Werk:AI mit Arnie/Prompt Engineering Basics

LLMs meistern

YT: 3PROMP~1 (10:20)

Large Language Models oder LLMs können natürlich richtig richtig viele Dinge. Aber wenn man es runterbricht auf die wirklichen Dinge, also die Dinge, die sie wirklich können, sind es eigentlich nur zwei: Sie können Texte bzw. Code – Code ist eigentlich nichts anderes als Text – erweitern und zusammenfassen. Das heißt, du gibst wenige Wörter, und es kommen viele Wörter raus, oder du gibst viele Wörter, und es kommen wenig Wörter raus. Das sind eigentlich die zwei Dinge, die Large Language Models können.

Natürlich haben wir hier auch ein Diffusion-Modell dabei, viele andere Zugriffe und so weiter. Aber das Modell an sich, das Modell von OpenAI, das wirklich den Großteil der Arbeit macht – diese Modelle können nur die zwei Dinge: Texte erweitern, Texte zusammenfassen.

Nun ist aber wichtig zu verstehen, dass sowohl das Erweitern als auch das Zusammenfassen nur funktioniert, wenn man gute Prompts verwendet. Und worum geht es im Prompt? Es geht eigentlich nur darum, Kontext zu geben.

Lasst uns einfach mal ein Beispiel von einem schlechten Prompt machen. Dann erkläre ich ein Konzept, wie man einen solchen Prompt besser machen kann:

„Ich will einen Artikel zu Handy’s schreiben. Gib ihn mir.“

Das ist ein unglaublich schlechter Prompt. Der Prompt ist nicht schlecht, weil ich Rechtschreibfehler drinnen habe, sondern weil ich keinen Kontext gebe. Der einzige Kontext ist, dass wir einen Artikel zu Handys wollen. Natürlich bekommen wir hier höchstwahrscheinlich sofort schon einen Artikel, oder das Modell fragt uns nach mehr Kontext. Mittlerweile machen die Modelle das schon relativ gut. Du siehst, das Modell hilft uns hier schon ein klein wenig, damit wir besser arbeiten.

Also: Wähle ein Thema. Handys sind ein breites Thema, und es ist wichtig, dass Sie sich auf einen bestimmten Aspekt konzentrieren. Recherchieren Sie, erstellen Sie eine Gliederung, schreiben Sie einen Artikel, überarbeiten Sie den Artikel.

Ich hoffe, also, wir bekommen hier jetzt schon sofort nur breite Tipps und nicht direkt den Artikel, weil unser Prompt halt so schlecht war. Wir sagten nur: „Wir wollen einen Artikel zu Handys schreiben. Gib ihn mir.“ Also: Der Prompt ist unglaublich schlecht, dementsprechend ist auch der Output schlecht.

Das heißt: Das Ding, was wir brauchen, ist Kontext. Wie wir den Kontext ganz genau geben, ist, um ehrlich zu sein, noch nicht mal so wichtig. Es gibt den Chain-of-Thought-Prompt, Tree-of-Thought, strukturierte Prompts – es gibt haufenweise Namen für haufenweise verschiedene Prompting-Konzepte.

Aber das aller Allerwichtigste, was ich dir jetzt hier mitgeben will – und muss sogar – ist: Semantic Association.

Was bedeutet Semantic Association? Das bedeutet einfach nur, dass sich dieses Modell Dinge dazu denken kann. Ähnlich wie du. Sage ich zu dir z. B. „das alte Rom“, hast du mit großer Wahrscheinlichkeit Bilder und Wörter in deinem Kopf, die mit dem alten Rom zu tun haben. Vielleicht hattest du antike Römer, das achte oder neunte Jahrhundert im Kopf. (Ich bin kein Geschichtsexperte, ich hoffe, ich bringe das nicht durcheinander.) Das sind zumindest die Dinge, die ich jetzt sofort im Kopf hatte.

