Schreiben Sie die Abfrage so um, dass das Modell fundierte Argumente liefert. Return JSON {"task": „klare Problemstellung“, „context“: „Einleitung und Einschränkungen (Budget, Gewohnheiten, was wichtig ist)“, „steps_request“: „Bitte begründen Sie Schritt für Schritt und berücksichtigen Sie die Optionen“, „output_format“: „in welcher Form die Antwort benötigt wird“}
Die Mechanik ist einfach: Je spezifischer die Eingabe, desto besser sind die Modellbegründungen. Müll rein, allgemeine Antwort raus. Eine gute Anfrage besteht aus vier Teilen: der Aufgabe selbst; Kontext und Einschränkungen; Bitte begründen Sie Schritt für Schritt und berücksichtigen Sie Extremfälle. Antwortformat. Eine Analogie: Es ist so, als würde man einem Auftragnehmer eine Aufgabe stellen – „mache es schön“ im Gegensatz zu einer normalen technischen Spezifikation mit Abmessungen und Budget. Geben Sie für den Tarif an: wie viele Personen, wie viele Minuten und Gigabyte sie ausgeben, die Obergrenze für das Geld, was wichtiger ist – Kommunikation oder Internet. Der erste Trick: Geben Sie die Prioritäten klar an („Budget bis X, stabile Verbindung ist wichtiger als Geschwindigkeit“) – das Modell baut darauf Argumente auf, anstatt zu raten. Die zweite Technik ist nicht offensichtlich: Bitten Sie sie, zunächst die Annahmen aufzuschreiben, die sie über Ihre Situation macht. Auf diese Weise können Sie sofort erkennen, wo die Argumentation falsch sein könnte, und die einleitenden Annahmen korrigieren. Ein typischer Fehler: eine „einzeilige“ Frage ohne Kontext, nach der es seltsam ist, eine genaue Analyse zu erwarten.
Schalten Sie den Zugriff frei, um Lösungen zur sofortigen KI-Überprüfung einzureichen.