Pattern: Kontext füttern statt vage fragen
Gib der KI Dateien, Fehlermeldungen und Einschränkungen mit – das bringt bessere Antworten als eine vage Frage.
Das Problem
"Warum geht mein Code nicht?" ist ein schwer beantwortbarer Prompt – die KI sieht ja nichts von deinem Code. Ohne Kontext muss sie raten. Und raten führt zu Halluzinationen oder generischen, nutzlosen Antworten.
Das Pattern
Gib der KI konkretes Material statt einer abstrakten Frage:
- Die betroffene Datei oder den relevanten Ausschnitt
- Die exakte Fehlermeldung (kompletter Text, nicht Zusammenfassung)
- Was du erwartet hast vs. was passiert ist
- Relevante Einschränkungen ("darf keine neuen Pakete installieren", "muss mit Node 18 laufen")
Vorher/Nachher
Schwach: "Mein Login funktioniert nicht, hilf mir." Stark: "Hier ist login.js [Datei einfügen]. Beim Klick auf 'Anmelden' bekomme ich diese Fehlermeldung in der Konsole: 'TypeError: Cannot read property token of undefined'. Erwartet: erfolgreicher Login und Redirect zu /dashboard."
Warum das funktioniert
Ein LLM kann nur mit dem arbeiten, was im Kontextfenster steht. Je mehr echte, relevante Information du gibst, desto weniger muss die KI raten – und desto präziser und korrekter wird die Antwort. Mehr Kontext heißt nicht "alles reinkopieren", sondern gezielt das Relevante.
BEISPIEL
Prompt: 'Hier ist der Stacktrace [einfügen] und die Datei auth.py [einfügen]. Der Fehler tritt beim Login mit gültigen Zugangsdaten auf. Finde die Ursache.'
KURZ-QUIZ
Was verbessert eine Anfrage an eine KI am meisten?
QUELLEN
- Anthropic-Doku: Klar und direkt formulieren ↗ docs.anthropic.com
- Anthropic-Doku: Tipps für lange Kontexte ↗ docs.anthropic.com
- Anthropic-Doku: Prompt Engineering Übersicht ↗ docs.anthropic.com