Das heißt: Semantic Association bedeutet einfach nur, dass diese Modelle assoziativ sind – sie denken sich Dinge dazu. Warum machen sie das? Du hast gelernt, was ein Large Language Model macht: Es nimmt deine Wörter, teilt die Wörter in Wort-Token und sucht danach in entsprechenden Texten.

Wenn wir jetzt z. B. „das alte Rom“ dabei haben, also die Wörter „das alte Rom“, dann wird höchstwahrscheinlich in Texten gesucht, wo „das alte Rom“ steht. Und die Wahrscheinlichkeit ist sehr, sehr groß, dass in diesen Artikeln auch die Wörter „die Römer“ und so weiter mit dabei sind, mit drinnen sind. Dementsprechend sucht das Modell an den richtigen Orten. Und dementsprechend kannst du auch deinen Output besser anpassen.

Wenn du dem Modell z. B. sagst: „Schreibe den Artikel für einen Vierjährigen“, dann wird das runtergebrochen. Die Dinge sind assoziativ, also suchen sie erstmal natürlich in Artikeln, die vielleicht für Vierjährige geschrieben worden sind. Das heißt, wir bekommen den Stil wieder von diesem Ding. Und so funktioniert das: Du kannst einfach nur Wörter, Stichwörter, Dinge dazugeben. Die Modelle sind assoziativ und suchen dementsprechend in den richtigen Texten.

Lasst uns ein klitzekleines Beispiel machen von diesem Artikel zu Handys. Ein solcher Prompt würde z. B. besser funktionieren. Sehen wir uns mal kurz an, was ich jetzt gemacht habe. Ich habe hier im Übrigen einige Dinge kombiniert, aber wir berücksichtigen vor allem diese Semantic Association.

Erstmal: „Du bist ein Experte für Handys.“ Ich gebe diesem Modell jetzt eine Rolle – das nennt man Rollenprompting.

„Du kennst dich mit dem Google Pixel 8 Pro aus.“ Also: Er ist Experte beim Google Pixel 8 Pro.

„Schreibe einen 600 Wörter langen Artikel, warum das Google Pixel 8 Pro gut ist.“

Wir sagen jetzt in den sogenannten strukturierten Prompts, was genau gemacht werden muss: ein 600 Wörter langer Artikel, und es soll erwähnt werden, warum das Google Pixel 8 Pro gut ist. Jetzt werfe ich einfach nur noch ein paar Stichwörter mit rein: „Gemini Nano“, „LLM“ und „On-Device“.

Das Gemini Nano ist einfach nur das Large Language Model, das auf dem Google Pixel 8 Pro integriert werden sollte. Ich hoffe, dass hier alles richtig und gut eingesetzt wird, denn diese Dinge sind noch relativ neu.

Das heißt: Wir haben eine Rolle gegeben, wir haben ihm gesagt, dass er sich bei Handys – und besonders mit dem Google Pixel – auskennt. Wir haben ihm strukturiert gesagt, was wir haben wollen, nämlich einen Artikel mit 600 Wörtern. Ich habe noch ein paar Stichwörter mit reingeworfen, damit er sich dazu denken kann, was er alles so einbauen sollte. Eventuell könnten wir auch noch schreiben, dass der Artikel leicht lesbar sein soll – für meinetwegen … Studenten, oder dass er vielleicht hochwissenschaftlich sein soll, für XYZ. Es ist völlig egal. Es ist nur wichtig, dass du das spezifisch eingibst.

Ich bin mit diesem Prompt zufrieden. Vielleicht können wir noch die Audience spezialisieren oder meinetwegen auch, ob es ein Twitter-Thread oder sonst irgendwas sein soll. Wo soll der Artikel erscheinen? Z. B. noch so was: „Der Artikel ist für meine Webseite. Leser vor allem Technik-Narren.“

Und das Ganze können wir jetzt absenden. Und dann erwarte ich einen viel, viel besseren Output.

