Best Practices und häufige Fehler
Auf dieser Seite
Aktualisiert am 3. November 2026. Basierend auf der xAI API-Referenz:
max_completion_tokensbegrenzt nur die sichtbare Antwort; Rechen-Token zählen nicht dazu, undreasoning_effortsteuert deren Menge. Quelle: Chat Completions.
Zusammenfassung und Leitplanken
In dieser abschließenden Lektion werden wesentliche Best Practices und die häufigsten Fehler beim Prompting mit Grok behandelt. Nutzen Sie diese Lektion als Referenz-Checkliste, die Sie bei der Erstellung oder Verfeinerung von Prompts konsultieren.
Best Practices
1. Strukturieren Sie Ihre Prompts systematisch
Trennen Sie stets Kontext, Aufgabe und Einschränkungen. Das Modell findet einen Block von Text schwieriger zu interpretieren als einen Prompt, der in Abschnitte unterteilt ist.
2. Nutzen Sie die Systemnachricht für dauerhafte Anweisungen
Platzieren Sie alles, was auf jeden Austausch anwendbar sein muss (Sprache, Format, Ton, Einschränkungen), in der Systemnachricht. Platzieren Sie situative Anweisungen in den Benutzernachrichten.
3. Geben Sie Beispiele statt Beschreibungen
Wenn das Ausgabeformat komplex ist, ist ein Beispiel tausend Worte Beschreibung wert. Few-Shot-Prompting ist fast immer effektiver als eine detaillierte Erklärung des erwarteten Formats.
4. Passen Sie das Modell der Aufgabe an
- Einfache und schnelle Aufgabe:
grok-4.3odergrok-build-0.1(für Code) - Komplexe Aufgaben zur Schlussfolgerung:
grok-4.20-0309-reasoningmit hohem Aufwand - Bildanalyse:
grok-4.5mit Detail-Einstellung (niedrig/hoch)
5. Passen Sie die Temperatur dem Ziel an
- Extraktion, Klassifizierung, Fakten: Temperatur 0 bis 0,3
- Professionelles Schreiben, Zusammenfassung: Temperatur 0,4 bis 0,7
- Brainstorming, Kreativität: Temperatur 0,8 bis 1,5
6. Testen Sie mit dem seed-Parameter
Um zwei Prompt-Formulierungen objektiv zu vergleichen, verwenden Sie denselben Seed. Dies eliminiert Variabilität durch Zufälligkeit und ermöglicht es Ihnen, die Auswirkung Ihrer Änderung zu messen.
7. Erstellen Sie eine Prompt-Bibliothek
Bewahren Sie Ihre besten Prompts in einer Bibliothek auf, die nach Anwendungsfällen organisiert ist. Ein guter Prompt ist eine Investition: Er gewinnt mit jeder Wiederverwendung an Wert.
Häufige Fehler
Fehler 1: Unklare Prompts
Das Modell ist nicht telepathisch. Je spezifischer Sie sind, desto besser ist das Ergebnis.
Fehler 2: Ignorieren der Grenzen von Schlussfolgerungsmodellen
Grok-Schlussfolgerungsmodelle unterstützen bestimmte Parameter nicht: frequency_penalty, presence_penalty und stop führen zu einem Fehler. Erlauben Sie für komplexe Aufgaben eine Zeitüberschreitung von 3.600 Sekunden.
Fehler 3: Ändern der Verlaufsgeschichte mitten im Gespräch
Die Grok-API ist zustandslos. Das Ändern der Verlaufsgeschichte bricht den Inferenz-Cache und verschlechtert die Leistung.
Fehler 4: Gleichzeitige Verwendung von Temperatur und top_p
Das gleichzeitige Ändern von Temperatur und top_p führt zu unvorhersehbaren Ergebnissen. Wählen Sie entweder das eine oder das andere.
Fehler 5: Vernachlässigung von Rechen-Token im Budget
Bei Schlussfolgerungsmodellen addieren sich Rechen-Token zur sichtbaren Antwort und werden mit dem Ausgabe-Tarif berechnet, doch max_completion_tokens begrenzt sie nicht: Es limitiert nur die sichtbare Antwort. Um diese Kosten zu steuern, setzen Sie den Rechen-Aufwand (reasoning_effort) und überwachen Sie reasoning_tokens in der Nutzung.
Fehler 6: Nicht Angeben des Ausgabeformats
Ohne Formatanweisungen wählt das Modell das Format, das es für angemessen hält. Geben Sie stets das erwartete Format an.
Fehler 7: Zu viel irrelevanter Kontext
Die xAI-Dokumentation empfiehlt ausdrücklich, irrelevante Informationen aus dem Kontext auszuschließen.
Fehler 8: Speichern von Verlaufsgeschichte mit Bildern
Verwenden Sie store: false bei Anfragen, die Bilder enthalten, um Fehler zu vermeiden.
Kurszusammenfassung
In diesen 14 Lektionen haben Sie gelernt:
- Prompts zu strukturieren mit Klarheit, Kontext und Format (Lektionen 1–4)
- Fortgeschrittene Techniken zu nutzen: Few-Shot, Chain of Thought, Systemanweisungen, Iteration, Multimodal (Lektionen 5–9)
- Prompting auf reale Beispiele anzuwenden: Schreiben, Analyse, Code (Lektionen 10–12)
- Experten-Prompts zu erstellen, indem Sie einen methodischen Prozess befolgen (Lektion 13)
Prompting ist eine Fähigkeit, die sich durch Übung verbessert. Jeder verfeinerte Prompt bereichert Ihre Erfahrung und Ihre Bibliothek wiederverwendbarer Vorlagen.
Wichtige Erkenntnisse
- Strukturieren Sie Ihre Prompts stets in klar getrennte Abschnitte
- Passen Sie das Modell und die Parameter jeder Aufgabe an
- Geben Sie Beispiele statt langer Beschreibungen
- Vermeiden Sie klassische Fehler: inkompatible Parameter, geänderter Verlauf, übermäßiger Kontext
- Dokumentieren und wiederverwenden Sie Ihre besten Prompts
- Prompting ist iterativ: Testen, diagnostizieren, anpassen
Wissen prüfen
Nach dem Experten-Workshop eine abschließende Überprüfung der Grok-Prompting-Techniken.
1. Was ist die Systemrolle im Vergleich zu den Benutzer- und Assistentenrollen?
Antwort: Die Systemrolle legt den dauerhaften Rahmen für das Gespräch fest – Identität, Regeln, Format –, während der Benutzer Anfragen trägt und der Assistent Antworten: Anwendungsanweisungen vermischen sich nicht mit dem Dialog.
2. Wann die Temperatur senken?
Antwort: Bei faktischen Aufgaben, Extraktion und Code, bei denen Variation ein Defekt ist; erhöhen Sie sie für Kreativität – die Einstellung folgt dem Kostenfaktor einer anderen Antwort von einem Lauf zum nächsten.
3. Was gewinnen Sie mit Chain of Thought?
Antwort: Bei Schlussfolgerungsaufgaben führt das Anfordern von Schritten vor dem Ergebnis signifikant zu weniger Fehlern – das Modell entfaltet sich statt zum Plausiblen zu springen.
4. Wie prompten Sie im Multimodal (Text + Bild)?
Antwort: Indem Sie die Analyse wie Text formulieren: präzise Frage, Kriterien, Ausgabeformat – das Bild ist Daten, der Prompt bleibt die Methode.
5. Nennen Sie zwei häufige Fehler, die zu vermeiden sind.
Antwort: Fangal-Anfragen ohne Struktur oder Format und mangelnde Iteration – das erste Ergebnis anzunehmen statt zu verfeinern; die Kurs-Best Practices sind genau das Gegenteil.
Klarer Rahmen, angepasste Einstellungen, Iterationen: Die Techniken reduzieren sich auf drei Schritte – der Workshop hat Ihnen ermöglicht, sie zu üben, Ihre Projekte werden die Erträge ernten.