Lange Prompts strukturieren
Trenne bei längeren Prompts die Anweisungen mit Überschriften oder Tags vom Material. Dann weiß die KI, was sie befolgen und woran sie arbeiten soll.Ein Beispiel zeigen
Brauchst du einen bestimmten Stil oder ein bestimmtes Format, zeig ein Beispiel für ein gutes Ergebnis. Ein oder zwei Beispiele wirken meist besser als eine lange Beschreibung.Das Modell nachdenken lassen
Bitte die KI bei Analysen, Planungen oder Berechnungen, Schritt für Schritt vorzugehen oder vor der Antwort ihre Annahmen aufzulisten. Modelle mit Denkfunktion können außerdem nachdenken, bevor sie antworten. Erhöhe im Chat die Thinking-Stufe oder lege in den Chat-Einstellungen einen Standard fest. Höhere Stufen sind gründlicher, aber langsamer.Große Aufgaben aufteilen
Zerlege große Aufgaben in Schritte und prüfe jeden, bevor du weitermachst:- „Entwirf eine Gliederung für den Bericht.“
- „Arbeite Abschnitt 2 aus. Behalte den Ton von Abschnitt 1 bei.“
- „Prüfe jetzt den ganzen Bericht auf Widersprüche.“
Zuerst nach Fragen fragen
Hängt die Aufgabe von Details ab, die du noch nicht durchdacht hast, bitte die KI, dich zu interviewen. Mit aktiviertem Ask-Human stellt sie strukturierte Fragen mit Antwortoptionen. Siehe Fragebögen.Gute Prompts zu wiederverwendbaren Bausteinen machen
Wenn ein Prompt funktioniert, behalte ihn. 48° bietet dafür mehrere Wege, je nachdem, wie du ihn wiederverwenden willst:Den Kontext fokussiert halten
Alles in einem Chat zählt zum Kontextfenster des Modells: die Unterhaltung, angehängte Dateien, Anweisungen und Tool-Beschreibungen. Wird ein Chat lang, können Antworten frühe Details aus dem Blick verlieren.- Starte für ein neues Thema einen neuen Chat.
- Nutze Zusammenfassen & in neuem Chat fortsetzen, um das Wesentliche mitzunehmen.
- Verzweige ab der Nachricht, an der der relevante Teil beginnt.
Verwandte Themen
Prompting-Grundlagen
Die vier Teile eines guten Prompts.
Einen Assistenten konfigurieren
Starke Anweisungen für Assistenten schreiben.
Skills erstellen
Wissen als Skill verpacken.
Modellübersicht
Welches Modell zu welcher Aufgabe passt.

