Wird geladen
Wird geladen

System-Prompts sind eine leistungsstarke Möglichkeit, anzupassen, wie Claude auf Benutzereingaben reagiert. Statt generischer Antworten kannst du Claudes Ton, Stil und Herangehensweise so gestalten, dass sie zu deinem spezifischen Anwendungsfall passen.

Anforderungen des Mathe-Tutor-Spezialisten, unten aufgelistet, neben einem Chatfenster, in dem die KI-Antwort drei Punkte anzeigt.

Warum System-Prompts wichtig sind

Stell dir vor, du baust einen Mathe-Tutor-Chatbot. Wenn ein Schüler fragt „Wie löse ich 5x + 2 = 3 nach x auf?“, möchtest du, dass Claude sich wie ein echter Tutor verhält und nicht einfach die Antwort ausspuckt. Ein guter Mathe-Tutor sollte:

  • Zunächst Hinweise statt vollständiger Lösungen geben
  • Schüler geduldig Schritt für Schritt durch Probleme führen
  • Lösungen für ähnliche Probleme als Beispiele zeigen

Du möchtest definitiv nicht, dass Claude:

  • Sofort direkte Antworten gibt
  • Schülern sagt, sie sollen einfach einen Taschenrechner benutzen

Wie System-Prompts funktionieren

Drei Vorteile von System-Prompts, die Claudes Ton und Antwortstil anpassen, mit dem darunter gezeigten Mathe-Tutor-Code.

System-Prompts geben Claude eine Anleitung, wie es antworten soll. Du definierst sie als einfache Strings und übergibst sie an den Aufruf der create-Funktion. Die wichtigsten Vorteile sind:

  • System-Prompts geben Claude eine Anleitung, wie es antworten soll
  • Claude wird versuchen, so zu antworten, wie es jemand in der angegebenen Rolle tun würde
  • Hilft dabei, Claude bei der Aufgabe zu halten

Hier ist die grundlegende Struktur:

python
system_prompt = """
You are a patient math tutor.
Do not directly answer a student's questions.
Guide them to a solution step by step.
"""

client.messages.create(
    model=model,
    messages=messages,
    max_tokens=1000,
    system=system_prompt
)

Den Unterschied erkennen

Ohne System-Prompt gibt Claude sofort eine vollständige Schritt-für-Schritt-Lösung. Das mag hilfreich sein, ermutigt den Schüler aber nicht dazu, das Problem selbst zu durchdenken.

Mit dem System-Prompt des Mathe-Tutors ändert sich Claudes Antwort dramatisch. Statt die vollständige Lösung zu liefern, stellt Claude Leitfragen wie „Was denkst du, wäre ein guter erster Schritt, um x zu isolieren? Überlege, welche Operation wir auf beiden Seiten durchführen müssten, um die Terme umzustellen.“

Eine flexible Chat-Funktion erstellen

Statt System-Prompts fest einzucodieren, kannst du deine Chat-Funktion wiederverwendbarer gestalten, indem du System-Prompts als Parameter entgegennimmst:

python
def chat(messages, system=None):
    params = {
        "model": model,
        "max_tokens": 1000,
        "messages": messages,
    }
    
    if system:
        params["system"] = system
    
    message = client.messages.create(**params)
    return message.content[0].text

Dieser Ansatz behandelt ein wichtiges Detail: Claudes API akzeptiert kein system=None, daher musst du den system-Parameter nur bedingt einbeziehen, wenn er angegeben wird.

Jetzt kannst du deine Chat-Funktion mit oder ohne System-Prompt aufrufen:

python
# Ohne System-Prompt
answer = chat(messages)

# Mit System-Prompt
system = """
You are a patient math tutor.
Do not directly answer a student's questions.
Guide them to a solution step by step.
"""
answer = chat(messages, system=system)

System-Prompts sind essenziell für die Erstellung von KI-Anwendungen, die sich konsistent und angemessen für ihren vorgesehenen Zweck verhalten. Sie verwandeln generische KI-Antworten in spezialisierte, rollengerechte Interaktionen.