While these tips apply broadly to all Claude models, you can find prompting tips specific to extended thinking models here.

​
Vor dem Prompt Engineering

Dieser Leitfaden setzt voraus, dass Sie:
  1. Eine klare Definition der Erfolgskriterien für Ihren Anwendungsfall haben
  2. Einige Möglichkeiten haben, empirisch gegen diese Kriterien zu testen
  3. Einen ersten Entwurf eines Prompts haben, den Sie verbessern möchten
Falls nicht, empfehlen wir Ihnen dringend, zunächst Zeit darauf zu verwenden, dies zu etablieren. Schauen Sie sich Definieren Sie Ihre Erfolgskriterien und Erstellen Sie starke empirische Evaluierungen für Tipps und Anleitungen an.

Prompt Generator

Haben Sie noch keinen ersten Entwurf eines Prompts? Probieren Sie den Prompt Generator in der Claude Console!

​
Wann Prompt Engineering anwenden

Dieser Leitfaden konzentriert sich auf Erfolgskriterien, die durch Prompt Engineering kontrollierbar sind. Nicht jedes Erfolgskriterium oder jede fehlgeschlagene Evaluierung wird am besten durch Prompt Engineering gelöst. Zum Beispiel können Latenz und Kosten manchmal einfacher durch die Auswahl eines anderen Modells verbessert werden.
Prompt Engineering ist weitaus schneller als andere Methoden zur Kontrolle des Modellverhaltens, wie Finetuning, und kann oft Leistungssprünge in viel kürzerer Zeit erzielen. Hier sind einige Gründe, Prompt Engineering gegenüber Finetuning zu bevorzugen:
  • Ressourceneffizienz: Finetuning erfordert High-End-GPUs und großen Speicher, während Prompt Engineering nur Texteingabe benötigt, was es viel ressourcenschonender macht.
  • Kosteneffizienz: Für cloud-basierte KI-Dienste verursacht Finetuning erhebliche Kosten. Prompt Engineering nutzt das Basismodell, das typischerweise günstiger ist.
  • Erhaltung von Modell-Updates: Wenn Anbieter Modelle aktualisieren, müssen feinabgestimmte Versionen möglicherweise neu trainiert werden. Prompts funktionieren normalerweise versionsübergreifend ohne Änderungen.
  • Zeitersparnis: Finetuning kann Stunden oder sogar Tage dauern. Im Gegensatz dazu liefert Prompt Engineering nahezu sofortige Ergebnisse und ermöglicht schnelle Problemlösung.
  • Minimaler Datenbedarf: Finetuning benötigt umfangreiche aufgabenspezifische, gelabelte Daten, die knapp oder teuer sein können. Prompt Engineering funktioniert mit Few-Shot- oder sogar Zero-Shot-Lernen.
  • Flexibilität & schnelle Iteration: Probieren Sie schnell verschiedene Ansätze aus, passen Sie Prompts an und sehen Sie sofortige Ergebnisse. Diese schnelle Experimentierung ist mit Finetuning schwierig.
  • Domain-Anpassung: Passen Sie Modelle einfach an neue Domänen an, indem Sie domänenspezifischen Kontext in Prompts bereitstellen, ohne neu zu trainieren.
  • Verständnisverbesserungen: Prompt Engineering ist weitaus effektiver als Finetuning dabei, Modellen zu helfen, externe Inhalte wie abgerufene Dokumente besser zu verstehen und zu nutzen
  • Erhält allgemeines Wissen: Finetuning birgt das Risiko des katastrophalen Vergessens, bei dem das Modell allgemeines Wissen verliert. Prompt Engineering erhält die breiten Fähigkeiten des Modells.
  • Transparenz: Prompts sind menschenlesbar und zeigen genau, welche Informationen das Modell erhält. Diese Transparenz hilft beim Verstehen und Debuggen.

​
Wie man Prompt Engineering betreibt

Die Prompt Engineering Seiten in diesem Abschnitt wurden von den am breitesten wirksamen Techniken zu spezialisierteren Techniken organisiert. Bei der Fehlerbehebung von Leistungsproblemen empfehlen wir, diese Techniken in der Reihenfolge auszuprobieren, obwohl die tatsächliche Wirkung jeder Technik von Ihrem Anwendungsfall abhängt.
  1. Prompt Generator
  2. Seien Sie klar und direkt
  3. Verwenden Sie Beispiele (Multishot)
  4. Lassen Sie Claude denken (Chain of Thought)
  5. Verwenden Sie XML-Tags
  6. Geben Sie Claude eine Rolle (System Prompts)
  7. Füllen Sie Claudes Antwort vor
  8. Verketten Sie komplexe Prompts
  9. Tipps für langen Kontext

​
Prompt Engineering Tutorial

Wenn Sie ein interaktiver Lerner sind, können Sie stattdessen in unsere interaktiven Tutorials eintauchen!

GitHub Prompting Tutorial

Ein beispielreiches Tutorial, das die Prompt Engineering Konzepte aus unserer Dokumentation abdeckt.

Google Sheets Prompting Tutorial

Eine leichtgewichtigere Version unseres Prompt Engineering Tutorials über eine interaktive Tabellenkalkulation.