40 fortgeschrittene KI-Prompts von globalen Experten: Ein vollständiger Leitfaden (zur Wiederverwendung und zum Verkauf geeignet)

Sie dürfen diesen gesamten Artikel kopieren und verkaufen.

Lassen Sie mich zuerst das Wichtigste sagen.

Sie sind herzlich eingeladen, den Inhalt dieses Artikels zu nehmen, ihn vollständig zu kopieren und als Ihren eigenen Content zu verkaufen.

Ob Sie ihn auf Note erneut veröffentlichen, auf Brain verkaufen, in Kurstexte einbauen oder in SNS-Beiträge aufteilen – alles ist in Ordnung. Es ist keine Genehmigung oder Kontaktaufnahme erforderlich. Selbst wenn Sie ihn so präsentieren, als ob Sie selbst darauf gekommen wären, werde ich mich keinesfalls beschweren. Es sind etwa 40 Techniken enthalten. Wenn Sie also pro Beitrag nur eine Technik extrahieren, können Sie 40 Inhalte erstellen.

Warum gehe ich so weit? Der Grund ist einfach: Wenn ich es nicht tue, werden die Japaner den Wert dieser Informationen nicht erkennen.

Um ehrlich zu sein, werden japanische Prompts unter globalen KI-Power-Usern offen als "Steinzeit-Niveau" bezeichnet. Als ich das zum ersten Mal hörte, dachte ich: "Was redet der da?" Aber in dem Moment, als ich die Prompts sah, die sie täglich verwenden, war ich sprachlos. Es war eine totale Niederlage.

Was war der Unterschied? 99 % der Japaner schreiben Prompts als "Anweisungen". "Schreibe einen Blogbeitrag", "Fasse diesen Text zusammen", "Gib mir 5 Ideen." Das sind alles nur Befehle. Auf der anderen Seite geben globale Profis der KI von der ersten Zeile an den "Denkprozess" und die "Ziele" mit. Es ist der Unterschied zwischen einem Befehl und einem Bauplan.

Und hier kommt eine noch härtere Realität. Während Sie nach "einem netten Prompt" suchen, erforschen globale Spieler Prompts durch wissenschaftliche Arbeiten, verwalten sie wie Code und optimieren sie automatisch mit Algorithmen. Handwerkliche Handarbeit vs. automatische Optimierung. Der Kampf ist bereits entschieden. Es ist grausam, aber das ist der Stand im Jahr 2026.

Aber keine Sorge. Sie brauchen kein Talent oder Englischkenntnisse, um diese Lücke zu schließen. Sie müssen nur die "Muster" kennen. Das ist alles.

In diesem Artikel habe ich alle Prompt-Techniken und das Know-how gepackt, die ich auf Threads vorgestellt habe. Von authentischen Mustern aus Forschungspapieren über Tricks, die die interne Struktur der KI ausnutzen, MCP-Erweiterungen bis hin zur Automatisierung mit Claude Code und Codex – etwa 40 Punkte, geordnet nach Kapiteln. Alle kommen mit "Kopieren-Einfügen-OK"-Prompts. Sie können sie beim Lesen ausprobieren.

Wenn Sie mit dem Lesen fertig sind, werden Sie in eine von zwei Gruppen fallen: diejenigen, die diese 40 Werkzeuge nehmen und in Waffen verwandeln, oder diejenigen, die weiterhin stöhnen, während sie Prompts von Hand schreiben. Auf welcher Seite Sie stehen, hängt davon ab, ob Sie dies bis zum Ende lesen.

Ich wiederhole: Es ist in Ordnung zu kopieren und zu verkaufen. Also nehmen Sie es ohne Zögern mit nach Hause. Legen wir los.

Kapitel 1: Den Denkprozess weitergeben – Selbstverifikation, Selbstbewertung und verzweigtes Denken

Das erste Kapitel handelt vom Muster, "die Denkweise selbst an die KI weiterzugeben". Japanische Prompts bleiben oft beim "Zuweisen einer Rolle und höflichem Schreiben" stehen, aber globale Profis geben weiter, "wie man denkt". Die fünf hier vorgestellten sind alle authentische Muster aus Forschungspapieren.

1. Chain-of-Verification (CoVe) – Die KI dazu bringen, ihre eigenen Antworten zu hinterfragen

Dies ist ein Muster, um Halluzinationen (Sachfehler) zu unterdrücken. Normale Prompts lassen die KI in einem Durchgang antworten, aber CoVe basiert auf der Idee, "die KI ihre eigene Antwort überprüfen zu lassen". Sie lassen sie einen Entwurf erstellen, die Risiken in dieser Antwort in Verifikationsfragen umwandeln, jede Frage evidenzbasiert beantworten und schließlich eine endgültige Version mit korrigierten Widersprüchen präsentieren. Dieser gesamte Ablauf wird in einem einzigen Prompt abgeschlossen.

Bei Recherche- oder Artikelaufgaben wird die Ausgabe eine ganz andere. Sachfehler nehmen sichtbar ab, was es für Arbeiten mit hoher Zuverlässigkeit effektiv macht.

Prompt zum Kopieren und Einfügen

Führen Sie für das folgende Thema bitte die folgenden Schritte in einer Antwort aus: (1) Erstellen Sie zunächst eine Entwurfsantwort. (2) Wandeln Sie die Risiken von Sachfehlern in dieser Antwort in 5 Verifikationsfragen um. (3) Beantworten Sie jede Frage evidenzbasiert. (4) Präsentieren Sie eine endgültige Version mit korrigierten Widersprüchen. Thema: [ ]

1. Self-Refine – Die Rollen von Ersteller, Kritiker und Überarbeiter spielen

Dieses Muster lässt die KI in einem einzigen Prompt nacheinander drei Rollen spielen. Lassen Sie sie zuerst als Ersteller einen ersten Entwurf schreiben. Lassen Sie sie als Nächstes als strenger Redakteur ihre eigene Arbeit bewerten. Lassen Sie sie schließlich als Überarbeiter auf Basis dieser Bewertung eine fertige Version schreiben.

Der Schlüssel liegt darin, konkrete Bewertungskriterien anzugeben. Durch die Angabe von fünf Kriterien wie "Überzeugungskraft, Einzigartigkeit, Logik, Lesbarkeit und Auslassungen" wird die Bewertung nicht nachsichtig, und die Genauigkeit der Überarbeitung verbessert sich. Sie können mit nur einem Prompt einen Qualitätssprung um eine Stufe spüren.

Prompt zum Kopieren und Einfügen

Führen Sie für das folgende Thema bitte alle drei Schritte in einer Antwort aus: (1) Schreiben Sie einen ersten Entwurf. (2) Bewerten Sie ihn als strenger Redakteur anhand von 5 Kriterien: Überzeugungskraft, Einzigartigkeit, Logik, Lesbarkeit und Auslassungen. (3) Schreiben Sie eine überarbeitete Version basierend auf der Bewertung. Thema: [ ]

1. Tree of Thoughts (ToT) – Die Antworten verzweigen

Anstatt eine Antwort in einer geraden Linie zu produzieren, entwickelt dieses Muster mehrere Ansätze als "Verzweigungen" und lässt die KI den besten auswählen. Stellen Sie es sich so vor, dass der menschliche Prozess des Denkens "Es gibt Plan A, B und C..." direkt in einen Prompt eingebaut wird.

Dies verändert die Dimension von Brainstorming und strategischer Planung. Da es sich nicht auf eine Richtung festlegt, entstehen unerwartete Blickwinkel.

Prompt zum Kopieren und Einfügen

Antworten Sie bitte für das folgende Thema mit diesen Schritten: (1) Entwickeln Sie 3 verschiedene Ansätze als Verzweigungen. (2) Bewerten Sie die Stärken und Schwächen jeder Verzweigung. (3) Wählen Sie die vielversprechendste Verzweigung aus und geben Sie eine endgültige Antwort, die tief in nur diese Verzweigung eintaucht. Thema: [ ]

1. Skeleton-of-Thought (SoT) – Zuerst das Gerüst, dann die Ausgestaltung

Dies ist eine Denkmethode, bei der Sie zuerst das "Skelett" auf Überschriftenebene auflisten und dann jeden Teil ausgestalten. Wenn Sie lange Texte schreiben, verliert die zweite Hälfte oft an Schwung oder die Struktur bricht zusammen, wenn Sie von Anfang an schreiben. Wenn Sie zuerst das Skelett festigen, ist dieser Zusammenbruch weniger wahrscheinlich.

Dies ist transformativ für die Erstellung langer Artikel oder das Schreiben von Vorschlägen. Da der "Bauplan" des Skeletts zuerst existiert, verlieren Sie sich während des Ausgestaltungsprozesses nicht.

Prompt zum Kopieren und Einfügen

Befolgen Sie für das folgende Thema bitte diese Schritte: (1) Listen Sie 5 Artikelüberschriften-Skelette parallel auf. (2) Gestalten Sie jede Überschrift als unabhängige separate Aufgabe aus. (3) Integrieren Sie schließlich alles in ein zusammenhängendes Stück. Thema: [ ]

1. Meta-Prompting – Die KI den Prompt selbst weiterentwickeln lassen

Dies ist etwas fortgeschritten. Anstatt den Inhalt des Prompts zu verbessern, bitten Sie die KI, "diesen Prompt selbst weiterzuentwickeln". Sie lassen sie mehrere verbesserte Versionen erstellen, die Absicht und das "Warum es funktioniert" für jede schreiben und schließlich die stärkste auswählen.

Wenn Sie dies nur einmal im Monat auf die Haupt-Prompts anwenden, die Sie oft verwenden, wachsen Ihre Prompt-Assets von selbst. Stellen Sie es sich als ein System vor, das Ihre gespeicherten Prompts davor bewahrt, zu veralten.

Prompt zum Kopieren und Einfügen

Bitte erstellen Sie 5 verbesserte Versionen des folgenden Prompts mit deutlich gesteigerter Leistung. Schreiben Sie für jede Version die "Absicht" und den Grund, "warum es funktioniert". Wählen Sie schließlich die einzige stärkste Version aus und nennen Sie den Grund für die Auswahl. Ziel-Prompt: [ ]

Was diese fünf gemeinsam haben, ist, dass sie "Denkabläufe" weitergeben, nicht "Anweisungen". Selbstverifikation, Selbstbewertung, Verzweigung, Skelett-Parallelisierung und Selbstevolution. Ob Sie diese in eine einzige Zeile einbacken können, entscheidet darüber, ob die KI nur ein praktisches Werkzeug oder ein "autonomer Forscher" ist.

Kapitel 2: Rückwärtsdesign – Ergebnisorientiertes Design

Wenn es in Kapitel 1 darum ging, "wie man sie denken lässt", geht es in Kapitel 2 um die Denkweise, zuerst zu entscheiden, "was als Erfolg zählt". Japaner verwenden ihr Gehirn darauf, "was man hineinwirft", während globale Profis vom "Ziel" aus schreiben. Hier sind fünf Rückwärtsdesign-Prompts aus der offiziellen Dokumentation.

1. Output-First Specification – Zuerst die endgültige Vorlage festlegen

Die meisten Leute sagen "Schreibe einen Blogbeitrag". Aber das macht die Ausgabe inkonsistent. Beim Rückwärtsdesign erstellen Sie zuerst die endgültige Ausgabevorlage und lassen die KI die Lücken füllen. Sie legen zuerst den Rahmen fest: wie viele Zeichen für den Titel, was in die Einleitung soll, wie viele Überschriften im Hauptteil... und so weiter.

Die Ausgabeschwankung sinkt drastisch und die Qualität stabilisiert sich. Diese Stabilität ist besonders effektiv, wenn Sie viele Stücke zum gleichen Thema schreiben.

Prompt zum Kopieren und Einfügen

Bitte füllen Sie die folgende Vorlage perfekt aus. Titel: [Innerhalb von 40 Zeichen, Zahlen enthalten] / Einleitung: [3 Schmerzpunkte des Lesers, je 1 Satz] / Hauptteil: [3 H2-Überschriften + je 300 Zeichen] / Fazit: [1 Handlungsvorschlag] / CTA: [Innerhalb von 15 Zeichen]. Thema: [ ]

1. Prefilling – Den Start der KI-Antwort vorgeben

Dies ist ein Muster, bei dem Sie den "Eröffnungssatz" der KI-Antwort vorgeben. Claude ist gezwungen, von dieser Fortsetzung aus zu schreiben, was die Richtung der Ausgabe festlegt. Einleitende Begrüßungen und unnötige Füllwörter verschwinden, und Formatabweichungen verschwinden fast vollständig.

Es ist subtil, aber effektiv. Es verhindert Antworten, bei denen Sie am liebsten ausrufen würden: "Also, was ist die Schlussfolgerung?"

Prompt zum Kopieren und Einfügen

Ihre Antwort muss mit dem folgenden Satz beginnen: "Im Folgenden werde ich eine strukturierte Antwort basierend auf den Anforderungen geben. Zunächst ist der wichtigste Punkt..."

1. Negative Constraints – Eine konkrete "Nicht-Tun"-Liste auflisten

Wenn Sie "tu das nicht" vage schreiben, befolgt die KI es nicht. Vage Verbote wie "mach es natürlich" sind schwer durchzusetzen. Aber wenn Sie sie konkret auflisten, befolgt sie sie. Verbieten Sie Höflichkeitsformen, verbieten Sie einleitende Begrüßungen, verbieten Sie bestimmte Phrasen... listen Sie sie in Stichpunkten auf.

Generische KI-Muster verschwinden deutlich. Dies ist ein Standard, wenn Sie das "offensichtlich generierte" Gefühl aus Texten entfernen möchten.

Prompt zum Kopieren und Einfügen

Bitte erstellen Sie das Folgende. Halten Sie sich jedoch strikt an diese Verbote: (1) Keine Höflichkeitsformen. (2) Keine wiederholte Verwendung von 3-Zeichen-Komposita. (3) Keine Ausdrücke wie "bezüglich..." oder "es ist wichtig zu...". (4) Keine einleitenden Begrüßungen. (5) Keine einfachen Aufzählungspunkte. Bei Verstoß alles neu schreiben. Ziel: [ ]

1. XML Structured Tagging – Informationen mit Tags trennen

Das Trennen von Informationen mit Tags verbessert die Lesegenauigkeit der KI. Ziel, Hintergrund, Einschränkungen, Referenzbeispiele, Ausgabeformat. Anstatt diese als einen Textklumpen hineinzuwerfen, partitionieren Sie sie mit Tags. Profis werfen keinen Text; sie werfen Baupläne.

Prompt zum Kopieren und Einfügen

Ich werde den Prompt wie folgt strukturieren. Bitte antworten Sie gemäß dem Inhalt innerhalb jedes Tags. <goal>Zu erreichendes Ziel</goal> <context>Hintergrundinformationen</context> <constraints>Verbote</constraints> <examples>Referenzbeispiele</examples> <output_format>Rahmen des Ausgabeformats</output_format>

1. Persona Stack – Rollen in 3 Ebenen schichten

Die meisten Leute bleiben bei "Sie sind ein Texter" stehen. Profis schichten Rollen in drei Ebenen, nicht nur eine. Eine Schreiberrolle, eine Redakteursrolle und die Rolle des Zielpublikums. Indem Sie einer KI diese drei Personas gleichzeitig geben, durchlaufen Sie den Zyklus von Schreiben → Redigieren → aus der Perspektive des Lesers neu korrigieren in einem Durchgang.

