Wie man mit jeder generativen KI arbeitet

Der Wechsel von ChatGPT zu Claude, zu Gemini, zu Grok oder zu einem beliebigen Open-Source-Modell sollte nicht bedeuten, dass man neu lernen muss, wie man prompte, was man vertrauen kann und was man sicher abgeben kann. Unter der Haube teilen sie die gleichen wenigen Eigenschaften, und mit den gleichen wenigen Gewohnheiten erzielt man bei allen gute Ergebnisse.

Anthropic lehrt beides in zwei kostenlosen Skilljar-Kursen: AI Capabilities and Limitations und AI Fluency Framework Foundations. Die Eigenschaften sind seit Jahren Teil des ML-Vokabulars, und die Gewohnheiten sind das, was gute Prompter schon immer getan haben.

Wie Chat-LLMs tatsächlich funktionieren

Jedes Chat-LLM hat unter der Haube die gleichen wenigen Eigenschaften. Nennen Sie diejenige, die Sie gerade gebissen hat, und die Korrektur folgt normalerweise.

• Vorhersage des nächsten Tokens. Das Modell rät das nächste Textstück basierend auf dem, was davor kam. Es schlägt nichts nach. Behandeln Sie die Ausgabe als Entwurf, überprüfen Sie alles, was wichtig ist.
• Wissen. Das Modell weiß nur, worauf es trainiert wurde, und das nur ungefähr. Für alles Aktuelle, Nischenhafte oder Private fügen Sie die Quelle ein, anstatt das Modell zu bitten, sich daran zu erinnern.
• Arbeitsspeicher. Kontextfenster sind endlich. Laden Sie keine ganzen Repositories hoch. Kürzen, zusammenfassen oder aufteilen, bevor Sie sie einfügen, und vermeiden Sie es, wichtige Inhalte in der Mitte langer Prompts zu vergraben.
• Steuerbarkeit. Modelle reagieren auf klare Anweisungen, Beispiele und Struktur. Wenn die Ausgabe falsch ist, korrigieren Sie zuerst die Eingabe. Zeigen Sie dem Modell, wie gutes Aussehen aussieht.
• Wenn Eigenschaften kollidieren. Eine Stärke in einer Situation wird in einer anderen zu einer Schwäche. Achten Sie auf Prompts, die gleichzeitig nach Kreativität und einem strengen Format fragen. Das Modell wird normalerweise bei einem nachgeben, um das andere zu bedienen.

Die Benennung, welche Eigenschaft schiefgelaufen ist (das Modell hat den System-Prompt vergessen, es hat eine Funktion erfunden, es hat das Format ignoriert), sagt Ihnen, welchen Hebel Sie als Nächstes betätigen müssen.

Die 4Ds, eine Methode zur Arbeit mit jeder KI

Die Professoren Rick Dakan (Ringling College) und Joseph Feller (University College Cork) haben das AI Fluency Framework um vier Gewohnheiten herum aufgebaut, die 4Ds.

• Delegation (Delegieren). Entscheiden Sie, was Sie abgeben und was Sie selbst tun. Alles, was echtes Urteilsvermögen, versteckten Kontext oder Fakten erfordert, die das Modell nicht überprüfen kann, ist normalerweise ungeeignet, unabhängig davon, welches Tool Sie verwenden.
• Description (Beschreibung). Sagen Sie dem Modell klar, was Sie wollen. Format, Beispiele, für wen es ist, was übersprungen werden soll. Gute Prompts funktionieren überall.
• Discernment (Urteilsvermögen). Lesen Sie die Antwort kritisch. Jedes Modell kann mit voller Zuversicht falsch liegen. Der Kurs koppelt Beschreibung und Urteilsvermögen als Schleife: Sie fragen, Sie überprüfen, Sie fragen erneut.
• Diligence (Sorgfalt). Seien Sie verantwortlich für das, was Sie veröffentlichen. Überprüfen Sie die Fakten, respektieren Sie die Privatsphäre, sagen Sie, wenn KI geholfen hat. So sollten Sie arbeiten, keine Funktion eines einzelnen Tools.

Warum das die Anbieterdebatte schlägt

Darauf zu wetten, dass man "gut in ChatGPT-Prompts ist" oder "die Claude-Tricks kennt", bedeutet, jedes Mal die Hälfte neu zu lernen, wenn Ihr Team die Tools wechselt. Die Rangliste ändert sich alle paar Monate. Die Eigenschaften und die 4Ds nicht, sie zahlen sich bei jeder Veröffentlichung weiterhin aus.

Beide Kurse sind kostenlos und kurz. Nehmen Sie sie in der Reihenfolge: Zuerst Capabilities, dann Fluency.