Ihr KI-Agent braucht kein Manifest. Er braucht eine präzise, ​​eindeutige Spezifikation. So schreiben Sie eine.

Wir haben kürzlich die Prompts unserer KI-Rezeption überarbeitet. Die vorherige Version umfasste 450 Zeilen, war elegant strukturiert und enthielt sorgfältig begründete Richtlinien – nahm aber so viel Kontextfenster ein, dass der Agent kaum noch Zeit hatte, dem Anrufer zuzuhören! Damit Ihnen diese Probleme erspart bleiben, zeigt Ihnen dieser Blogbeitrag – Teil 1 folgt in Kürze –, wie Sie von langen Texten zu klaren Anweisungen gelangen. Lesen Sie weiter, um mehr zu erfahren!

Der Fehler, den jeder zuerst macht

Wir sind nicht die Einzigen, denen dieser Fehler unterläuft. Fast jeder 3CX-Kunde, der zum ersten Mal ein Prompt bearbeitet, macht denselben Fehler: Er behandelt die Abfrage wie ein Richtliniendokument, einen Vertrag oder – schlimmer noch – eine kreative Schreibaufgabe.

Hier liegt die Falle: Da Abfragen in Englisch verfasst sind, vergessen die Nutzer, dass sie Code schreiben. Sie schreiben Absätze. Sie fügen Adjektive hinzu. Sie definieren Begriffe, die das Modell bereits kennt. Sie wiederholen dieselbe Anweisung fünfmal, weil sie ihnen wichtig erscheint.

Das Modell liest Fließtext nicht wie ein Mensch. Jedes Wort in Ihrer Abfrage kostet Kontext, Aufmerksamkeit und – oft – Konsistenz. Eine lange Abfrage ist nicht unbedingt eine sorgfältigere Abfrage. Sie ist in der Regel schlechter.

Dieser Leitfaden basiert auf unseren Erfahrungen beim Überarbeiten unserer eigenen Abfrage. Wenn Sie das Prompt eines 3CX-KI-Agenten bearbeiten, lesen Sie sie vor dem Speichern sorgfältig durch.

Die englische Falle

Als die Entwicklung von Prompt-Anweisungen noch bedeutete, API-Anweisungen in reinem JSON zu schreiben, wurde dies als technische Disziplin respektiert. Jetzt, da die Anweisungen auf Englisch sind, schreiben die Leute so, als würden sie einem neuen Mitarbeiter eine Slack-Nachricht schreiben.

Schau dir diesen Ausschnitt aus der alten Version unserer eigenen Prompt-Anweisung an:

„Der Grund des Anrufers muss vor der Übergabe angegeben werden, darf aber nicht dazu verwendet werden, das angeforderte Ziel zu identifizieren, einzugrenzen, zu priorisieren, zu unterscheiden, zu ersetzen oder zu überschreiben.“

Dieser Satz ist grammatikalisch korrekt, gut durchdacht und für ein Modell in einem realen Gespräch kaum konsistent nachzuvollziehen. Sechs beinahe synonyme Ausdrücke. Zwei Teilsätze. Eine Negation, die eine Forderung umschließt. Bereits im dritten Gesprächsteil interpretiert das Modell den Satz anders als im ersten.

So lautete die endgültige Fassung:

„Nutzen Sie die Informationssuche nicht, um zu entscheiden, wer einen Anruf erhalten soll.“

Ein Satz. Eine Anweisung. Absolut eindeutig. Gleiches Verhalten.

Erste Regel für prozedurales Schreiben: Englisch ist die Sprache, nicht der Text. Sie schreiben immer noch Anleitungen. Kurz, prägnant, testbar. Wenn sich ein Satz wie ein Text aus einem Nutzungsbedingungen-Dokument liest, löschen Sie ihn und versuchen Sie es erneut.

Hören Sie bitte auf, Dinge für das Modell zu definieren.

Die alte Aufforderung enthielt dieses Juwel:

„Eine Übergabe ist jeder zulässige nächste Schritt, der durch eine der unten aufgeführten Aktionen ausgeführt wird.“

Das Modell weiß, was eine Übergabe ist. Es kennt auch die Bedeutung von „Weiterleitung“, „Voicemail“ und „E-Mail“. Alltagsbegriffe dem Modell zu erklären, ist eine Angewohnheit aus der technischen Dokumentation für Menschen. In einer Eingabeaufforderung verbraucht sie jedoch nur Platz und bietet dem Modell die Möglichkeit zur Fehlinterpretation.

Dasselbe gilt für formale Abschnittsüberschriften. Die alte Eingabeaufforderung enthielt:

  • Obligatorische Durchsetzung
  • Prioritätsreihenfolge
  • Basisschema
  • Aktionsauswahlregeln.

