Neue Serie: von Zero-Shot-Prompten bis RAG – Wie DU LLMs besser nutzen kannst
Beim Prompten kommt es auf gute und klare Formulierungen und ein Verständnis von natürlicher Sprache an. Trotzdem können gewisse Techniken und Methoden das Ergebnis eines Prompts deutlich verbessern.
Immer häufiger hört man den Begriff „Prompt Engineering". Damit verbunden bezeichnen sich immer mehr mit dem Titel Prompt Engineer. Damit sind Personen gemeint, die eine gewisse Kenntnis im Schreiben von Prompts für LLMs vorweisen können. Ich persönlich halte von diesem Titel nichts …
Im Endeffekt kommt es beim Prompten auf gute und klare Formulierungen und ein Verständnis von natürlicher Sprache an. Beides Dinge, die die meisten von uns bereits mitbringen. Nichtsdestotrotz kann man wohl sagen, dass gewisse Techniken und Methoden das Ergebnis eines Prompts deutlich verbessern können.
In den folgenden Wochen werde ich diese Techniken und Methoden mehr beleuchten. In einer Serie schauen wir uns jeden Montag die folgenden Techniken im Detail an:
- Zero-Shot-Prompting
- Few-Shot-Prompting
- Chain-of-Thought-Prompting
- Meta-Prompting
- Prompt Chaining
- Self-Consistency-Prompting
Starten wir mit der wohl einfachsten Art: dem Zero-Shot-Prompting.
Zero-Shot bezeichnet die Methode, die wir vermutlich sowieso überwiegend nutzen. Einfach ausgedrückt bezeichnet diese Methode nichts anderes als eine Frage und eine Antwort.
Prompt > Antwort
Es ist eine Methode, bei der ein KI‑Sprachmodell eine Aufgabe ausführen soll, ohne dass ihm zuvor ein konkretes Beispiel dafür gegeben wurde. Das bedeutet, die Aufgabe wird allein durch eine klare Anweisung beschrieben – das Modell muss aus dem Kontext und seinem allgemeinen Wissen heraus verstehen, was gemeint ist, und darauf reagieren. Ein typisches Beispiel wäre, wenn man einfach sagt: „Übersetze diesen Satz ins Englische: ‚Ich habe Hunger.‘“ – ohne dass vorher gezeigt wurde, wie eine solche Übersetzung aussehen soll. Der Begriff „Zero-Shot“ leitet sich dabei von der Idee ab, dass null („zero“) Beispiele oder Trainingsdurchläufe („shots“) gegeben werden. Zero-Shot-Prompting ist besonders nützlich, wenn man schnell und ohne viel Vorbereitung mit einem Modell arbeiten möchte. Es zeigt, wie gut ein Modell Aufgaben verallgemeinern und ohne spezifisches Training lösen kann.
Für komplexe Probleme ist diese Technik allerdings eher ungeeignet. Hier kommen dann die anderen Methoden zum Einsatz, die wir uns in den zukünftigen Beiträgen anschauen werden.
