Artikel für Leute, die
den Stack ausliefern
Originale Beiträge zu React, Node.js, TypeScript und AI — aus derselben Praxis wie unsere Operator-Software. Artikeltexte auf Englisch.
Tag: Prompt Engineering
Kontextengineering für KI-Agenten: Die Auswahl dessen, was das Modell sieht.
Warum Agenten mit zunehmendem Kontext an Leistung verlieren, wie Kontextengineering sich von Prompt-Formulierungen unterscheidet und ein einfacher Ablauf zur Auswahl dessen, was jede Modellaufruf-Sequenz sieht.
8 Min. LesezeitDiagnose von Problemen bei den Ausgaben von LLMs: Wann prompten, abrufen oder feinabstimmen
Ein symptomorientierter Ansatz, um zu entscheiden, ob eine schwache KI-Funktion einen besseren Prompt, eine Abrufschicht oder Feinabstimmung benötigt, und warum das Trainieren eines Modells mit Fakten kontraproduktiv ist.
7 Min. LesezeitSechs KI-Konzepte, die Ihnen zeigen, was Sie vor dem Vertrauen auf eine Antwort überprüfen sollten
Tokens, Kontextfenster, Temperatur, Halluzinationen, RAG und Agenten werden als Überprüfungstools erläutert, damit Sie Fehler erkennen, Kosten kontrollieren und die Behauptungen von KI-Produkten beurteilen können.
10 Min. LesezeitVon vage zu präzise: Die Feinabstimmung einer Anweisung in drei gezielten Schritten
Beobachten Sie, wie eine einzeilige Prompt für einen LLM zu einem strukturierten Auftrag wird, und erfahren Sie, warum der Kontext ausweist, was wahr ist, während Rolle, Format und Einschränkungen ein gutes Ergebnis definieren.
4 Min. LesezeitErstellen Sie einen persönlichen Prompt-Verfeinerer und -Generator mit Claude Artifacts
Wandeln Sie ein Claude-Chat-Gespräch in einen persönlichen Prompt-Verfeinerer mit Artifacts um: Er verbessert schwache Prompts und entwickelt grobe Ideen zu grundlegenden, fortgeschrittenen und experten Versionen weiter.
9 Min. LesezeitGebundene Anfragen: Verhinderung, dass KI-Hilfsprogramme einen parallelen Stack erfinden
Warum vage Funktionsanfragen dazu führen, dass Code-Assistenten doppelte Bibliotheken und Wrapper hinzufügen, und wie ein begrenzter Prompt mit Pfaden, Invarianten und klaren Grenzen das Problem löst.
6 Min. LesezeitErstellen von LangChain-Pipelines mit LCEL: Linear, parallel und verzweigt.
Ermitteln, wie man Prompts, Modelle und Parser in lineare, mehrstufige, parallele sowie bedingte LangChain-Pipelines mithilfe des Pipe-Operators, RunnableParallel und RunnableBranch integriert.
41 Min. LesezeitEin von KI unterstützter Arbeitsablauf zur Bereitstellung einer kleinen Website bei Cloudflare
Ein wiederholbarer Arbeitsablauf sowie Vorlagen für Anfragen zur Erstellung, Weiterentwicklung und Bereitstellung einer kleinen Website mithilfe eines KI-Programmierassistenten sowie der kostenlosen Tarife von GitHub und Cloudflare.
9 Min. LesezeitUmgekehrte Prompting-Technik: Eine gute LLM-Sitzung in einen wiederverwendbaren Prompt umwandeln
Erfahren Sie, wie man einen einmaligen Prompt aus einem erfolgreichen mehrteiligen LLM-Gespräch extrahiert und wie die Prompt-Inversion dazu dient, Prompts wiederherzustellen, wenn man nur die Ausgaben vorliegen hat.
6 Min. Lesezeit
Über diese Artikel
Angebot in 24 Stunden
Denselben Stack in einer Operator-Schicht? Brief schicken — Angebot in 24 Stunden.