Diese lesen sich wie aus einem RFC. Sie tragen nicht zum Verhalten bei. Die neue Eingabeaufforderung verwendet Überschriften wie Stil, Routing, Aggressivität – kurze Bezeichnungen, die den Inhalt des Abschnitts beschreiben, nicht dessen Ernsthaftigkeit.

Regel zwei: Wenn eine Zeile das Verhalten des Modells nicht ändert, löschen Sie sie.

Sagen Sie es einmal

Eines der größten Probleme bei langen Prompts ist, dass dieselbe Regel an vier Stellen auftaucht. In unserer alten Version erschien die Regel „Nicht übergeben, wenn das Ziel unklar ist“ mit leichten Abweichungen in folgenden Abschnitten:

  • Regel bei unklarem Ziel
  • Übergabe-Aktionsgate
  • Verzeichnisregeln
  • Vertrag für vertrauliche Ausgabe

Jede dieser Formulierungen unterschied sich geringfügig. Ein Mensch, der diese Texte liest, sieht vier Versionen derselben Idee und versteht die Intention. Ein Modell hingegen sieht vier Regeln – und wenn diese nicht vollständig übereinstimmen, muss es sich entscheiden. Manchmal fällt die Entscheidung beim dritten Aufruf des Tages anders aus als beim ersten.

Regel drei: Jede Regel gehört genau an eine Stelle. Wenn Sie eine Regel durch Wiederholung in einem neuen Abschnitt verstärken, benötigen Sie keinen neuen Abschnitt. Sie benötigen eine klarere erste Version.

Stapeln Sie nicht Verbote

Schauen Sie sich das an:

„Wählen Sie nicht das erste, beste, verfügbare oder relevanteste Ergebnis.“

Das sind vier negative Anweisungen, wo eine positive Anweisung genügen würde. Die Regel bedeutet also Folgendes:

„Wenn die Suche mehrere Treffer liefert, bitten Sie den Anrufer um eine genauere Erläuterung.“

Positive Anweisungen geben dem Modell vor, was es tun soll. Negative Anweisungen zeigen dem Modell, was es vermeiden soll, wodurch die Frage offenbleibt, was stattdessen zu tun ist – und das Modell wird eine Antwort finden.

Regel vier: Bevorzugen Sie positive Anweisungen. Verwenden Sie „nicht“ nur, wenn es keine positive Entsprechung gibt.

Achten Sie auf Widersprüche

Das ist der heimliche Killer. Die alte Ansage enthielt zwei Abschnitte, die, zusammen gelesen, widersprüchlich waren:

  • Routing nach Grund: Wenn der Anrufer einen Grund angibt, wird das Adressbuch verwendet, um das Ziel zu ermitteln.
  • Routing nach gewünschtem Ziel: Wenn der Anrufer nach einer Person oder Abteilung fragt, wird der Grund nicht für das Routing verwendet.

Beides ist richtig. Beides ist nachvollziehbar. Doch in einer langen Ansage mit sich überschneidenden Beispielen und sich gegenseitig verstärkenden Unterregeln ist das Modell verwirrt, welche Regel zutrifft – und diese Verwirrung äußert sich in inkonsistentem Verhalten, das der Kunde bei Bedarf nie reproduzieren kann.

Verwenden Sie OpenAI Tokenizer, um zu sehen, wie das Modell Ihre Ansage in Tokens zerlegt. Lesen Sie die Ansage anschließend noch einmal, als ob Sie nichts über Ihr Unternehmen wüssten, und zwar in der vorgegebenen Reihenfolge und ohne Kontext. Wenn zwei Regeln plausibel auf dieselbe Situation anwendbar wären und zu unterschiedlichen Aktionen führen könnten, liegt ein Widerspruch vor – selbst wenn Sie erklären können, warum sie nicht im Konflikt stehen.

Regel fünf: Eine Ansage ist konsistent, wenn keine zwei Regeln gleichzeitig anwendbar und widersprüchlich sein können. Nicht, wenn Sie den Unterschied rationalisieren können.

In den nächsten Tagen veröffentlichen wir Teil 2 dieser Serie. Darin gehen wir genauer auf die Möglichkeiten und Grenzen des Modells ein, geben Tipps für Einsteiger in die Welt der Prompt-Systeme und vieles mehr. Bleiben Sie dran!

Folgen Sie uns für Neuigkeiten

Beteiligen Sie sich an der V20-Diskussion in unseren entsprechenden Partner– oder Kundenforen. Folgen Sie uns auf X und LinkedIn, um über Neuigkeiten und neue Funktionen auf dem Laufenden zu bleiben.