KI-Lernreihe · Lektion 2 von 4
Der Abstand zwischen einer vagen und einer gut formulierten Anfrage ist oft größer als der zwischen zwei Modellen. Ein Prompt ist kein Wunsch — er ist eine Spezifikation: ein Ziel, der Kontext, von dem es abhängt, die Einschränkungen, die gelten, und die Prüfung, die es bestehen muss.
Status: Gliederung. Die Vorführung am Bildschirm ist noch nicht aufgezeichnet — dieser Beitrag ist der Plan, dem sie folgen wird, und er erhält die echte Vorführung, sobald die Lektion ausgestrahlt ist.
| Lektion | Schwerpunkt | Beantwortete Frage |
|---|---|---|
| 1 — Modellnutzung | Modellstufe, Kontext, Tokens | Welches Modell braucht diese Aufgabe? |
| 2 — Prompting, Projekt und Kontext | Prompt-Struktur, dauerhafter Kontext | Was legt man dem Modell vor? |
| 3 — Dokumentation, Regeln und Skills | Repository-Struktur | Wie bleibt ein Repository über Sitzungen hinweg konsistent? |
| 4 — Kosten senken | Messung, Hebel, Leitplanken | Wie gibt man weniger aus, ohne Qualität zu verlieren? |
Was Sie danach können
- Eine vage Anfrage in einen Prompt verwandeln, der standhält
- Angeben, wie das Ergebnis geprüft wird, damit das Modell sich selbst prüfen kann
- Ein Projekt so einrichten, dass jede Sitzung die Arbeit schon kennt — ohne alles neu zu erklären
Baut auf Lektion 1 auf: welches Modell, wie viel Kontext und ungefähr welche Kosten. Diese Lektion entscheidet, was in diesen Kontext kommt.
Nicht Teil dieser Lektion: Regeldateien, Skills und die Dokumentationsstruktur des Repositorys (Lektion 3) sowie das Senken der Ausgaben (Lektion 4). „Projekt“ meint in dieser Lektion den dauerhaften Kontext, den Sie einem Modell mitgeben, nicht die vollständige Einrichtung eines Repositorys.
Der Prompt
Dasselbe Modell, zwei Prompts — die Ausgangslage
- Eine echte Aufgabe aus diesem Projekt läuft mit zwei Prompts auf demselben Modell, nebeneinander
- Prompting ist keine Magie — aber der Prompt ist oft die größere Variable
Aufbau eines Prompts — fünf Teile
- Ziel — was Sie wollen, in einem Satz
- Kontext — die Dateien oder Abschnitte, von denen es abhängt, zitiert statt aus dem Gedächtnis umschrieben
- Einschränkungen — was sich nicht ändern darf und welche Konventionen gelten
- Ausgabe — Format, Länge und Ziel
- Fertig, wenn — die Prüfung, die das Ergebnis bestehen muss
▶ show code▼ hide code
# Vague
Hide the lesson posts from the homepage.
# Structured
Goal: Hide posts marked `homepageExcluded: true` from the homepage
list, but keep them on /blog.
Context: src/lib/blog.ts — getListedPosts() and getHomepagePosts()
Constraints: Don't change getAllPosts(). `unlisted: true` still hides a
post from both lists.
Output: A minimal diff, no unrelated refactors.
Done when: Tests pass, and the homepage no longer lists the lessons
while /blog still does.
Akzeptanzkriterien — sagen, wie geprüft wird
- Kriterien und Beispiele geben dem Modell etwas, woran es seine eigene Ausgabe prüfen kann
- Dieselbe Aufgabe läuft mit und ohne ausdrückliche Kriterien — und jede Ausgabe wird daran geprüft
Am Prompt iterieren, nicht an der Ausgabe
- Wenn ein Lauf scheitert, liegt es nahe, die Ausgabe von Hand zu flicken — widerstehen Sie dem
- Ermitteln Sie, warum der Prompt das Ziel verfehlt hat, korrigieren Sie ihn und starten Sie neu
- Erkennen Sie, wann es besser ist, ein Gespräch abzubrechen und neu anzufangen, statt es Runde um Runde zu korrigieren
Das Projekt
Dauerhafter Kontext gegenüber einzelnem Prompt
| Gehört in … | Wann es gilt | Beispiel |
|---|---|---|
| Dauerhaften Projektkontext | In jeder Sitzung | Stack, Konventionen, „src/components/ui/ nie bearbeiten“ |
| Einen einzelnen Prompt | Nur für diese Aufgabe | Das Ziel, die beteiligten Dateien, die Abnahmeprüfung |
- Am Bildschirm: Ein Projekt wird eingerichtet, eine Anweisung wandert aus einem Prompt in den dauerhaften Kontext — dann wird der Unterschied gezeigt
Kontext — gezielt, nicht erschöpfend
- Senden Sie die relevanten Dateien, nicht alles
- Zitieren Sie die echte Quelle, statt sie aus dem Gedächtnis zu beschreiben
- Am Bildschirm: eine lange Datei komplett gegenüber nur dem relevanten Abschnitt, verglichen nach Ausgabe und Token-Kosten
Die Prompt-Checkliste
▶ show code▼ hide code
# Prompt Checklist — before you send
1. Goal stated in one sentence?
2. Context quoted from source, not paraphrased?
3. Constraints: what must not change?
4. Output format and destination stated?
5. "Done when" — a check the result can actually fail?
6. Anything here true for every session? Move it to project context.
7. Run failed? Fix the prompt, then rerun — don't hand-patch the output.
Prüfen, bevor Sie sich darauf verlassen
Diese Lektion nennt keine konkreten Produktfunktionen, Limits oder Preise. Vor der Aufzeichnung wird jeder dieser Punkte in der aktuellen Anbieterdokumentation geprüft:
- Wie das gezeigte Tool seine Funktion für dauerhaften Kontext nennt und was sie aufnehmen kann
- Größenlimits für angehängte Dateien oder Projektwissen in diesem Tool
- Ob sich das Modell mit erweitertem Schlussfolgern anders verhält als ohne
- Ob hier etwas dem aktuellen Prompting-Leitfaden des Anbieters widerspricht
Häufige Fragen
„Ist ein längerer Prompt nicht immer besser?“ Nein. Ein längerer Prompt mit dem falschen Kontext ist schlechter als ein kurzer mit dem richtigen. Struktur schlägt Länge.
„Wann sollte ich ein neues Gespräch beginnen?“ Wenn Sie dasselbe Missverständnis zweimal korrigiert haben. Korrigieren Sie den Prompt und fangen Sie sauber neu an.
„Was gehört in den Projektkontext?“ Alles, was in jeder Sitzung gilt — der Stack, die Konventionen, die Verbote. Was nur für eine Aufgabe gilt, bleibt im Prompt.
Weiter: Lektion 3
Ein Projekt mit gutem dauerhaftem Kontext funktioniert — bis die Arbeitseinheit ein ganzes Repository ist. Lektion 3 teilt diesen Kontext in Dokumentation, Regeln und Skills auf, damit ein KI-Assistent nicht in jeder neuen Sitzung von seinen eigenen Konventionen abweicht.