Rollen und Spezialisierung

Ein einzelner generalistischer Prompt, der viele Anliegen gleichzeitig behandelt, verteilt die Aufmerksamkeit und vermischt Anweisungen. Wenn Sie eine Aufgabe in spezialisierte Agents zerlegen - jeweils mit einem eng gefassten Auftrag, fokussiertem Kontext und passenden Tools -, wird das Verhalten präziser und Fehler werden isoliert.

• Enger Umfang - zuverlässiger und besser steuerbar.
• Isolation - ein Fehler in einer Rolle beeinträchtigt die anderen nicht.

Spezialisierung ist Divide-and-Conquer auf Prompts angewendet.

Eine effektive Agenten-Persona ist mehr als ein Name. Sie legt fest: einen Auftrag (wofür sie zuständig ist), Grenzen (was sie nicht tun darf), Inputs/Outputs (ihren Vertrag) und Erfolgskriterien. Vage Personas (»Sie sind ein hilfreicher Experte«) schränken das Verhalten nicht ausreichend ein.

Geben Sie jedem Agenten einen Grund, sein Verhalten zu ändern. Ein Agent zum »Recherchieren-, Zusammenfassen- und Faktenprüfen« vermischt drei Ziele, die in unterschiedliche Richtungen ziehen. Teilen Sie diese Aufgaben auf, damit jede einzeln abgestimmt, evaluiert und debuggt werden kann.

Der Test: Wenn Sie die Aufgabe eines Agenten nicht in einem Satz ohne »und« beschreiben können, erledigt er zu viel.

Spezialisierung umfasst auch die Kontextisolierung. Ein Coding-Agent benötigt den Code und die Spezifikation, nicht das Marketing-Briefing. Wenn Sie den Kontext jedes Agenten beschränken, verringern Sie Ablenkung, Kosten und die Wahrscheinlichkeit, dass er auf irrelevantes Material reagiert.

• Geben Sie nur die Inputs weiter, die der Auftrag erfordert.
• Gewähren Sie nur die Tools, die die Rolle tatsächlich verwendet.

Least-Context und Least-Tool sind das Gegenstück zu Least-Privilege in Multi-Agenten-Systemen.

Rollen sollten die Arbeit ohne Überschneidungen oder Lücken aufteilen. Überschneidungen verschwenden Rechenleistung und erzeugen widersprüchliche Outputs; Lücken lassen Teile der Aufgabe unzugeordnet. Entwerfen Sie die Rollenmenge als saubere Zerlegung, bei der jede Teilaufgabe genau einen Verantwortlichen hat.

Zeichnen Sie zuerst die Verantwortungsübersicht und schreiben Sie dann Personas, die jede Zelle ausfüllen.

Zu den wertvollsten Spezialisten gehören adversarische Rollen: ein Kritiker, der Schwachstellen findet, ein Red-Team, das den Plan angreift, und ein Verifizierer, der Belege verlangt. Ihr Auftrag besteht ausdrücklich darin, zu widersprechen. Dadurch wirken sie der Gefälligkeit und dem übermäßigen Selbstvertrauen eines einzelnen Agenten entgegen.

Kombinieren Sie jeden Generator mit einem Skeptiker, dessen Erfolg daran gemessen wird, wie viele Probleme er findet.

Im Verlauf einer langen Sitzung kann ein Agent aus seiner Rolle driften und den Ton oder die Ziele anderer übernehmen, die er liest. Bekräftigen Sie seine Identität: Wiederholen Sie den Auftrag bei jeder Ausführung und halten Sie den Prompt jedes Agenten in sich geschlossen, damit er nicht unbemerkt die Anweisungen eines anderen übernimmt.

Behandeln Sie die Persona als etwas, das in jedem Turn erneut bekräftigt wird, nicht als etwas, das einmal festgelegt und dann vergessen wird.

Spezialisten müssen Ergebnisse sauber übergeben. Definieren Sie für die Ausgabe jeder Rolle einen typisierten Vertrag, den die nächste Rolle verarbeitet. Übergaben in loser Prosa führen zu Fehlinterpretationen; strukturierte Verträge machen die Pipeline kombinierbar und überprüfbar.

Der Researcher gibt belegte Aussagen aus; der Writer verarbeitet genau diese Struktur; der Critic prüft sie.

Mehr Agents bedeuten mehr Aufrufe. Spezialisierung tauscht die Effizienz eines einzelnen Aufrufs gegen Zuverlässigkeit und Parallelität. Begründen Sie jede Rolle: Wenn die Aufteilung die Qualität nicht messbar verbessert und keine parallele Arbeit ermöglicht, führen Sie sie wieder in einem Generalisten zusammen.

• Parallelisierbare Spezialisten können gleichzeitig laufen - ein Latenzgewinn.
• Streng sequenzielle Spezialisten erhöhen die Latenz - stellen Sie sicher, dass der Qualitätsgewinn dies rechtfertigt.

Bei zu wenigen Rollen erhalten Sie einen unklaren Generalisten; bei zu vielen ertrinken Sie im Koordinationsaufwand. Wählen Sie die gröbste Zerlegung, bei der jeder Agent weiterhin eine einzelne, evaluierbare Verantwortung hat. Beginnen Sie grob und teilen Sie nur dann weiter auf, wenn sich eine Rolle in der Evaluation als überlastet erweist.

Die Granularität wird empirisch abgestimmt und richtet sich danach, wo sich Fehler tatsächlich häufen.

Bestätigen Sie für jeden Agenten: einen Auftrag in einem Satz, explizite Grenzen, Least-Context- und Least-Tool-Einschränkungen, einen typisierten Ausgabevertrag, eine komplementäre Einordnung ohne Überschneidung oder Lücke, eine Bestärkung der Identität in jedem Turn sowie eine Begründung dafür, dass die Aufteilung die Qualität oder Parallelität verbessert. Adversarische Kritiker rechtfertigen ihren Platz, indem sie echte Schwachstellen finden.

Sie stellen fest, dass ein Agent, der recherchiert, schreibt und Fakten prüft, inkonsistente und schwer zu debuggende Ergebnisse liefert.

Zerlegen Sie Aufgaben in Agents mit jeweils einer Verantwortung. Jeder Agent benötigt einen klaren Auftrag, explizite Grenzen, Least-Context- und Least-Tool-Einschränkungen sowie einen typisierten Ausgabevertrag. Teilen Sie die Arbeit sauber und ohne Überschneidungen oder Lücken auf, kombinieren Sie Generatoren mit adversarischen Kritikern, bekräftigen Sie die Identität der Persona in jedem Turn und wählen Sie die gröbste Granularität, bei der jede Rolle evaluierbar bleibt. Spezialisierung bringt Zuverlässigkeit und Parallelität, kostet aber mehr Aufrufe - setzen Sie sie dort ein, wo sie messbar hilft.