Fügen Sie vor Ihrer Anfrage einen oder zwei Sätze Kontext hinzu, den das Modell sonst nicht wüsste. MasterPrompting.net schlägt vor, sich eine einzige diagnostische Frage zu stellen: „Was würde das Modell höchstwahrscheinlich falsch machen, wenn ich es ihm nicht sage?“ Genau diese Information sollten Sie einfügen .
Dieselbe Quelle schätzt, dass allein die Angabe, wer Sie sind (oder für wen das Ergebnis bestimmt ist) und was Sie erreichen wollen, 80% Ihrer Ergebnisse verbessert .
Grenzen zu setzen, bevor die KI mit der Generierung beginnt, filtert generische Ausgaben an der Quelle heraus. Zum Beispiel: „Verwende keine Schlagwörter, fange nicht mit ‚In der heutigen, schnelllebigen Welt‘ an, nenne nicht mehr als 3 Punkte.“ Diese Technik wird von Ressourcen empfohlen, die sich auf die Vermeidung generischer ChatGPT-Ausgaben konzentrieren . Das Prinzip ist, den Ausgaberaum frühzeitig einzuschränken, bevor das Modell in Klischees abdriftet.
Verwenden Sie klare Abschnitte wie ## Hintergrund## Anweisungen## Einschränkungen## Ausgabeformat als auch Anthropic
empfehlen diesen Ansatz – Anthropic schlägt vor, XML-Tags oder Markdown-Überschriften zu verwenden, um Abschnitte wie
<background_information> und <tool_guidance> voneinander abzugrenzen .
Ein einzelnes gutes Beispiel (oder ein schlechtes Beispiel, das vermieden werden soll) in Ihrem Prompt schränkt den Ausgaberaum enorm ein und reduziert generische Antworten. Dies ist als „Few-Shot“-Prompting bekannt – dem Modell zu zeigen, wonach Sie suchen, anstatt es nur zu beschreiben .
Bitten Sie statt um eine einzelne Antwort um mehrere Optionen, die auf einer Skala eingestuft sind. Beispiel: Statt „Erzähl mir einen Witz über die Sonne“ versuchen Sie: „Erzähl mir 5 Witze über die Sonne, sortiert vom bekanntesten bis zum 5., den ich noch nie gehört habe.“ Das zwingt das Modell über seine statistisch wahrscheinlichste (und damit generischste) Antwort hinaus .
Beginnen Sie Ihren Prompt mit: „Interviewe mich, bis du die Situation verstehst, und gib dann deine Empfehlung.“ Das Modell wird Ihnen gezielte Fragen stellen, bevor es seine Antwort generiert, und so zuerst besseren Kontext aus Ihnen herausholen. Diese Technik stammt von erfahrenen Power-Usern, die die KI als klugen neuen Mitarbeiter betrachten, der erst Anforderungen sammeln muss .
Geben Sie sich nicht mit der ersten Antwort zufrieden. Die erste Antwort der KI ist oft ein Durchschnitt – behandeln Sie sie als ersten Entwurf. Fragen Sie nach mit Aufforderungen wie „Mach das spezifischer“, „Gib mir eine Version für ein nicht-technisches Publikum“ oder „Hinterfrage jetzt deine eigenen Annahmen“. Jede Iteration verbessert die Spezifität, und die KI wie einen intelligenten Mitarbeiter zu behandeln, der zu mehr Detail gedrängt werden kann, ist ein Kennzeichen fortgeschrittener Prompter .
Große Sprachmodelle neigen zu einem neutralen, ausgewogenen Ton. Wenn Sie eine weniger generische Antwort wünschen, bitten Sie die KI explizit, Stellung zu beziehen. „Dränge sie, eine Haltung einzunehmen“ ist eine Technik, die von erfahrenen Nutzern geteilt wird, die darauf hinweisen, dass die natürliche Sykophantie der KI – ihr Bestreben zu gefallen – umgeleitet werden kann, indem man nach einer bestimmten Perspektive fragt .
Für Ihre wichtigsten Prompts kombinieren Sie diese Techniken zu einem strukturierten Rahmen. Ein praktisches Modell aus der Power-User-Community umfasst vier Teile :
Dieses Framework ähnelt dem „Ricky“-Framework (Rolle, Absicht, Bedingung, Kontext, Beispiele) und anderen strukturierten Ansätzen, die Praktiker verwenden, um konsistente, nicht-generische Ergebnisse zu erzielen .
Die entscheidende Erkenntnis ist, dass es bei Kontext nicht darum geht, längere Prompts zu schreiben – sondern gezieltere. Bevor Sie Ihre Anfrage tippen, nehmen Sie sich 10 Sekunden Zeit, um zu definieren, wer die KI sein soll, was sie vermeiden soll und welche spezifischen Informationen sie benötigt. Das allein wird Ihre Ergebnisse von generisch zu wirklich nützlich verwandeln.
Comments
0 comments