Strukturierung Ihrer Anweisungen
Auf dieser Seite
Warum Struktur wichtig ist
Eine gut strukturierte Anweisung ist kein Luxus – sie ist eine Notwendigkeit. Die Modelle von Mistral werden auf riesige Mengen an strukturiertem Text trainiert: technische Dokumentationen, Artikel, Quellcode. Sie verstehen und befolgen Ihre Anweisungen besser, wenn diese klar organisiert sind, da diese Organisation dem entspricht, was sie Milliardenfach während des Trainings gesehen haben.
Stellen Sie sich vor, Sie geben mündliche Anweisungen einem Kollegen, während Sie alles vermischen: Die Frist ist in einer Anekdote versteckt, das erwartete Format rutscht am Ende eines Satzes unter, der Kontext wird nach der Anweisung geliefert. Das Ergebnis wäre verwirrend, und Ihr Kollege müsste raten, was wichtig ist. Das Gleiche gilt für ein Sprachmodell: Ihre Anweisungsstruktur bestimmt die Klarheit der Interpretation. Diese Lektion stellt Ihnen zwei Strukturierungswerkzeuge zur Verfügung – Markdown und XML-Tags – sowie ein Sektionsraster, um komplexe Anweisungen zu organisieren.
Markdown: Der natürliche Standard
Markdown ist das effektivste Strukturierungsformat für Mistral-Modelle aus drei sich gegenseitig verstärkenden Gründen. Erstens ist es lesbar: einfach für Sie zu schreiben und zu überprüfen, was wichtig ist, wenn eine Anweisung innerhalb einer Anwendung lebt und sich entwickelt. Zweitens ist es dem Modell vertraut: Markdown erscheint massiv in den Trainingsdaten, sodass das Modell seine Konventionen mühelos versteht. Schließlich wird es natürlich analysiert: Das Modell erkennt eindeutig Hierarchien von Überschriften, Listen und Codeblöcken und leitet die relative Wichtigkeit jedes Abschnitts ab.
So sieht das in einem Beispiel für eine Wettbewerbsanalyse aus:
# Aufgabe
Verfassen Sie einen Bericht zur Wettbewerbsanalyse.
## Kontext
Unternehmen: TechCorp, B2B SaaS, französischer Markt
Hauptkonkurrenten: AlphaSoft, BetaCloud, GammaTech
## Erwartetes Format
Für jeden Konkurrenten angeben:
- **Stärken**: maximal 3 Punkte
- **Schwächen**: maximal 3 Punkte
- **Preispositionierung**: niedrig / mittel / Premium
## Einschränkungen
- Maximale Wortzahl: 800
- Professioneller und faktischer Ton
- Keine strategischen Empfehlungen (nur Analyse)
Diese Anweisung verwendet Überschriften (#, ##), um Abschnitte zu trennen, fettgedruckten Text für Schlüsselelemente und Aufzählungslisten für Details. Das Modell versteht sofort die Hierarchie: zuerst die Aufgabe, dann der Kontext, dann das Format, dann die Sicherheitsvorkehrungen. Sie könnten dieses Dokument einem menschlichen Mitarbeiter übergeben, ohne ein Wort zu ändern – das ist ein gutes Zeichen.
XML-Tags: Maximale Präzision
Markdown organisiert; XML-Tags grenzen ab. Wenn Sie Blöcke von Daten oder Anweisungen ohne Mehrdeutigkeit isolieren müssen – insbesondere wenn Ihre Anweisung Anweisungen und zu verarbeitende Texte mischt – sind XML-Tags besonders effektiv:
<instructions>
Analysieren Sie den bereitgestellten Text und extrahieren Sie benannte Entitäten.
Kategorisieren Sie diese in: Personen, Organisationen, Orte.
</instructions>
<format>
Geben Sie das Ergebnis als JSON mit der Struktur zurück:
{"people": [], "organizations": [], "locations": []}
</format>
<text>
Präsident Macron traf sich mit dem Generalsekretär der WHO in Genf,
um die europäische Gesundheitsstrategie zu besprechen.
</text>
Der Vorteil besteht darin, dass das Modell genau weiß, wo jeder Abschnitt beginnt und endet. Wenn der zu analysierende Text einen Satz enthielt, der einer Anweisung ähnelte – „extrahieren Sie die Liste der Teilnehmer” zum Beispiel – würden die Tags verhindern, dass das Modell dies mit Ihren Anweisungen verwechselt. Diese Trennung zwischen Anweisungen und Daten ist der Grund, warum XML in produktiven Anweisungen wertvoll ist.
Die wesentlichen Abschnitte einer strukturierten Anweisung
Egal für welches Format Sie sich entscheiden, eine komplexe Anweisung organisiert sich um dieselben Abschnitte. Der erste und einzige zwingende Abschnitt ist die Aufgabe: Formulieren Sie immer klar, was Sie erwarten, ganz am Anfang. „Aufgabe: Übersetzen Sie den folgenden Text von Französisch ins Englische, wobei der formelle Register beibehalten wird” lässt keinen Zweifel an der Mission offen.
Als Nächstes folgt der Kontext, falls erforderlich: Hintergrundinformationen, die das Modell nicht erraten kann. Wenn Sie für eine Fintech-Start-up arbeiten, die eine Budgetmanagement-App für Einzelpersonen in Frankreich entwickelt, sagen Sie das – ohne diese Details würde das Modell für ein allgemeines Publikum schreiben und Sie müssten alles neu machen.
Der dritte Abschnitt, Regeln, rahmt das Verhalten ein: Listen Sie explizit auf, was das Modell tun muss und was nicht. Zum Beispiel: Verwenden Sie einen formellen Ton, erwähnen Sie keine Marken von Wettbewerbern, produzieren Sie Absätze von 50 bis 100 Wörtern. Jede schriftliche Regel ist eine Korrektur, die Sie nicht manuell vornehmen müssen.
Der vierte Abschnitt, Ausgabeformat: Beschreiben Sie genau die Form, die die Antwort annehmen muss. „Geben Sie eine Markdown-Tabelle mit den Spalten Kriterium | Bewertung (1-5) | Kommentar zurück” erzeugt ein Ergebnis, das direkt in Ihr Dokument kopiert werden kann, wohingegen das Fehlen einer Anweisung zu Prosa führt, die nachbearbeitet werden muss.
Schließlich lösen Beispiele verbleibende Mehrdeutigkeiten, indem sie ein erwartetes Ergebnis zeigen. Diese Technik ist so leistungsfähig, dass sie eine eigene Lektion hat: Wir werden darauf im Detail zurückkommen, wenn wir das Few-Shot Prompting behandeln.
Explizite vs. implizite Anweisungen
Mistral-Modelle raten Ihre Absichten nicht ab: Alles, was in Ihrem Kopf implizit ist, muss in Ihrer Anweisung explizit werden. Vergleichen Sie „Fassen Sie diesen Artikel zusammen” mit „Fassen Sie diesen Artikel in 3 Aufzählungspunkten zusammen, maximal 20 Wörter pro Punkt. Halten Sie sich an wichtige Zahlen. Verwenden Sie einen neutralen und faktischen Ton.” Die erste Version lässt das Modell entscheiden, über Länge, Format und Ton – drei Entscheidungen, die es möglicherweise anders treffen könnte als Sie. Die zweite Version lässt keinen Raum für Interpretation: Das Modell weiß genau, was es produzieren soll, und Sie erhalten jedes Mal das gleiche Ergebnis.
Schreiben Sie so, als wüsste das Modell nichts
Beenden wir mit einer grundlegenden Regel: Schreiben Sie Ihre Anweisung unter der Annahme, dass das Modell keinen vorherigen Kontext über Ihre Situation hat. Auch wenn etwas für Sie offensichtlich erscheint – wer Sie sind, was Sie erreichen wollen, wofür und in welchem Format – geben Sie es an und verlassen Sie sich auf den System-Prompt für permanente Elemente. Ein Autor, der in derselben Konversation hintereinander Anfragen sendet, kommt dazu, zu glauben, „das Modell weiß es”; aber sobald sich die Konversation ändert oder die Anweisung an anderer Stelle wiederverwendet wird, verschwindet alles Implizite. Dieser Ansatz „ohne Kontext” garantiert konsistente Ergebnisse, unabhängig vom Zustand der Konversation.
Kernaussagen
- Strukturieren Sie Ihre Anweisungen mit klaren Abschnitten (Markdown oder XML)
- Markdown ist für die meisten Fälle ideal; XML-Tags zur Isolierung von Daten
- Trennen Sie immer Aufgabe, Kontext, Regeln und erwartetes Format
- Machen Sie alles explizit, was in Ihrem Kopf implizit ist
- Schreiben Sie jede Anweisung so, als würde das Modell von vorne beginnen