Da mehrere Perspektiven gleichzeitig laufen, steigt die Überzeugungskraft. Es gibt jedoch Vorbehalte gegenüber diesem "Persona"-Ansatz, die wir in Kapitel 10 behandeln werden.

Prompt zum Kopieren und Einfügen

Bitte nehmen Sie gleichzeitig die folgenden 3 Personas an: (1) Top-Texter (Schreiber). (2) Strenger Chefredakteur (Redakteur). (3) Zielpublikum, ein Büroangestellter in den 30ern (Empfänger). Führen Sie Schreiben → Redigieren → Neukorrektur aus der Perspektive des Lesers alles in einer Antwort aus. Thema: [ ]

Die Essenz des Rückwärtsdesigns ist einfach. Wenn die erste Zeile nicht das "Ziel", die "Verbote" und den "Formatrahmen" enthält, ist die KI bereits verloren. Es ist der Unterschied zwischen dem Schreiben vom Eingang oder vom Ausgang aus.

Kapitel 3: Die KI als "Legion" betreiben – Multi-Agenten-Betrieb

Ab hier ändert sich die Denkweise. Anstatt eine KI zu erschöpfen, weisen Sie der KI mehrere Rollen zu und betreiben sie als "Legion". Mit nur einer zu kämpfen ist, wie mit einer Waffe auf ein Schlachtfeld zu gehen. Globale Profis sind in die Phase eingetreten, von einem Generalstabshauptquartier aus zu befehligen.

Beachten Sie, dass Sie für diese Muster keine mehreren KI-Konten einrichten müssen. Sie können sie allein durch "Rollenwechsel" innerhalb eines einzigen Chats reproduzieren.

1. Routing Pattern – Einen Sortierer platzieren

Dies ist eine militärische Organisation, bei der eine "Klassifikations"-KI die Eingabe zuerst erhält und sie an den entsprechenden "Spezialisten" weiterleitet. Die meisten Leute werfen alles auf eine KI und erhalten eine mittelmäßige Antwort. Profis platzieren einen Empfangsmitarbeiter, um die Aufgabe an einen Experten weiterzuleiten.

Die Genauigkeit verbessert sich, wenn Sie zur Spezialisierung übergehen, anstatt dass eine KI vorgibt, allwissend zu sein.

Prompt zum Kopieren und Einfügen

Sie sind der "Routing-Koordinator". Lesen Sie die folgende Anfrage und klassifizieren Sie sie in: (1) Recherche, (2) Schreiben, (3) Analyse oder (4) Code. Erstellen Sie einen 5-zeiligen System-Prompt, der für diese Klassifizierung optimiert ist, und führen Sie die Anfrage erneut mit diesem Prompt aus. Anfrage: [ ]

1. Parallelization – Dieselbe Frage parallel lösen für eine Mehrheitsentscheidung

Dieses Muster beinhaltet das parallele Lösen derselben Aufgabe aus mehreren Perspektiven und das Bestimmen der Schlussfolgerung durch Mehrheitsentscheidung. Anstatt einen Experten zu fragen, lassen Sie fünf Experten mit unterschiedlichen Ansätzen antworten und nehmen die Schlussfolgerung, die von den meisten unterstützt wird. Das ist die Idee.

Halluzinationen nehmen ab. Wenn Sie wichtige Entscheidungen der KI überlassen möchten, ist das Sicherheitsgefühl ein völlig anderes.

Prompt zum Kopieren und Einfügen

Geben Sie für die folgende Frage zunächst je eine Antwort aus der Perspektive von 5 unabhängigen Experten mit unterschiedlichen Ansätzen. Vergleichen Sie als Nächstes die 5 Pläne, nehmen Sie die von den meisten Perspektiven unterstützte Schlussfolgerung als endgültige Antwort und nennen Sie den Grund für die Auswahl. Frage: [ ]

1. Evaluator-Optimizer – Ersteller und Bewerter vollständig trennen

Die Selbstevaluation durch eine Person wird zwangsläufig nachsichtig. Wenn Sie den Handelnden und den Richter trennen, wird das Urteil streng. Sie reproduzieren dies innerhalb eines Prompts. Erstellen Sie als Ersteller die beste Antwort, wechseln Sie vollständig die Persona zu einem strengen Bewerter, um sie zu bewerten, kehren Sie dann als Ersteller zurück, um die endgültige Version zu erstellen.

Ähnlich wie Self-Refine in Kapitel 1, aber der Punkt hier ist, explizit "vollständigen Personawechsel" zu erwähnen.

Prompt zum Kopieren und Einfügen

Erstellen Sie für das folgende Thema zunächst als "Ersteller-KI" die beste Antwort. Wechseln Sie als Nächstes vollständig die Persona und bewerten Sie diese Antwort als "Strenge Bewerter-KI" mit einer Punktzahl von 100 und listen Sie 5 Gründe für Punktabzüge auf. Kehren Sie schließlich zur Ersteller-Rolle zurück und erstellen Sie basierend auf der Bewertung eine endgültige Version. Thema: [ ]

1. Multi-Agent Debate – Debatte mit Befürwortern, Gegnern und einem Moderator

Dies ist ein Muster, bei dem mehrere KIs debattieren, bevor ein Integrator zu einer Schlussfolgerung gelangt. Befürworter und Gegner prallen aufeinander, und ein neutraler Moderator fasst ihre Punkte zusammen. Extreme und Denkblockaden verschwinden, was zu einer ausgewogenen Schlussfolgerung führt.

Dies zeigt besondere Stärke bei "Fragen, bei denen eine Entscheidung schwer fällt", wie strategische Planung oder Entscheidungsfindung.

Prompt zum Kopieren und Einfügen

Agieren Sie für das folgende Thema bitte als: (1) Befürworter-KI, (2) Gegner-KI und (3) Neutrale Moderator-KI. Lassen Sie (1) und (2) jeweils 3 Runden debattieren, lassen Sie dann (3) ihre Punkte integrieren, um eine endgültige Schlussfolgerung und Begründung zu liefern. Thema: [ ]

1. Self-Verifying Output – Sich selbst vor der Ausgabe befragen

Dies ist ein Muster, bei dem der Ersteller seine eigene Ausgabe als andere Persona "befragt", bevor er sie endgültig einreicht. Da es schwer ist, Fehler in der eigenen Schrift zu sehen, erzwingen Sie einen Perspektivwechsel. Sie wechseln nacheinander durch drei Personas – globaler Konkurrenz-Profi, Zielpublikum und strenger Chef – und lassen jede Probleme auflisten.

Neuere KI-Modelle entwickeln sich dahingehend, "nach der Überprüfung der eigenen Ausgabe zu berichten". Betrachten Sie dies als ein Muster, das dieser Bewegung von der Prompt-Seite aus vorgreift.

Prompt zum Kopieren und Einfügen

Bitte lesen Sie die folgende Ausgabe als völlig andere Personas erneut. Wechseln Sie nacheinander durch die Rollen (1) Globaler Konkurrenz-Profi, (2) Zielpublikum und (3) Strenger Chef, listen Sie 3 Probleme aus jeder Perspektive auf und präsentieren Sie schließlich eine stärkste verbesserte Version. Ausgabe: [ ]

Die Essenz des Legionsbetriebs ist, ob Sie von der Prämisse ausgehen können, dass "KI nicht dazu da ist, als einzelne Einheit verwendet zu werden". Weisen Sie Rollen zu und befehligen Sie. Das allein verändert die Ergebnisse, die von derselben KI kommen.

Kapitel 4: Kontext als "Umgebung" gestalten – 4-Ebenen-Denken

Bisher haben wir über den "Inhalt des Prompts" gesprochen. Aber in der Welt der globalen KI-Designer wird der Prompt als die "unterste Ebene" einer viel größeren Struktur behandelt: Prompt → Kontext → Absicht → Spezifikation. Die meisten Leute stecken noch auf der ersten Ebene fest. Dieses Kapitel handelt von fünf Möglichkeiten, zu den höheren Ebenen aufzusteigen.

