templates für verschiedene Aufgaben wiederverwenden“?
Die meisten CoddyKit-Lektionen dauern etwa 5–10 Minuten. Jede ist kompakt und interaktiv, sodass du stetig Fortschritte machst und genau dort weitermachst, wo du aufgehört hast – im Web und in der App.
Kann ich in dieser AI Prompt Engineering-Lektion Code schreiben und ausführen?
Ja. Jede AI Prompt Engineering-Lektion enthält einen integrierten Code-Editor, sodass du echten Code direkt in deinem Browser schreibst und ausführst und sofort KI-Feedback erhältst — ohne lokale Einrichtung erforderlich.
Alle Lektionen in diesem Kurs
- Was ist ein Prompt-Template?
- Muster zum Ausfüllen erstellen
- Techniken zur Variablensubstitution
- Templates für verschiedene Aufgaben wiederverwenden