Und da haben wir unseren Artikel, und alles wurde so umgesetzt, wie ich mir das Ganze vorgestellt habe:

Also: „Das Google Pixel 8 Pro ist ein Smartphone, das mit vielen fortschrittlichen Funktionen ausgestattet ist. Es ist das erste Smartphone, das mit künstlicher Intelligenz von Gemini Nano ausgestattet ist. „Du siehst, Semantic Association hat funktioniert. „Diese Technologie ermöglicht es dem Pixel 8 Pro, eine Vielzahl von Aufgaben auszuführen, ohne dass eine Verbindung zum Internet erforderlich ist. In diesem Artikel werde ich Ihnen erklären, worum es geht …“ und so weiter. „Das Gemini Nano ist ganz einfach ein Large Language Model. Es läuft On-Device, also es ist lokal installiert, und deshalb braucht man einfach keinen Internetzugriff.“

Das erklärt uns hier dieser Artikel. Danach noch ein paar Worte zur Kamera, zum Design und das Fazit: „Google Pixel 8 Pro ist ein großartiges Smartphone …“ und so weiter.

Ich will dich hier nicht langweilen, denn mir ging es vor allem um die Prompting-Struktur. Es ist unglaublich wichtig, dass du Kontext gibst. Du kannst Kontext geben – einmal mit strukturierten Prompts. Gib ganz einfach genau ein, was du haben willst. Soll es ein Artikel sein, soll es ein Blogpost sein, soll es, was weiß ich, was sein? Für wen soll es sein? Meinetwegen noch: „Für Technik-Narren, für meine Webseite.“ Wie lang soll er sein? Z. B. 600 Wörter.

Und natürlich kannst du auch das Rollenprompting verwenden. Das heißt: Du gibst dem Modell erstmal eine Rolle und sagst, womit es sich auskennt. Und das da ist für mich zumindest eines der coolsten Dinge: Dieses Semantic Association. Das heißt: Wenige Wörter reichen dafür aus, um diesen Kontext zu geben.

In diesem Video hast du so schnell wie möglich gelernt, wie du schlechte Prompts zu guten Prompts machen kannst. Denk immer daran: Diese Modelle können eigentlich nur zwei Sachen: Text ausweiten und Text zusammenfassen. Besonders wenn du Text ausweiten willst, ist das Prompt Engineering unglaublich wichtig. Du musst Kontext geben.

Wie du den Kontext genau gibst, ist noch nicht mal so wichtig. Es gibt sehr, sehr viele Prompting-Konzepte. Ich hänge dir natürlich einige Beispiele in den Materialien an. Es ist aber wichtig, dass du diese Semantic Association verstehst.

Das heißt: Diese Modelle sind assoziativ. Einige wenige Wörter reichen, damit die Modelle genügend Kontext haben. Außerdem hast du hier noch den Vorteil, dass du Token sparst. Das heißt: Du hast ja gelernt, wir haben das sogenannte Token-Limit. Wenn du mit solchen Stichwörtern arbeitest und ganz einfach die Semantic Association verwendest und das Modell selbst dazudenken lässt, dann sparst du dir die Token, die du in den Chat reintippst und das ist unglaublich praktisch.

Und das ist das einfachste Konzept von diesem Prompt Engineering. Im nächsten Video noch ein paar weitere Tipps zum Prompt Engineering und ein paar Prompt Engineering Vorlagen, und ich denke, damit kannst du dann wirklich, wirklich anständig arbeiten, und zwar egal in welchem Interface.