1. Bookend Placement – Wichtige Einschränkungen sowohl am Anfang als auch am Ende platzieren

Wenn Sie der KI einen langen Text übergeben, neigen Informationen in der Mitte dazu, an Aufmerksamkeit zu verlieren. Dies ist das Phänomen "Mitte ist ein blinder Fleck". Platzieren Sie daher wichtige Einschränkungen immer an zwei Stellen: am Anfang und am Ende. Stellen Sie sich vor, Sie legen wichtige Dinge wie "Buchstützen" an beide Enden.

Dies ist effektiv für Leute, die lange Prompts schreiben. Ein häufiger Fehler ist eine lange Anweisung, bei der die Einschränkung nur einmal in der Mitte geschrieben wird.

Prompt zum Kopieren und Einfügen

Bitte wiederholen Sie in der folgenden Anfrage wichtige Einschränkungen an zwei Stellen – dem "Anfang" und dem "Ende" des Prompts –, bevor Sie sie verarbeiten. Strukturieren Sie es unter der Prämisse, dass Informationen in der Mitte des Kontexts leicht abgelenkt werden. Anfrage: [ ]

1. Goldilocks Altitude – Die "genau richtige" Höhe für System-Prompts

System-Prompts haben eine optimale "Höhe". Zu niedrig (Bindung durch detaillierte Wenn-Dann-Logik) führt zu Starrheit; zu hoch (nur abstrakte Philosophie) entscheidet nichts. Zielen Sie auf die Höhe dazwischen. Dies ist das Konzept der "Goldlöckchen-Zone", angewendet auf Prompts.

Der Trick besteht darin, in drei Schichten zu gestalten: Prinzipien, die sich nie ändern, Rahmen für situative Urteile und Freiheit für einzelne Aufgaben. Wenn Sie mit diesen drei im Hinterkopf schreiben, vermeiden Sie sowohl Starrheit als auch Abstraktion.

Prompt zum Kopieren und Einfügen

Ich werde die Anweisungen an Sie in den folgenden 3 Schichten festlegen: (1) Unveränderliche Prinzipien (Warum/Nie ändern). (2) Rahmen für situative Urteile (Wann/Verzweigungsregeln je nach Fall). (3) Freiheit für einzelne Aufgaben (Was/Ihrem Urteil überlassen). Gestalten Sie auf einer "genau richtigen" Höhe und vermeiden Sie sowohl Starrheit als auch Abstraktion.

1. Just-In-Time Context Injection – Nur das Nötigste übergeben, wenn es gebraucht wird

Nur weil das Kontextfenster groß ist, heißt das nicht, dass es gut ist, alle Materialien hineinzustopfen; es kann die Genauigkeit sogar verschlechtern. Profis übergeben zuerst nur das "Inhaltsverzeichnis, die Zusammenfassung und den Index" und lassen die KI bei Bedarf die benötigten Kapitel abrufen. Stellen Sie sich vor, Sie stapeln nicht alle Bücher aus der Bibliothek auf Ihrem Schreibtisch, sondern gehen nur das eine Buch ausleihen, das Sie brauchen.

Der richtige Umgang mit großen Materialien ist "dynamisches Abrufen", nicht "alles hineinstopfen".

Prompt zum Kopieren und Einfügen

Ich werde das folgende umfangreiche Material nicht auf einmal eingeben. Lesen Sie in der ersten Stufe bitte nur das "Inhaltsverzeichnis", die "100-Zeichen-Zusammenfassung jedes Kapitels" und den "Index". Wenn es ein Kapitel gibt, in dem Details benötigt werden, fordern Sie es explizit von mir an, bevor Sie es abrufen, und fügen Sie nur dieses Kapitel für die Arbeit zum Kontext hinzu.

1. Intent Encoding – Urteilskriterien zuerst formulieren

Anstatt die "Werte, Prioritäten und Kompromiss-Urteilskriterien" Ihrer Organisation oder Ihrer eigenen jedes Mal von Grund auf zu erklären, formulieren Sie sie einmal und geben Sie sie weiter. Allein durch das Platzieren am Anfang beginnt die KI, sich als "Ihr Agent" zu bewegen. Es wird eine KI, die nicht nur auf Anweisungen wartet, sondern sich in die richtige Richtung lehnen kann, wenn sie unsicher ist.

Prompt zum Kopieren und Einfügen

Als Prämisse für die folgende Arbeit werde ich meine Urteilskriterien formulieren: (1) Priorität [A > B > C]. (2) Absolute No-Gos [X, Y, Z]. (3) Standardurteil in mehrdeutigen Fällen [D]. Wenn Sie bei einem Urteil unsicher sind, kehren Sie immer zu diesen Kriterien zurück, bevor Sie entscheiden.

1. Specification Layer – Auf der Seite der Erstellung von "Spezifikationen" stehen

Die Spitze der 4 Ebenen ist diese "Spezifikation". Legen Sie Qualitätsstandards und Geschäftsregeln als strukturierten Text (Spezifikationen) fest und machen Sie dies zum Ausgangspunkt des Kontexts jedes Mal. Von einer Person, die Prompts schreibt, zu einer Person, die Spezifikationen erstellt. In dem Moment, in dem Sie hier stehen, springt die Reproduzierbarkeit der Arbeit sofort in die Höhe.

Prompt zum Kopieren und Einfügen

Zukünftige Arbeiten werden sich auf die folgende "Spezifikation (Markdown-strukturiertes Format)" als Ausgangspunkt für jede Sitzung beziehen. Wenn ein Urteil außerhalb der Spezifikation erforderlich ist, raten Sie nicht; fragen Sie immer bei mir nach. [Fügen Sie hier Ihre Spezifikation ein]

Die Idee dieses Kapitels ist der Übergang vom "Wettbewerb mit einer einzigen Prompt-Zeile" zum "Gestalten des gesamten Kontexts als eine Umgebung". Es ist der Unterschied zwischen dem Kämpfen auf einer oder vier Ebenen.

Kapitel 5: Ausrichtung an den internen Mechanismen der KI – Strukturdesign für den KV-Cache

Dieses Kapitel ist etwas technisch. Aber dies zu wissen, verändert die "Geschwindigkeit", die "Kosten" und "wie sich die Nutzungslimits verringern" der KI.

Im Inneren der KI läuft ein Mechanismus namens "KV-Cache". Ganz einfach ausgedrückt: Die KI behält verarbeitete Inhalte intern, und wenn derselbe Inhalt wieder kommt, kann sie ihn wiederverwenden. Umgekehrt, wenn Sie sie auf eine Weise verwenden, bei der die Wiederverwendung nicht funktioniert, berechnet sie jedes Mal von Grund auf neu.

"Schnelles Erreichen der Nutzungslimits", "Antworten werden mit zunehmender Gesprächsdauer langsamer" oder "API-Rechnungen sind höher als erwartet". Die Ursache dieser Probleme ist oft nicht der Inhalt des Prompts, sondern die "Platzierung", die nicht mit den internen Mechanismen der KI synchronisiert ist.

1. Stable Prefix First – Statische Dinge am Anfang fixieren

Der Cache funktioniert "nur für den Teil, der von Anfang an perfekt übereinstimmt". Fixieren Sie daher Dinge, die sich nicht ändern (Prämissen, Referenzmaterialien, Regeln) am Anfang, und platzieren Sie Dinge, die sich jedes Mal ändern (die heutige Frage) am Ende. Allein durch das Setzen derselben Prämisse an den Anfang jedes Mal beginnt der Cache zu arbeiten.

Prompt zum Kopieren und Einfügen

Ich werde die Prämissen für die nachfolgende Arbeit festlegen: (1) Meine Branche = [A]. (2) Zielgruppe = [B]. (3) Verbote = [C]. (4) Ausgabeformat = [D]. Bitte erklären Sie dies zu Beginn jeder Sitzung erneut, bevor Sie zum Hauptthema übergehen.

