> For the complete documentation index, see [llms.txt](https://docs.blockbrain.ai/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.blockbrain.ai/de/for-users/prompt-writing-guide/llama-models-prompt-guide.md). # Prompt-Leitfaden für Llama-Modelle Llama-Modelle reagieren am besten auf klare, strukturierte Anweisungen. Der Schlüssel ist, direkt zu sein, Beispiele zu zeigen und Ausgaben präzise zu definieren. **Inhaltsverzeichnis** 1. [Seien Sie explizit und direkt](#id-1.-be-explicit-and-direct) 2. [Weisen Sie eine Rolle zu](#id-2.-assign-a-role) 3. [Bitten Sie um schrittweise Begründung](#id-3.-ask-for-step-by-step-reasoning) 4. [Verwenden Sie Few-Shot-Beispiele](#id-4.-use-few-shot-examples) 5. [Schränken Sie Ausgaben ein](#id-5.-constrain-outputs) 6. [Mehrturn-Konsistenz beibehalten](#id-6.-maintain-multi-turn-consistency) 7. [Zuverlässigkeit mit Sampling verbessern](#id-7.-improve-reliability-with-sampling) 8. [Praktische Prompt-Vorlagen nach Anwendungsfällen](#id-8.-practical-prompt-templates-by-use-case) *** ### 1. Seien Sie explizit und direkt Sagen Sie genau, was Sie wollen: **Länge, Format, Ton**. Vermeiden Sie vage Anweisungen. **Weniger effektiv:** ``` Fassen Sie diesen Bericht zusammen ``` **Effektiver:** ``` Fassen Sie diesen Bericht in 3 Stichpunkten zusammen, jeweils unter 15 Wörtern, und heben Sie Entscheidungen und Fristen hervor. ``` *** ### 2. Weisen Sie eine Rolle zu Geben Sie Llama eine Perspektive, indem Sie ihm eine Rolle zuweisen. Das prägt Stil und Ton. **Beispiel:** ``` Sie sind ein Finanzanalyst. Erstellen Sie prägnante, professionelle Berichte in einfachem Englisch. ``` *** ### 3. Bitten Sie um schrittweise Begründung Führen Sie Llama, indem Sie dem Modell eine Reihe logischer Schritte vorgeben. Das hilft, gut begründete Antworten für komplexe Aufgaben zu erzeugen. **Beispiel:** ``` Sie sind ein virtueller Reiseleiter. Beschreiben Sie den Eiffelturm. Beginnen Sie mit: 1. Warum er gebaut wurde. 2. Wie lange es gedauert hat. 3. Woher die Materialien bezogen wurden. Beenden Sie mit den jährlichen Besucherzahlen. ``` *** ### 4. Verwenden Sie Few-Shot-Beispiele Zeigen Sie Llama kurze Beispiele, um das gewünschte Format zu demonstrieren. ``` Benutzer: Übersetze Englisch ins Französische. Englisch: "Guten Morgen" Französisch: "Bonjour" Ausgabe: Englisch: "Wie geht es dir?" Französisch: "Comment ça va?" ``` *** ### 5. Schränken Sie Ausgaben ein Wenn Sie strukturierte Daten benötigen, geben Sie das Format an (JSON, CSV, Tabelle, Stichpunkte). **Beispiel:** ``` Fassen Sie dieses Meeting als JSON mit den Feldern zusammen: decisions, next_steps, owners ``` **Ausgabe:** ```json { "decisions": "Budget genehmigt", "next_steps": "Kampagne starten", "owners": "Marketingteam" } ``` *** ### 6. Mehrturn-Konsistenz beibehalten Wenn Gespräche lang werden, erinnern Sie Llama an frühere Regeln. **Beispiel:** ``` Denken Sie daran, immer im JSON-Format zu antworten ``` *** ### 7. Zuverlässigkeit mit Sampling verbessern Bei Aufgaben, die Logik oder Mathematik erfordern, führen Sie mehrere Ausgaben aus und wählen Sie die häufigste Antwort. **Beispiel:** ``` Führen Sie Llama 5-mal bei dieser Denkaufgabe aus. Wählen Sie die häufigste Antwort. ``` *** ### 8. Prompt-Vorlagen nach Anwendungsfall **Allgemeine Aufgaben-Vorlage** ``` Sie sind ein Projektmanager. Fassen Sie dieses Meeting-Protokoll in 5 Stichpunkten