OpenAI hat gerade einen Meta-Prompt veröffentlicht. Er soll das Formulieren und Feinabstimmen von Prompts für Sprachmodelle deutlich einfacher machen. Das Versprechen: Sie sparen Zeit und Mühe, und Ihre Anweisungen an die KI werden dabei auch noch besser. Klingt nach einer Win-win-Situation, oder?
Konkret steckt der Meta-Prompt direkt in OpenAIs Playground und arbeitet dort wie ein kluger Assistent für Ihr Sprachmodell. Ob Sie bei null anfangen oder einen bestehenden Prompt verbessern: Der Meta-Prompt bringt Best Practices und Erfahrungen aus der Praxis ein und führt das Modell so, dass es schneller und treffsicherer liefert, was Sie wollen.
Weniger Raten, mehr Struktur
Einen guten Prompt zu schreiben, kann sich anfühlen, als würde man Spaghetti an die Wand werfen und schauen, was hängen bleibt. OpenAI will das ändern und gibt Ihnen ein klares Erfolgsrezept. Der Meta-Prompt beginnt mit einer knappen Aufgabenbeschreibung, danach folgen weitere Details und optionale Abschnitte für konkrete Schritte, das Ausgabeformat, Beispiele und mehr.
Das bringt er mit:
- Aufgabenverständnis: Das Modell richtet sich auf das Hauptziel und die erwartete Ausgabe aus und weiß so, worauf Sie hinauswollen.
- Minimale Eingriffe: Arbeiten Sie mit einem bestehenden Prompt, schlägt der Meta-Prompt nur einfache Verbesserungen vor. Es geht ihm um Klarheit, und er baut nicht gleich alles um.
- Begründung vor Ergebnis: Zuerst kommen die logischen Schritte, erst dann die Schlüsse. Das fördert gründlicheres Nachdenken.
- Beispiele, aber richtig: Wo nötig, enthält der Prompt hochwertige, passende Beispiele, mit Platzhaltern für die kniffligeren Stellen.
- Klarheit und Kürze: Die Sprache ist präzise, konkret und ohne unnötiges Beiwerk.
- Markdown-Magie: Für bessere Lesbarkeit nutzt er Markdown, verzichtet aber auf Codeblöcke, solange sie nicht ausdrücklich verlangt werden.
- Nutzereingaben bleiben erhalten: Ausführliche Vorgaben oder Beispiele von Ihnen lässt er so weit wie möglich unangetastet.
- Festgelegtes Ausgabeformat: Sie müssen nicht raten, wie die Ergebnisse aufgebaut sein werden, denn er legt das Format klar fest.
So funktioniert es
Sie wollen den Meta-Prompt in Aktion sehen? Hier ein Blick auf den Code dahinter:
from openai import OpenAI
client = OpenAI()
META_PROMPT = """
Given a task description or existing prompt, produce a detailed system prompt to guide a language model in completing the task effectively.# Guidelines
– Understand the Task: Grasp the main objective, goals, requirements, constraints, and expected output.
– Minimal Changes: If an existing prompt is provided, improve it only if it’s simple. For complex prompts, enhance clarity and add missing elements without altering the original structure.
– Reasoning Before Conclusions**: Encourage reasoning steps before any conclusions are reached. ATTENTION! If the user provides examples where the reasoning happens afterward, REVERSE the order! NEVER START EXAMPLES WITH CONCLUSIONS!
– Reasoning Order: Call out reasoning portions of the prompt and conclusion parts (specific fields by name). For each, determine the ORDER in which this is done, and whether it needs to be reversed.
– Conclusion, classifications, or results should ALWAYS appear last.
– Examples: Include high-quality examples if helpful, using placeholders [in brackets] for complex elements.
– What kinds of examples may need to be included, how many, and whether they are complex enough to benefit from placeholders.
– Clarity and Conciseness: Use clear, specific language. Avoid unnecessary instructions or bland statements.
– Formatting: Use markdown features for readability. DO NOT USE “` CODE BLOCKS UNLESS SPECIFICALLY REQUESTED.
– Preserve User Content: If the input task or prompt includes extensive guidelines or examples, preserve them entirely, or as closely as possible. If they are vague, consider breaking down into sub-steps. Keep any details, guidelines, examples, variables, or placeholders provided by the user.
– Constants: DO include constants in the prompt, as they are not susceptible to prompt injection. Such as guides, rubrics, and examples.
– Output Format: Explicitly the most appropriate output format, in detail. This should include length and syntax (e.g. short sentence, paragraph, JSON, etc.)
– For tasks outputting well-defined or structured data (classification, JSON, etc.) bias toward outputting a JSON.
– JSON should never be wrapped in code blocks (“`) unless explicitly requested.The final prompt you output should adhere to the following structure below. Do not include any additional commentary, only output the completed system prompt. SPECIFICALLY, do not include any additional messages at the start or end of the prompt. (e.g. no "—")
[Concise instruction describing the task – this should be the first line in the prompt, no section header]
[Additional details as needed.]
[Optional sections with headings or bullet points for detailed steps.]
# Steps [optional]
[optional: a detailed breakdown of the steps necessary to accomplish the task]
# Output Format
[Specifically call out how the output should be formatted, be it response length, structure e.g. JSON, markdown, etc]
# Examples [optional]
[Optional: 1-3 well-defined examples with placeholders if necessary. Clearly mark where examples start and end, and what the input and output are. User placeholders as necessary.]
[If the examples are shorter than what a realistic example is expected to be, make a reference with () explaining how real examples should be longer / shorter / different. AND USE PLACEHOLDERS! ]# Notes [optional]
[optional: edge cases, details, and an area to call or repeat out specific important considerations]
""".strip()def generate_prompt(task_or_prompt: str):
completion = client.chat.completions.create(
model="gpt-4o",
messages=[
{
"role": "system",
"content": META_PROMPT,
},
{
"role": "user",
"content": "Task, Goal, or Current Prompt:\n" + task_or_prompt,
},
],
)return completion.choices[0].message.content
Mehr als nur Text
Und jetzt kommt der Clou: OpenAI hat nicht beim Text aufgehört. Es gibt auch eine Version des Meta-Prompts für die Audiogenerierung, mit ein paar Anpassungen an dieses Medium. Wenn Sie neugierig sind: Alles steht in der Dokumentation.
Für die Zukunft deutet OpenAI an, dass noch fortgeschrittenere Werkzeuge wie DSPy und Gradient Descent dazukommen könnten. Wenn Sie also schon jetzt beeindruckt sind: Bleiben Sie dran, das ist erst der Anfang.
Aus dem Englischen übersetzt: zum Originalbeitrag