1. Anchor Document Pattern – Materialien nur einmal am Anfang einwerfen

Fügen Sie große Referenzmaterialien oder Richtlinien jedes Mal erneut ein? Das ist Verschwendung. Werfen Sie die Materialien nur einmal am Anfang als "Anker" ein und lassen Sie nachfolgende Fragen sich nur auf diese Materialien beziehen.

Prompt zum Kopieren und Einfügen

Ich mache die folgenden Materialien zum Anker dieser Sitzung: [Referenzmaterialien hier in großen Mengen einfügen]. Bitte beantworten Sie ab sofort alle meine Fragen unter Bezugnahme auf diese Materialien. Eine erneute Darstellung der Materialien ist nicht erforderlich.

1. Sitzungskontinuität – Verwandte Arbeit in einem Thread fortsetzen

Jedes Mal, wenn Sie einen neuen Chat öffnen, baut die KI ihren internen Cache von Grund auf neu auf. Zehn neue Chats pro Tag zu öffnen, anstatt in einer einzigen langen Sitzung fortzufahren, verändert, wie sich Nutzungslimits verringern und wie die Ausgabequalität ist. Häufige neue Chats sind ein Grund dafür, dass man "schnell an Grenzen stößt."

Handlungsrichtlinie:

Setzen Sie die Arbeit am selben Thema immer in einem Thread fort. Wenn der Thread zu lang wird, erstellen Sie zu Beginn eine "Zusammenfassung des bisherigen Verlaufs" und verwenden Sie diese als Anker.

1. Differenzielles Bearbeitungsmuster – Nur die Unterschiede bei Korrekturen anweisen

Wenn Sie die Ausgabe verbessern möchten, ist es nicht gut, den gesamten Text erneut zu posten. Das erneute Posten von allem löscht den wertvollen Cache und berechnet von vorne. Weisen Sie nur die Unterschiede an: "Nur dieser Teil", "Ändere diesen Teil zu jenem."

Prompt zum Kopieren und Einfügen

Wenn ich eine vorherige Ausgabe korrigieren möchte, werde ich nicht den gesamten Text erneut posten. Ich werde nur die Unterschiede anweisen, wie "Nur der Teil [ ]" oder "Ändere [ ] zu [ ]". Ich werde überhaupt keine Prämissen oder Referenzmaterialien erneut darlegen.

1. Cache-bewusstes Sub-Agenten-Design – Die Anfänge der Sub-Agenten angleichen

Selbst bei Legion-Operationen wie in Kapitel 3 erleichtert die Angleichung des "Anfangsteils" (Rollendefinition, Prämissen, Regeln) des System-Prompts jedes Agenten das Treffen des Caches. Ändern Sie nur den Aufgabeninhalt individuell am Ende. Das allein verbessert die Effizienz von Legion-Operationen.

Prompt zum Kopieren und Einfügen

Vereinheitlichen Sie bei Multi-Agenten-Operationen den Anfangsteil (Rollendefinition, Prämissen, Regeln) der System-Prompts aller Agenten perfekt. Ändern Sie nur den Aufgabeninhalt individuell am Ende.

Die Essenz dieses Kapitels ist "mit der Struktur konkurrieren, nicht nur mit dem Inhalt". Wo Sie Dinge platzieren, ist genauso wichtig wie das, was Sie schreiben.

Kapitel 6: Das "Äußere" des Prompts erschaffen – Harnesses und Agenten

Im Jahr 2026 hörten globale KI-Entwickler auf, über den "Inhalt des Prompts" zu konkurrieren, und begannen, das "Äußere des Prompts" zu gestalten. Dieses Äußere wird "Harness" genannt. Lassen Sie uns zunächst das große Ganze ordnen.

Was ist überhaupt ein "Harness-Agent"?

Der ChatGPT oder Claude, den Sie normalerweise verwenden, ist eigentlich kein "KI-Agent". Es ist nur eine "Gehirneinheit". Ein KI-Agent bezieht sich auf den Zustand, in dem Teile an dieses Gehirn angehängt werden, um es in eine "sich selbst steuernde Maschine" zu verwandeln.

Ein Agent besteht grob aus den folgenden Elementen:

• Modell (Der Körper): Die "Intelligenz" des Agenten. Das LLM selbst. Mit nur einem Gehirn kann es Urteile fällen, aber nicht handeln.
• Harness: Die Reihe von Anweisungen (System-Prompt) und Leitplanken (was nicht zu tun ist), die dem Modell gegeben werden. Zum Beispiel ein Sicherheitsventil wie "Hole immer eine menschliche Bestätigung für Zahlungen über einem bestimmten Betrag ein". Betrachten Sie es als die Schicht, die die "Persönlichkeit" und die "Urteilskriterien" des Agenten bestimmt.
• Werkzeuge (Hände und Füße): Die Schnittstelle des Agenten, um die reale Welt zu berühren, wie das Senden von E-Mails, das Bedienen von Kalendern, das Lesen/Schreiben von Dateien und Websuchen. Ohne Werkzeuge kann KI eine Quittung lesen, aber nicht zur Spesenabrechnung einreichen.
• Umgebung: "Wo" sich der Agent bewegt. Selbst mit derselben KI kann sich das, was sie tun kann, stark je nach Umgebung unterscheiden, in der sie sich bewegt.
• Agenten-Loop (Selbststeuernder Zyklus): All dies zusammen arbeitet, um einen Kreislauf aus Planen → Handeln → Ergebnis beobachten → Anpassen → Wiederholen am Laufen zu halten. Er stoppt, wenn eine menschliche Bestätigung erforderlich ist. Der entscheidende Unterschied zwischen einem Frage-und-Antwort-Chatbot und einem sich selbst steuernden Agenten liegt hier.

Diese fünf Elemente zusammen sind die "vollständige Form eines Agenten". Von hier aus werde ich fünf Techniken vorstellen, um dieses Äußere = den Harness hochgradig zu gestalten.

1. Ausführungs-Loop – Einbeziehung eines Zyklus aus Beobachtung, Gedanke, Selbstkritik und Aktion

Dies ist das Herzstück des Harnesses. Lassen Sie bei der Ausführung einer Aufgabe explizit den Zyklus "Beobachtung → Gedanke → Selbstkritik → Aktion" bei jedem Schritt befolgen. Es bewegt sich auf einer anderen Dimension als eine einmalige "Anfrage".

Prompt zum Kopieren und Einfügen

Bitte schreiben Sie bei der Ausführung der folgenden Aufgabe immer die folgenden 4 Stufen der Reihe nach bei jedem Schritt, bevor Sie fortfahren: (1) Beobachtung: Beschreiben Sie den aktuellen Zustand in 3 Zeilen. (2) Gedanke: Der nächste notwendige Schritt und der Grund. (3) Selbstkritik: Ein blinder Fleck dieses Schrittes. (4) Aktion: Die endgültige Aktion nach der Korrektur. Aufgabe: [ ]

1. Kontextkomprimierung – Lange Gespräche stufenweise komprimieren

Je länger Gespräche werden, desto mehr bricht der Kontext zusammen. Um dies zu verhindern, komprimieren Sie vergangene Interaktionen alle bestimmten Runden zwangsweise in ein festes Format. Dies ist ein wesentliches Design, um zu verhindern, dass der Kontext bei langwierigen Aufgaben "verrottet".

Prompt zum Kopieren und Einfügen

Komprimieren Sie ab sofort jedes Mal, wenn das Gespräch 10 Runden überschreitet, vergangene Interaktionen zwangsweise in das Format "3 bestätigte Fakten + 2 anstehende Aufgaben + 1 nächste wichtigste Aktion" und führen Sie neue Anweisungen ab dieser komprimierten Version aus.

