#69 Beginner: Was sind passende Prompts für meine Aufgaben?

Worum geht es in diesem Artikel?

Warum kann uns die KI nicht direkt die passende Prompting Technik und einen Prompt für meine Aufgaben entwickeln? Genau das zeige ich in dem Beitrag

Mittlerweile gibt es viele Prompting Techniken, es gelingt kaum die Übersicht zu behalten, warum nicht die KI direkt mit einbeziehen? Den grundsätzlichen Umgang mit KI und Prompting habe ich hier beschrieben.

In Schulungen lasse ich gerne als praktische Übungen zu KI-Workflows einen Prompting Generator bauen. Der Blogpost zeigt Ausschnitte aus den Übungen.

Was soll der Prompting Generator für mich leisten?

  1. Ich gebe eine Aufgabe ein und die KI macht mir Vorschläge welche drei Prompting Ansätze richtig für diese Aufgabe wären
  2. Ich möchte die Unterschiede zwischen den Prompting Ansätzen verstehen und die KI-erklärt mit die Unterschiede
  3. Ich bekomme den Prompt in Markdown – siehe Blogpost 58
  4. Ich kann den Prompt direkt ausführen.

Die Prompting Techniken hat Knut Jägersberg hier in dem Artikel verlinkt, oben in meinen Blog Beitrag zeige ich die einzelnen Prompt Techniken.

Im Anhang findet sich ein Vergleich der Prompting Techniken

Wie sieht ein Ergebnis des einfachen Prompt Generators aus?

Ich gebe in den Prompt Generator folgendes ein:

HG: Wir wollen eine Markanalyse zu Elektro Autos durchführen

Vielen Dank für Ihre Anfrage. Um Ihnen bei Ihrer Markanalyse zu Elektroautos am besten zu helfen, sollten wir eine passende Prompting-Technik auswählen. Basierend auf Ihrer Aufgabe, schlage ich folgende drei Techniken vor:

  1. Retrieval Augmented Generation (RAG): Diese Technik nutzt externe Wissensquellen, um umfassende und fundierte Antworten zu generieren. Bei einer Marktanalyse können so aktuelle Daten und Trends zu Elektroautos aus verschiedenen Quellen integriert werden. Beispiel: „Generiere eine Marktanalyse für Elektroautos, indem du aktuelle Verkaufszahlen, Konsumententrends und technologische Entwicklungen berücksichtigst.“
  2. Chain-of-Knowledge (CoK) Prompting: Diese Technik verknüpft mehrere Wissensbereiche, um eine tiefgehende Analyse zu bieten. Sie eignet sich, um verschiedene Aspekte der Elektroautomobilindustrie wie Technologie, Wirtschaftlichkeit, Umweltauswirkungen und Konsumentenverhalten zu betrachten. Beispiel: „Analysiere den Elektroautomarkt, indem du die neuesten technologischen Innovationen, Kostenanalysen, Umweltauswirkungen und Verbrauchertrends miteinander verbindest.“
  3. Structured Chain-of-Thought (SCoT) Prompting: Diese Methode strukturiert komplexe Gedankengänge und Analysen. Bei einer Marktanalyse hilft es, unterschiedliche Faktoren wie Marktvolumen, Wettbewerber, Preisentwicklung und Zukunftsaussichten systematisch zu untersuchen. Beispiel: „Strukturiere eine umfassende Analyse des Elektroautomarktes, indem du Marktvolumen, Hauptwettbewerber, Preisentwicklung und prognostizierte Trends für die nächsten fünf Jahre berücksichtigst.“

Bitte lassen Sie mich wissen, welche dieser Techniken Sie bevorzugen, damit ich die entsprechende Analyse für Sie durchführen kann.

HG: Wie unterscheiden sich Prompt 2 und Prompt 3

Die Unterschiede zwischen dem Chain-of-Knowledge (CoK) Prompting und dem Structured Chain-of-Thought (SCoT) Prompting liegen hauptsächlich in ihrer Herangehensweise und Strukturierung der Information:

  1. Chain-of-Knowledge (CoK) Prompting:
    • Integrativer Ansatz: CoK verbindet Informationen aus verschiedenen Wissensbereichen und Quellen. Es geht darum, ein breites Spektrum an Informationen zu verknüpfen, um ein umfassendes Verständnis eines Themas zu erlangen.
    • Tiefenanalyse: Diese Technik eignet sich besonders, um tief in ein Thema einzutauchen, indem sie verschiedene Aspekte wie technologische Innovationen, Wirtschaftsfaktoren, Umwelteinflüsse und Verbrauchertrends in Beziehung setzt.
    • Flexibilität in der Struktur: Während es um die Verknüpfung von Wissen geht, ist die Struktur nicht streng vorgegeben, sondern passt sich dem Fluss der Informationen an.
  2. Structured Chain-of-Thought (SCoT) Prompting:
    • Systematischer Ansatz: SCoT ist darauf ausgerichtet, Informationen in einer gut organisierten, strukturierten Weise zu präsentieren. Es legt Wert auf eine klare Gliederung und Sequenzierung der Gedanken.
    • Fokus auf Strukturierung: Diese Methode ist ideal, um komplexe Informationen in einem logischen, nachvollziehbaren Rahmen darzustellen. Sie hilft dabei, Themen schrittweise und systematisch zu analysieren.
    • Klare Abfolge: Im Gegensatz zu CoK, wo die Verknüpfung von Wissen im Vordergrund steht, konzentriert sich SCoT auf die logische Anordnung von Gedanken und Informationen.

Zusammenfassend: Während CoK sich auf die Verbindung und Analyse eines breiten Spektrums an Wissen konzentriert, legt SCoT den Schwerpunkt auf die strukturierte und systematische Darstellung von Informationen. CoK eignet sich besser, wenn Sie ein tieferes, facettenreiches Verständnis eines Themas benötigen, während SCoT ideal ist, wenn Sie eine klar gegliederte und logisch aufgebaute Analyse bevorzugen.

HG: Schreibe mir einen ausführlichen Prompt zu SCoT Prompting in Markdown und führen den aus

 

Das Ergebnis:

Wie kann ich das automatisieren?

Ich habe einen GPT in OpenAI angelegt, der mir das so umsetzt. Sehr einfach gelöst!

Fazit

Mit diesem einfachen GPT kann mir direkt einen passenden Prompt generieren lassen und in Markdown ausgeben und laufen lassen. In weiteren Schritten, lasse ich den Prompt noch von einer anderen KI überprüfen.

Was noch fehlt sind die Ratgeber zu gutem Prompting von OpenAI die ich dann einfliessen lasse, so das der Prompt auch qualitätsüberprüft ist.

Anhang

Vergleich der Prompting Techniken

Teile diesen Artikel

Ähnliche Beiträge

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert