AI Prompting

Kontext ist Gold
Alle, die schon einmal mit Large Language Models wie GPT-4 gearbeitet oder experimentiert haben, kennen es: Die generative KI produziert erstaunlich natürlichsprachliche Texte, doch oft wirken die Ergebnisse generisch und führen nicht zum gewünschten Ziel. In dieser Folge gehen Anja und Robert der Frage nach: Wie formuliert man Prompts, die zu wirklich hilfreichen Ergebnissen führen? Robert rät: "Talk to it like a human". Was bedeutet das für unsere Arbeitsweise? Wie verbessert der richtige Kontext die Ergebnisse generativer KI entscheidend? Wie trifft man den richtigen Grad zwischen aufwendigem Prompt-Engineering und schnellen "Aus-der-Hüfte-Prompts"?

• Few-shot prompting (promptingguide.ai/techniques/fewshot)

• Chain-of-thought prompting ellicits reasoning in Large Language Models (arxiv.org/abs/2201.11903)

• Working with AI: Two paths to prompting – Don’t overcomplicate things (oneusefulthing.org/p/working-with-ai-two-paths…)

• Ethan Mollick: Co-Intelligence – Living and Working with AI (moreusefulthings.com/book)

• RAG (Retrieval Augmented Generation) (ai.meta.com/blog/retrieval-augmented-generatio…)

• Instruction Prompts nutzen, um mehr Kontext zur Nutzer:in zu geben. (openai.com/blog/custom-instructions-for-chatgpt)

• ChatGPT als Werkzeug für Software-Architektur mit Ralf D. Müller (youtube.com/watch?v=WFZppdVGqAw)

• Claude 3 Opus von Anthropic als GPT-4 Alternative (arstechnica.com/information-technology/2024/03…)

• ChatGPT Memory (openai.com/blog/memory-and-new-controls-for-ch…)