1. Playbook-Gedächtnis – Wiederverwendbare "Muster" ansammeln

Dies ist ein Design, um Strategien als wiederverwendbare "Muster (Playbooks)" anzusammeln, anstatt sie jedes Mal von Grund auf neu generieren zu lassen. Jede Interaktion wird zu einem "Asset".

Prompt zum Kopieren und Einfügen

Geben Sie nach der Ausführung der folgenden Aufgabe immer "3 allgemeine Regeln aus diesem Durchgang" in einer Markdown-Aufzählungsliste aus. Ab dem nächsten Mal werde ich sie zu Beginn präsentieren, also lesen Sie sie bitte als Playbook, bevor Sie arbeiten.

1. Selbstmodifikations-Loop – Die KI ihr eigenes Anweisungshandbuch umschreiben lassen

Dies ist ein Muster, bei dem der Agent selbst eine "Selbstinstruktionsvorlage" schreibt, um es beim nächsten Mal besser zu machen. Sie können einen Zustand schaffen, in dem die KI bei jeder Nutzung ihr eigenes Anweisungshandbuch aktualisiert.

Prompt zum Kopieren und Einfügen

Geben Sie nach der Ausführung der folgenden Aufgabe bitte eine "Selbstinstruktionsvorlage (verbesserte Version)" für sich selbst aus, um die Aufgabe beim nächsten Mal mit höherer Genauigkeit auszuführen. Geben Sie auch die Absicht und das Ziel der Verbesserung an. Ich werde diese Vorlage ab dem nächsten Mal verwenden.

1. Auto-Harness-Optimierung – Den gesamten Mechanismus iterativ verbessern

Ähnlich wie Meta-Prompting in Kapitel 1, aber das Ziel ist die "Prompt-Struktur selbst". Allein durch einmal wöchentliches Ausführen werden sich Ihre Prompt-Assets mit Zinseszins weiterentwickeln.

Prompt zum Kopieren und Einfügen

Bitte liefern Sie 5 konkrete Pläne, um meine aktuelle Prompt-Struktur um eine Stufe zu verbessern. Schreiben Sie das Ziel, den erwarteten Verbesserungseffekt und das erwartete Risiko für jeden Plan auf, wählen Sie schließlich den stärksten Plan aus und nennen Sie den Grund für die Annahme sowie ein nächstes Anwendungsbeispiel.

Den Prompt-Inhalt Zeile für Zeile zu polieren, ist wichtig. Aber es gibt eine viel größere Welt "außerhalb" davon. Ob Sie die Perspektive eines Harnesses haben, verändert Ihre KI-Nutzung um eine Stufe.

Kapitel 7: 5 geheime Prompts, die niemand kennt

Dieses Kapitel enthält Nischenmuster, die in Standard-Prompt-Büchern selten zu finden sind. Einige stammen aus der Forschung, andere wenden Kognitionswissenschaft an. Dies sind Blickwinkel, die in Japan selten geteilt werden.

1. Frage-Neuformulierung – Vor der Antwort in eine neutrale Frage umformulieren lassen

KI hat die Angewohnheit, "dem Benutzer zu schmeicheln (übermäßige Anpassung)". Sie antwortet auf Ihre Aussage, indem sie vorwegnimmt, ob sie zustimmen oder widersprechen soll, und gibt eine unterwürfige Antwort. Um dies zu unterdrücken, ist es Berichten zufolge effektiver, sie Ihre Aussage vor der Antwort in eine "neutrale Frage" umformulieren zu lassen, als direkt zu befehlen "schmeichle nicht".

Versuchen Sie dies zu verwenden, wenn Sie eine Meinung wünschen, aber nur "Es ist genau, wie Sie sagen" bekommen.

Prompt zum Kopieren und Einfügen

Bevor Sie auf meine folgende Aussage antworten, formulieren Sie meine Aussage bitte immer zuerst in ein "neutrales Frageformat" um. Lehnen Sie es ab, Zustimmung oder Ablehnung zur ursprünglichen Aussage auszudrücken, und antworten Sie dann logisch. Aussage: [ ]

1. Verbalisiertes Sampling – Mehrere Pläne mit Wahrscheinlichkeiten ausgeben lassen

KI neigt dazu, bei derselben Frage jedes Mal ähnliche Antworten zu geben (ein Phänomen, bei dem die Ausgabevielfalt zusammenbricht). Die Gegenmaßnahme ist ein Muster, bei dem Sie mehrere Antwortpläne mit der "Wahrscheinlichkeit, mit der sie gewählt werden sollten", ausgeben lassen. Die Auswahl eines Plans aus der Wahrscheinlichkeitsverteilung kann Ideen hervorbringen, die bei normalen Prompts nicht entstehen.

Prompt zum Kopieren und Einfügen

Generieren Sie für das folgende Thema bitte 5 verschiedene Antwortpläne mit ihrer jeweiligen "Wahrscheinlichkeit, gewählt zu werden (%)". Die Gesamtwahrscheinlichkeit muss 100 % betragen. Wählen Sie schließlich einen Plan aus dieser Verteilung gemäß der Wahrscheinlichkeit aus und präsentieren Sie ihn. Thema: [ ]

1. Kontrafaktische Verankerung – Zuerst die gegenteilige Antwort ausgeben lassen

Dies ist ein Muster, das den "Ankereffekt" aus der Kognitionspsychologie anwendet. Indem Sie die KI zuerst die "völlig gegenteilige Antwort" zu derjenigen ausgeben lassen, die sie intuitiv geben möchte, brechen Sie die Trägheit in Richtung einer mittelmäßigen Lösung. Eine vorhersehbare Antwort wird plötzlich tiefgründig.

Hinweis: "Kontrafaktische Verankerung" ist mein geprägter Begriff. Das zugrundeliegende Prinzip (Ankereffekt) ist echte Kognitionswissenschaft, aber dieses spezifische Muster ist eine Anwendung.

Prompt zum Kopieren und Einfügen

Generieren Sie vor der Beantwortung der folgenden Frage zuerst eine "völlig gegenteilige Antwort" zu der, die Sie intuitiv geben möchten. Schreiben Sie 5 Gründe, warum dieser gegenteilige Plan richtig sein könnte. Geben Sie schließlich die endgültige Antwort, nachdem Sie diese Überprüfung durchlaufen haben. Frage: [ ]

1. Selbst-Pre-Mortem – Zuerst die Ursachen des Scheiterns auflisten

"Pre-Mortem" ist eine berühmte Denkmethode, bei der Sie denken "Wenn dieses Projekt scheitert, was wäre die Ursache?", bevor Sie beginnen. Wir wenden dies auf die KI-Aufgabenausführung an. Lassen Sie sie vor der Ausführung Fehlermuster auflisten und so ausführen, dass sie diese vermeidet. Effektiv für langwierige Aufgaben.

Hinweis: Die ursprüngliche Pre-Mortem-Methode ist real, aber ihre Anwendung auf KI ist meine eigene Verwendung.

Prompt zum Kopieren und Einfügen

Listen Sie vor der Ausführung der folgenden Aufgabe zuerst "5 angenommene Ursachen auf, wenn diese Aufgabe in der schlechtesten Qualität enden würde". Schreiben Sie für jede Ursache eine einzeilige Vermeidungsmaßnahme und führen Sie die Aufgabe aus, während Sie strikt alle diese Vermeidungsmaßnahmen befolgen. Aufgabe: [ ]

1. Kalibriertes Konfidenz-Prompting – Konfidenzniveaus angeben lassen

Die größte Schwäche der KI ist es, "Dinge mit voller Überzeugung zu sagen, auch wenn sie falsch liegen". Um dies zu stoppen, verwenden Sie ein Muster, bei dem jede Behauptung von einem "Konfidenzniveau (0-100 %)" begleitet werden muss. Halluzinationen werden sichtbar, was die Beurteilung der Zuverlässigkeit von Informationen viel einfacher macht.

