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.
Vague:
"Fix my date function."
→ The model has to guess the language, the bug, and what "fixed" means.
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.
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.
Eine Sammlung von IT-Interviewfragen mit ausführlichen Antworten — vom Junior bis zum Senior.
Spenden