zusammen, jeweils unter 15 Wörtern. Kontext: Dies wird mit dem Führungsteam geteilt. Einschränkungen: Nur Entscheidungen und Fristen angeben. Ausgabe: • Budgeterhöhung genehmigt • Frist auf Q4 verlängert • 3 neue Ingenieure eingestellt • Produkt-Beta-Start im Juni • Nächste Überprüfung für den 15. Juli angesetzt ``` **Few-Shot-Vorlage -** Am besten für Übersetzungs- oder Klassifizierungsaufgaben. ``` Benutzer: Übersetze Englisch ins Französische. Befolgen Sie die folgenden Beispiele und halten Sie die Antworten kurz und präzise. Englisch: "Guten Morgen" Französisch: "Bonjour" Englisch: "Wie geht es dir?" Französisch: "Comment ça va ?" Englisch: "See you tomorrow" Französisch: Ausgabe: "À demain" ``` **Einen Datensatz analysieren** ``` Rolle: Sie sind ein Datenanalyst. Aufgabe: Fassen Sie diesen Datensatz in knappen geschäftlichen Erkenntnissen zusammen. Kontext: Die Ergebnisse werden in einem Leitungstreffen vorgestellt; Klarheit und Kürze sind entscheidend. Einschränkungen: • Maximal 100 Wörter • Nur 3 Stichpunkte verwenden • Keine Zahlen mit Dezimalstellen oder komplexe Begriffe verwenden Ausgabe-Beispiel: • Der Umsatz stieg im 3. Quartal dank starker Wiederholungskunden • Die Kosten stabilisierten sich nach den Lieferantenverhandlungen im 2. Quartal • Empfehlen Sie, sich für nachhaltiges Wachstum auf B2B-Konten zu konzentrieren Tipp: Für numerische Ausgaben geben Sie an: „Runden Sie alle Zahlen auf ganze Zahlen.“ ``` **E-Mails und nächste Schritte zusammenfassen** ``` Rolle: Sie sind eine Executive Assistant. Aufgabe: Fassen Sie diesen E-Mail-Thread zusammen und listen Sie die nächsten Schritte auf. Kontext: Die Ausgabe wird in ein Dokument mit Besprechungsnotizen eingefügt. Einschränkungen: • Zusammenfassung auf 3 Sätze begrenzen • Für die nächsten Schritte Stichpunktformat verwenden • Keine Füllwörter („hope this helps“ usw.) Ausgabe-Beispiel: Zusammenfassung: Das Team bestätigte den Projektumfang und die Terminänderungen. Nächste Schritte: • Den Kunden über das endgültige Lieferdatum informieren • Überarbeiteten Zeitplan bis Montag vorbereiten • Genehmigung von der Finanzabteilung bestätigen Tipp: Fügen Sie hinzu: „Verwenden Sie einfaches Englisch, vermeiden Sie internen Jargon.“ ``` *** ### Abschließender Tipp Mit Llama, **Klarheit plus Beispiele = Zuverlässigkeit**. Schreiben Sie Rollen, Schritte und Formate aus, und Sie erhalten konsistente, strukturierte Ausgaben. {% hint style="info" %} *Erfahren Sie mehr über Llama Prompt Engineering im offiziellen* [*Prompting-Leitfaden*](https://www.llama.com/docs/how-to-guides/prompting/) *und der* [*Referenz zum Llama-4-Prompt-Format*](https://www.llama.com/docs/model-cards-and-prompt-formats/llama4/) {% endhint %} --- # Agent Instructions This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com. ## Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation by asking a question. Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters: ``` GET https://docs.blockbrain.ai/de/for-users/prompt-writing-guide/llama-models-prompt-guide.md?ask=&goal= ``` `ask` is the immediate question: it should be specific, self-contained, and written in natural language. `goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case. The response will contain a direct answer to the question and relevant excerpts and sources from the documentation. Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.