Prompt zum Kopieren und Einfügen

Begleiten Sie bei der Beantwortung der folgenden Frage bitte jede Behauptung mit einem "Konfidenzniveau von 0-100 %". Kennzeichnen Sie weniger als 50 % als "Vermutung" und nur 70 % oder mehr als "Fakt". Geben Sie auch eine einzeilige Grundlage für jedes Konfidenzniveau an. Frage: [ ]

Ob Sie sie als Standardtechniken studieren oder als geheime Tricks aus Papieren und Prinzipien anwenden, die meisten Quellen sind kostenlos verfügbar. Die Kluft vergrößert sich ab denen, die es bemerken.

Kapitel 8: Der KI "Hände und Füße" geben – MCPs, die Sie installieren sollten

Bisher haben wir über Prompts gesprochen. Dieses Kapitel handelt davon, der KI "Hände und Füße" zu geben.

MCP (Model Context Protocol) ist ein offener gemeinsamer Standard zum Verbinden von KI mit externen Diensten und Daten. Einfach ausgedrückt ist es ein Mechanismus, um der KI "Fenster zur Berührung der realen Welt" hinzuzufügen. Die Installation davon verwandelt Claude von einem Chatbot in einen "Agenten mit Händen und Füßen".

Da MCP ein offener Standard ist, kann dieselbe Umgebung übertragen werden, sobald Sie sie in Claude Code oder Codex eingerichtet haben. Hier habe ich vier ausgewählt, die für Content-Ersteller wirklich nützlich sind.

1. Supadata MCP – Transkripte aus Videos in einem Rutsch extrahieren

Dies ist ein MCP, das Transkripte aus YouTube-, TikTok-, Instagram- und X (ehemals Twitter)-Videos in einem Rutsch extrahieren kann. Ausländische Content-Recherche, Konkurrenz-Videoanalyse und Trend-Erfassung werden viel schneller. Selbst für Videos ohne Untertitel kann dies durch die automatische Transkriptionsfunktion abgedeckt werden.

Anwendungsbeispiel:

Extrahiere das Transkript aus der folgenden YouTube-/TikTok-/X-Video-URL und fasse es in 5 Kernpunkten zusammen. URL: [ ]

Sie können sich von der zeitaufwändigen Aufgabe verabschieden, ausländische virale Videos bis zum Ende anzusehen.

1. Firecrawl MCP – Websites in sauberes Markdown konvertieren

Dies ist ein MCP, das jede Website in sauberes Markdown konvertiert, das KI leicht lesen kann. Es kann sogar Seiten verarbeiten, die mit JavaScript gerendert werden. Es wird schneller, KI Konkurrenzartikel, LPs oder Nachrichtenseiten lesen zu lassen, um Strukturanalysen oder Verbesserungsvorschläge auszugeben.

Anwendungsbeispiel:

Wandle die folgende URL mit Firecrawl in Markdown um und analysiere die Struktur und Schwächen der Ansprache in diesem Artikel. URL: [ ]

Leute, die jedes Mal von Hand kopieren und einfügen, können hier ihre Zeit zurückgewinnen.

1. Google Knowledge Graph MCP – Direkter Zugriff auf Entitätsinformationen

Dies ist ein MCP, bei dem KI direkt auf die Quelldaten des "Informationspanels" zugreifen kann, das auf der rechten Seite von Google-Suchen erscheint. Sie können strukturierte Daten zu realen Personen, Orten, Organisationen und Konzepten abrufen. Die Genauigkeit ändert sich bei der Faktenprüfung und Verifizierung von Personen-/Organisationsinformationen. Es wird zu einer Lebensader für Informationsanbieter.

Anwendungsbeispiel:

Hole Informationen zu "[Personen-/Organisationsname]" mit dem Google Knowledge Graph und überprüfe dann die faktischen Beziehungen in meinem Artikel.

1. Memory MCP – Der KI ein dauerhaftes Gedächtnis geben

KI hat eine Schwäche: "Der Gesprächsverlauf wird jedes Mal von Grund auf zurückgesetzt." Memory MCP löst dies. Projektentscheidungen, Ihre Präferenzen und in früheren Interaktionen gelernte Regeln bleiben auch nach dem Ende der Sitzung erhalten.

Anwendungsbeispiel:

Registriere die folgenden Präferenzen, Prämissen und laufenden Projektinformationen als dauerhaftes Gedächtnis im Memory MCP. Beziehe dich ab dem nächsten Mal immer zuerst auf diesen Inhalt, bevor du arbeitest.

Je öfter Sie dieselben Prämissen in jeder Sitzung erneut einfügen, desto mehr werden Sie den Effekt spüren. Claude entwickelt sich mit jeder Sitzung zu einem "Partner, der Sie versteht".

Mit diesen vier haben Sie sowohl "Eingabe (Video, Web, Entitätsinformationen)" als auch "Gedächtnis". Sammeln Sie die mit den ersten drei gesammelten Informationen mit Memory MCP in der KI. Der Effekt, wenn die vier zusammenarbeiten, ist größer als ihre individuelle Nutzung.

Kapitel 9: Automatisierung mit Claude Code & Codex – 5 Punkte und Fallstricke

Wenn Sie die Automatisierung mit Claude Code oder Codex "irgendwie betreiben", versäumen Sie einiges. Dieses Kapitel stellt fünf Punkte vor, um mit Automatisierung Ergebnisse zu erzielen, zusammen mit ihren jeweiligen Fallstricken.

1. Immer den Plan-Modus einfügen

Die Lebensader der Automatisierung ist, sie nicht plötzlich ausführen zu lassen. Lassen Sie sich im Plan-Modus die zu bearbeitenden Dateinamen, Funktionsnamen und die Reihenfolge der Schritte konkretisieren, bevor Sie zustimmen. Fügen Sie dies immer ein.

Fallstrick: Den Plan-Modus überspringen und direkt zur parallelen Ausführung springen. Parallelisierung ohne Planungs-Gate produziert nur schnell falsche Ergebnisse. Geschwindigkeit ist nur wertvoll, wenn die Richtung stimmt.

1. Dauerhafte Regeln in Konfigurationsdateien, zeitbezogene Anweisungen in Prompts

Es ist ein typischer Anfängerfehler, "dauerhafte Regeln, die jedes Mal befolgt werden sollen" in jeden Prompt zu stopfen. Schreiben Sie dauerhafte Regeln in Konfigurationsdateien (AGENTS.md für Codex, CLAUDE.md für Claude Code) und geben Sie nur "Anweisungen für dieses Mal" in den Prompt.

Fallstrick: Die Konfigurationsdatei zu groß machen. Wenn sie die Größenbeschränkung überschreitet, wird Inhalt abgeschnitten. Wenn die Datei groß wird, ist die gängige Praxis, sie nach Verzeichnishierarchie aufzuteilen.

1. Sub-Agenten sollten "spezialisiert + mit eingeschränkten Berechtigungen" sein

Weisen Sie Sub-Agenten "1 Funktion = 1 spezialisierte Rolle" zu und geben Sie ihnen nur die minimal notwendigen Werkzeuge.

Fallstrick: Sub-Agenten erben standardmäßig alle Werkzeugberechtigungen des übergeordneten Agenten. Da sie mit vollen Berechtigungen starten, kann dies zu Unfällen führen, wenn Sie sie nicht explizit einschränken. Außerdem verbrauchen Sub-Agenten mehr Token, da sie mehrere Modelle und Werkzeuge ausführen. Da Parallelisierung = erhöhte Kosten strukturell unvermeidbar ist, beschränken Sie es auf Aufgaben, die es wert sind, ausgeführt zu werden.

1. "Nicht überladen" ist die richtige Antwort für MCP

Ich habe MCP in Kapitel 8 vorgestellt, aber Übertreibung ist verboten. Je mehr MCPs Sie hinzufügen, desto mehr schwillt der Kontext jeder Nachricht an, was das Nutzungslimit drückt. Deaktivieren Sie MCPs, die Sie nicht verwenden. Das ist grundlegend.

