Advanced Prompt Engineering
Master the art of crafting effective prompts to generate exactly the code you need for complex projects.
What You'll Learn
Description
Die meisten enttäuschenden KI-Ausgaben gehen auf eine vage Anfrage zurück, nicht auf ein schwaches Modell. Dieses Tutorial behandelt den Prompt als die eigentliche Schnittstelle zu einem Coding-LLM: Du lernst, warum Struktur Länge schlägt und wie ein wörtlich denkendes Modell jede Lücke, die du lässt, mit seinen eigenen Voreinstellungen füllt.
Jedes Kapitel verbindet eine Technik mit nebeneinanderstehenden Vorher/Nachher-Prompts, die du kopieren und anpassen kannst — Rollen-Priming, explizite Beschränkungen, festgelegte Ausgabeformate, Few-Shot-Beispiele, Chain-of-Thought-Planung, das Einfügen echten Kontexts, Akzeptanzkriterien und Anti-Halluzinations-Sicherungen. Eine kurze Übung am Ende jedes Kapitels lässt dich einen schwachen Prompt umschreiben und ihn mit einer ausgearbeiteten Musterantwort vergleichen.
Am Ende schreibst du Prompts, die Rolle, Regeln und die Form der Antwort von vornherein festlegen — sodass die erste Antwort näher am Mergebaren liegt und du weit weniger Zeit mit erneutem Prompten verbringst.
What's Inside
- 1.Prompting-Mindset & Absicht — Warum die Prompt-Struktur die Prompt-Länge schlägt und das mentale Modell eines LLM als wörtlich denkender Pair-Programmer.
- 2.Rolle, Beschränkungen & Ausgabe — Rollen-/Persona-Priming, explizite Beschränkungen und das Festlegen des genauen Ausgabeformats, das du zurückhaben willst.
- 3.Few-Shot & Chain-of-Thought — Few-Shot-Beispiele, Schrittzerlegung per Chain-of-Thought und das Einspeisen echten Kontexts (Dateien, Fehler, Typen).
- 4.Evals & Anti-Halluzination — Akzeptanzkriterien und Evals, iterative Verfeinerung und Schutz vor halluzinierten APIs.
