Wie schreibst du einen prägnanten Prompt, der immer noch ausreichend Kontext trägt?

Question

Accepted Answer

Ein guter Prompt ist prägnant, aber **vollständig**: Er gibt das Ziel, die Einschränkungen, das erwartete Ausgabeformat und den minimalen relevanten Kontext vorab an — damit das Modell die Antwort beim ersten Versuch korrekt geben kann, anstatt einen Hin- und Hergespräch zu erzwingen.

## Was ein scharfer Prompt enthält

- **Ziel** — was du tatsächlich produziert haben möchtest.
- **Einschränkungen** — Sprache, Version, Bibliotheken, Stil, was zu vermeiden ist.
- **Ausgabeformat** — nur Code, ein Diff, JSON, eine Aufzählung usw.
- **Minimaler Kontext** — nur der relevante Ausschnitt oder die Tatsache, nicht die ganze Datei.

## Vage vs. scharf

```text
Vague:
  "Fix my date function."
  → The model has to guess the language, the bug, and what "fixed" means.
```

```text
Sharp:
  "In this TypeScript function, parseDate returns NaN for 'DD/MM/YYYY' input.
   Fix it to parse day-first dates. Return only the corrected function.
   function parseDate(s: string) { return Date.parse(s); }"
  → goal (fix day-first parsing), constraint (TypeScript), context (the function),
    output format (only the function) — all in four lines.
```

Die scharfe Version beseitigt jede Vermutung. Das Modell kennt die Sprache, den genauen Fehler, das gewünschte Verhalten und wie das Ergebnis zurückgegeben wird — sodass du sofort eine verwendbare Antwort erhältst.

## Warum es wichtig ist

Prägnante, gut spezifizierte Prompts beenden das langsame Hin- und Her, bei dem das Modell falsch rät und du es korrigierst. Das Angeben des Ziels, der Einschränkungen, des Ausgabeformats und gerade genug Kontext vorab spart Tokens, Zeit und Frustration — und macht es viel wahrscheinlicher, dass die Antwort des Modells beim ersten Versuch korrekt ist.