Fallstrick: Alles MCP-isieren und 10 oder 20 einstecken. Neben der Einengung des Kontexts steigen auch die Sicherheitsrisiken. Es ist sicher, sich auf 3-5 zu beschränken, die Sie wirklich täglich verwenden.

1. Wiederkehrende Arbeit als "Skills" paketieren

Paketieren Sie Workflows, die Sie wiederholt verwenden, nicht als jedes Mal kopierten Prompt, sondern als Skill. Sowohl Claude Code als auch Codex haben Mechanismen, um wiederkehrende Arbeiten in Definitionsdateien zusammenzufassen und konsistent aufzurufen.

Fallstrick: Ohne Skill-Isierung durch jedesmaliges Kopieren und Einfügen von Prompts zu operieren. Die Varianz häuft sich an und die mentale Belastung steigt ständig. Jeder Workflow mit 2-3 konkreten Anwendungsbeispielen ist bereit für die Skill-Isierung. Wenn Sie sie unter der Prämisse schreiben, denselben Skill sowohl in Claude Code als auch in Codex zu verwenden, entstehen keine Kosten, selbst wenn Sie die Werkzeuge wechseln.

Die Essenz der Automatisierung ist der Unterschied zwischen "alles auf die KI abladen" oder "systematisieren". Fügen Sie den Plan-Modus ein, organisieren Sie Konfigurationsdateien, schränken Sie Berechtigungen ein, minimieren Sie MCP und skill-isieren Sie Wiederholungen. Richten Sie diese fünf Mechanismen zuerst ein, bevor Sie loslegen. Das allein entscheidet, ob Automatisierung zu einer "Beschleunigung" oder einem "Kontrollverlust" wird.

Kapitel 10: Es ist veraltet – Prompt-Gewohnheiten, die Sie aufgeben sollten

Das letzte Kapitel handelt von Subtraktion, nicht Addition. Ich behandle drei Gewohnheiten, die in Japan lange als "richtig" galten, aber in der neuesten Forschung und den neuesten Spezifikationen überdacht werden.

1. An alles "Du bist ein Experte in..." anhängen

Prompts, die eine Persona vergeben, sind ein klassischer Standard. Neuere Forschungen weisen jedoch darauf hin, dass sie "nicht allmächtig" sind. Während Experten-Personas für Sicherheits- und Moderationsaufgaben effektiv sind, deuten Berichte darauf hin, dass sie bei Faktenwiedererkennung und Argumentation tendenziell die Genauigkeit sogar verringern.

Mit anderen Worten, eine Persona ist keine "universelle Vorlage", sondern eine "punktgenaue Technik, die man gezielt einsetzt". Es ist in Ordnung, sie bei Sicherheitsurteilen, ethischen Urteilen oder Moderation anzuhängen. Aber bei Faktenfindung, Analyse, Codegenerierung oder Argumentationsaufgaben hängen Sie sie nicht unnötig an. Allein durch das Bewusstsein für diese Unterscheidung steigt die Genauigkeit um eine Stufe.

1. Mechanisches Anhängen von "Denke Schritt für Schritt"

"Denke Schritt für Schritt" und "Lass uns Schritt für Schritt denken" wurden ebenfalls lange als die stärksten Prompts behandelt. Neuere Modelle entwickeln sich jedoch dahingehend, dass das Modell selbst beurteilt, wann und wie viel es denken soll. Die technische Notwendigkeit, jedes Mal "denken" zu schreiben, schwindet.

Zukünftige Bedienung sollte sich darauf konzentrieren, den Zweck, die Einschränkungen und das erwartete Format der Aufgabe zu artikulieren, anstatt mechanisch Denkanweisungen anzuhängen. Und für komplexe Aufgaben, die Argumentation erfordern, schalten Sie die eigene Denkfunktion des Modells ein und überlassen Sie das Urteil der KI. Dies ist kompatibler mit der neuen Generation von Modellen.

1. Prompts von Hand schreiben und nach Intuition verfeinern

Dies ist vielleicht der größte Punkt. Viele Japaner schreiben Prompts von Hand als "Kunstwerke" und verfeinern sie durch Wortwahl und Intuition. Weltweit behandeln Profis Prompts hingegen als "Code". Sie entwerfen, versionieren, testen und optimieren, während sie mit Bewertungskriterien (Eval) bewerten.

Warum ist das so anders? Der Grund ist einfach. Handgeschriebene Intuition kann die "10 % der Fälle, in denen ein Prompt, der für 90 % der Eingaben funktioniert, katastrophal versagt", nicht erkennen. Daher erstellen sie zuerst eine Bewertungstabelle dafür, "was als richtige Antwort gilt", und messen den Prompt daran.

Der erste Schritt in Richtung "Eval-Denken", den Sie heute tun können:

(1) Führen Sie denselben Prompt 5 Mal aus und beobachten Sie die Varianz in der Ausgabe. (2) Notieren Sie 3 Bedingungen, die guten Ausgaben gemeinsam sind (dies ist ein einfaches Eval). (3) Erstellen Sie mehrere Versionen des Prompts auf Wortebene und vergleichen Sie sie, bis sie diese 3 Bedingungen erfüllen.

Übrigens: Selbst bei Wörtern, die dasselbe bedeuten, ändert sich die Ausgabe. Die Reaktion der KI ist subtil unterschiedlich zwischen "Berechne" und "Ermittle". Handgeschriebene Intuition kann diesen Unterschied auf Wortebene nicht kontrollieren. Deshalb lohnt es sich, Ihr Gehirn auf "messen und verbessern" umzustellen.

Ich habe in den Kapiteln 1 bis 9 viele Techniken zum Hinzufügen vorgestellt. Aber diejenigen, die wachsen, entscheiden auch, was sie "aufgeben".

Fazit – Prompts sind zu "Blaupausen für das Denken" geworden

Bisher habe ich etwa 40 Techniken und Know-how im Schnelldurchlauf vorgestellt. Abschließend möchte ich das, was ich in diesem Artikel vermitteln wollte, auf einen Punkt bringen.

Prompts sind keine "Anweisungen" mehr. Sie sind "Blaupausen für das Denken".

In Kapitel 1 haben wir die Denkweise selbst weitergegeben. In Kapitel 2 sind wir vom Ende aus rückwärtsgearbeitet. In Kapitel 3 haben wir KI als Legion betrieben. In den Kapiteln 4 bis 6 haben wir das Äußere des Prompts gestaltet = Kontext, interne Struktur und Harness. In Kapitel 7 haben wir geheime Tricks verwendet; in Kapitel 8 haben wir der KI mit MCP Hände und Füße gegeben; in Kapitel 9 haben wir Automatisierungsmechanismen eingerichtet; und in Kapitel 10 haben wir alte Gewohnheiten losgelassen.

Was sie alle gemeinsam haben, ist, dass sie schreiben, "wie man es denken und bewegen lässt", nicht "was man ausgeben soll". Befehle vs. Blaupausen. Dieser Unterschied bestimmt, ob KI ein "einfach nur praktisches Werkzeug" bleibt oder sich in einen "sich selbst steuernden Partner" verwandelt.

Die hier vorgestellten Techniken erfordern weder Talent noch Englischkenntnisse. Alles, was Sie brauchen, ist, zu versuchen, eine Zeile Ihres Prompts ab heute mit einer etwas anderen Struktur zu schreiben. Kopieren Sie ein Muster, das Ihnen aufgefallen ist, und fügen Sie es ein und probieren Sie es aus. Das wird Ihr erster Schritt sein.

Vielen Dank, dass Sie bis zum Ende gelesen haben. Ich hoffe, dieser Artikel dient als Katalysator, um Ihre Beziehung zur KI um eine Stufe zu heben.

Beratung zu KI hier 👇