Wie Sie mit effektiven Prompts die Leistung von KI-Modellen maximieren

1. Rolle definieren (Role)

Weise dem Modell eine spezifische Rolle zu, um es in die Aufgabe einzutauchen. Dies hilft, die Leistung bei nachgelagerten Aufgaben zu verbessern. Beispiel:
„Du bist ein hochqualifizierter und kreativer Skriptautor für kurze Videos mit einem Talent für ansprechende, informative und prägnante Inhalte.“

Forschungsergebnisse:
Wenn das Modell eine vorteilhafte Rolle zugewiesen bekommt, steigt die Genauigkeit um 10,3 %. Ergänzende Beschreibungen der Fähigkeiten steigern die Genauigkeit zusätzlich.

Takeaways:

• Wähle eine Rolle, die dem Task einen Vorteil verschafft (z. B. „Lehrer für Mathematikprobleme“).

• Bereichere die Rolle mit zusätzlichen Begriffen, die die Qualitäten der Rolle betonen.

2. Aufgabe (Task)

Die Aufgabe beschreibt, was das Modell tun soll, und gibt eine präzise Beschreibung dessen, was erreicht werden soll. Beispiel:
„Erzeuge ansprechende und lockere Outreach-Nachrichten für Nutzer, die ihre Dienstleistungen in der Dentalbranche bewerben wollen, insbesondere im Hinblick auf die Integration von KI-Tools zur Skalierung von Unternehmen.“

Takeaways:

• Beginne immer mit einem Verb (z. B. „erzeugen“, „schreiben“, „analysieren“).

• Sei präzise, aber halte die Nachricht kurz und verständlich.

• Nutze Variablen, wenn erforderlich (siehe Beispiel mit Variablen).

3. Schritt-für-Schritt-Prozess (Chain of Thought Prompting)

Verwende eine Schritt-für-Schritt-Erklärung, um das Modell bei komplexen Aufgaben zu unterstützen. Beispiel:
„Erstelle ein ansprechendes, informatives 30-sekündiges Video-Skript zum Thema {{Thema}}.“

Forschungsergebnisse:

• 10 % Genauigkeitssteigerung bei einfachen Aufgaben.

• 90 % Genauigkeitssteigerung bei komplexen, mehrstufigen Aufgaben.

Takeaways:
Je komplexer die Aufgabe, desto dramatischer wird der Leistungszuwachs durch die Verwendung eines Schritt-für-Schritt-Prozesses.

4. Spezifikationen (Specifics)

Ergänze spezifische Anweisungen, die zur Verbesserung der Aufgabe dienen. Achte darauf, nur wesentliche Informationen hinzuzufügen, um die Effizienz zu steigern. Beispiel:
„Jede Nachricht sollte eine Einleitung, einen Hauptteil und einen Abschluss enthalten, und dabei einen informellen, ansprechenden Ton bewahren.“

EmotionPrompt:
Füge emotionale Elemente hinzu, um die Leistung des Modells zu verbessern. Beispiel:
„Diese Aufgabe ist sehr wichtig für meine Karriere“ (wirkt sich positiv auf einfache Aufgaben aus).

Takeaways:

• Verwende emotionale Ausdrücke, um das Modell zu tieferer Verarbeitung anzuregen, insbesondere bei komplexen Aufgaben.

5. Kontext (Context)

Biete dem Modell Kontext darüber, in welchem Umfeld es arbeitet und warum. Dies kann die Leistung weiter steigern. Beispiel:
„Unsere Firma bietet KI-gestützte Lösungen für Unternehmen in verschiedenen Branchen. Deine Rolle besteht darin, die eingehenden E-Mails korrekt zu klassifizieren und so das Wachstum und den Erfolg unseres Unternehmens zu fördern.“

Takeaways:

• Gib Kontext über das Geschäft, das System und die Wichtigkeit der Aufgabe, um das Modell zu unterstützen.

6. Beispiele (Examples)

Verwende Beispiele, um dem Modell zu helfen, neue Aufgaben ohne Feinabstimmung auszuführen. Beispiel:
„Generiere eine Outreach-Nachricht, die speziell auf ein bestimmtes Geschäftsfeld zugeschnitten ist.“

Forschungsergebnisse:

• GPT-3 175B verbesserte sich um 14,4 % im Vergleich zur Zero-Shot-Genauigkeit bei der Verwendung von 32 Beispielen pro Aufgabe.

Takeaways:

• Führe nur einige gut ausgearbeitete Beispiele an, um die Leistung signifikant zu verbessern.

7. Notizen (Notes)

Nutze den Notizenbereich, um das Modell an wichtige Punkte zu erinnern und Feinabstimmungen vorzunehmen. Beispiel:
„Achte darauf, dass deine Antwort in einem formalen Ton verfasst wird, und benutze keine negativen Formulierungen wie ‚nicht tun‘.“

Lost in the Middle Effect:

• Modelle arbeiten am besten, wenn relevante Informationen am Anfang oder Ende des Kontexts gegeben werden. Das Verstecken wichtiger Informationen in der Mitte eines langen Kontextes verschlechtert die Leistung.

8. Markdown-Formatierung (Markdown Formatting)

Verwende Markdown, um deine Prompts klar zu strukturieren. Beispiel:

• Verwende # für Hauptüberschriften und ## für Unterüberschriften.

• Nutze Fett- oder Kursivschrift, um wichtige Begriffe hervorzuheben.

Takeaways:

• Markdown verbessert die Lesbarkeit und Strukturierung von Prompts, was sowohl dem Modell als auch uns zugutekommt.

Zusammenfassung:
Um ein Modell zu unterstützen, sollten Prompts klar strukturiert, gut formuliert und reich an Kontext sein. Es hilft, Rollen und Aufgaben präzise zu definieren, Beispiele zu verwenden und bei Bedarf emotionale Ausdrücke oder spezifische Notizen hinzuzufügen. Markdown bietet zudem eine hilfreiche Möglichkeit zur Strukturierung.