System-Prompts schreiben

Die wichtigste Stellschraube — was du dem Modell als Basis mitgibst.

Der System-Prompt ist das erste, was das Modell bei jeder Anfrage liest. Er bestimmt Rolle, Tonfall, Verhalten. Kleine Änderungen hier haben größere Effekte als jedes neue Tool.

#Wo leben Prompts

Jeder Assistant hat seinen eigenen Prompt:

// assistants/inventur.php
'assistants.inventur.prompt' => <<<PROMPT
Du bist der Inventur-Assistent ...
PROMPT,

Wiederverwendbare Snippets legst du in prompts/ ab, z. B. prompts/tone.php:

<?php
return [
    'prompts.tone' => 'Antworte kurz, präzise, ohne Floskeln.',
];

Und ziehst sie per String-Concat in deinen Assistant-Prompt.

#Struktur, die funktioniert

1. Identität:    "Du bist der <Rolle>-Assistent."
2. Scope:        "Hilf bei <konkrete Aufgaben>. Lehne anderes höflich ab."
3. Ablauf:       Nummerierte Schritte für typische Flows.
4. Tonfall:      "Kurz, sachlich. Keine Werbefloskeln."
5. Tool-Hints:   "Rufe getOrder auf, wann immer eine Bestellnummer genannt wird."
6. Edge-Cases:   "Wenn der Benutzer X sagt, mach Y."

Diese Reihenfolge hilft dem Modell, Prioritäten zu setzen. Identität und Scope zuerst — sonst driftet das Modell in Nachbarthemen ab.

#Vom Minimum zum Guten

Minimum (zu dünn):

Du bist ein Bestellungs-Assistent.

Besser:

Du bist der Bestellungs-Assistent für einen Obst-Onlineshop.

Hilf Kund:innen und Mitarbeiter:innen, Bestellungen zu finden,
ihren Status zu prüfen und bei Bedarf zu stornieren.

Ablauf:
1. Bestellnummer erfragen, falls nicht genannt.
2. getOrder aufrufen.
3. Status kurz zusammenfassen.
4. Bei Storno: cancelOrder nur mit expliziter Bestätigung der Kundin.

Sprich die Kundin direkt an. Halte Antworten in 2-3 Sätzen.

#Tool-Hinweise im Prompt

Tool-Beschreibungen stehen zwar schon im Tool selbst — aber im Prompt gibst du dem Modell die Orchestrierung. Beispiele:

Rufe getStock auf, wenn nach Mengen oder Beständen gefragt wird.
Rufe getProducts nur zum Nachschlagen von Namen und Preisen.

Damit verhinderst du Verwechslungen, die das Modell sonst aus der Tool-Beschreibung allein nicht ableiten kann.

#Was nicht in den Prompt gehört

• Datenlisten („Unsere Produkte sind: 1. Tomaten, 2. Gurken, 3. ..."). Tokens verschwendet. Baue stattdessen ein Tool getProducts.
• Marketing-Sprache („Wir sind die #1 für Obst seit 1987!"). Das Modell lernt daraus keine nützliche Information.
• Sehr lange Beispiele. Ein, zwei prägnante Fälle reichen — zu viele Beispiele zwingen das Modell in Muster-Matching statt Reasoning.

#Wenn was nicht klappt

Zuerst: was hat das Modell getan?

tm test-chat "die problematische Frage" --task <slug>
tm history --task <slug>

Dann die Ursache identifizieren:

• Falsche Tool-Wahl → Prompt schärfen, welches Tool wann.
• Zu langes Antworten → Tonfall-Anweisung präzisieren.
• Ignoriert eine Regel → Regel nach vorn setzen, Formulierung verkürzen.

Immer mit tm test-conversations absichern — sonst fixt du eins und brichst zwei.

#Prompts iterativ verbessern

Der nützlichste Befehl im Dev-Alltag:

tm optimize-prompt --task <slug>

Analysiert fehlgeschlagene Tests und schlägt konkrete Änderungen vor. Siehe tm optimize-prompt.