Open-Source LLMs

YT: 4 Prompt Engineering Basics, semantische Assoziation, strukturierte Prompts & Rollen Prompting (10:16)

das Standard LLM in z.B hugging Chatoder wo auch immer kann eigentlichnatürlich nur zwei Dinge textweitern undText zusammenfassen das sollte manerstmal schon verstehen nur durch diesesfunction calling werden weitereFunktionen hinzugefügt und das StandardDing also Text erweitern undzusammenfassen dieser Text kann übrigensauch Co sein das kannst du verbesserndurch diese System prompts und dieseSystem prompts funktionieren durch einKonzept dass sich semement Associationnennt mehr zu diesem Thema natürlich indiesem Video denn semantic Associationist das Grundkonzept warum das promptEngineering überhaupt funktioniert esgeht hauptsächlich um Kontext das istdas aller allerwichtigste was wir gebenmüssen im prompt Engineering und wirkönnen auch gerne noch ein anderesInterface verwenden z.B der Microsoftcoopiloten ja der Copilot ist zwar keinOpen Source LLM es ist aber dennochgratis und ein ander Interface ich willdir einfach nur zeigen das Interface istkomplett unrelevant lasst uns einfachmal ein Beispiel von einem schlechtenprompt machen dann erkläre ich einKonzept wie man einen solchen promptbesser machen kann ich will einenArtikel zu Handys schreiben gib ihn mirdas ist ein unglaublich schlechterprompt der prompt ist nicht schlechtweil ich Rechtschreibfehler drinnen habesondern weil ich keinen Kontext gebe dereinzige Kontext ist dass wir einenArtikel zu zu Handys wollen natürlichbekommen wir hier höchstwahrscheinlichsofort schon einen Artikel oder dasModell fragt uns natürlich nachmehrkontext mittlerweile machen dieModelle das schon relativ gut du siehstdas Modell hilft uns hier schon einklein wenig damit wir besser arbeitenalso wähle ein Thema Handy sind einbreites Thema und es ist wichtig dassSie sich auf einen bestimmten Aspektkonzentrieren recherchieren Sieerstellen Sie eine Gliederung schreibenSie einen Artikel überarbeiten Sie denArtikel ich hoffe also wir bekommen hierjetzt schon sofort nur breite Tipps undnicht direkt den Artikel weil unserprompt halt so schlecht war wir sagtennur wir wollen einen Artikel zu Handysschreiben gibin mir also der prompt istunglaublich schlecht dementsprechend istauch der Output schlecht das heißt dasDing was wir brauchen ist Kontext wiewir den Kontext ganz ganz genau ist umehrlich zu sein noch nicht mal sowichtig es gibt den chain of thed promptden tre of thed strukturierte prompts esgibt haufenweise Namen für haufenweiseverschiedene prompting Konzepte aber dasaller allerwichtigste was ich ihr jetzthier mitgeben will und muss sogar istsemantic Association was bedeutetsemantic Association das bedeuteteinfach nur dass ich dieses Modell Dingedazu denken kann inwie du sage ich zu dir z.B das alte Romhast du mit großer WahrscheinlichkeitBilder und Wörter in deinem Kopf die mitdem alten Rom zu tun haben vielleichthattest du Antike Römer das ate oderneun jahrhundert in Kopf ich bin keingeschichtsexperte ich hoffe ich springdas nicht durcheinander das sindzumindest die Dinge die ich jetzt sofortim Kopf hatte das heißt semantiAssociation bedeutet einfach nur dassdiese Modelle assoziativ sind sie denkensich Dinge dazu warum machen sie das duhast gelernt was ein large languageModel macht es nimmt eine Wörter teiltdie Wörter in Wort Token und suchtdanach in entsprechenden Texten wenn wirjetzt z.B das alte Rom dabei haben alsodie Wörter das alte Rom dann wirdhöchstwahrscheinlich in Texten gesuchtwo das alte Rom steht und dieWahrscheinlichkeit ist sehr sehr großdass in diesen Artikel auch die Wörterdie Römer und so weiter mit dabei sindmit drinnen sind dementsprechend suchtdas Modell an den richtigen Orten unddementsprechend kannst du auch deinenOutput besser anpassen wenn du de Modellz. be sagst schreibt den Artikel füreinen vierjährigen dann wird dasruntergebrochen die Dinge sindassoziativ also suchen sie erstmalnatürlich in Artikel die vielleicht fürVierjährige geschrieben worden sind dasdas heißt wir bekommen den Style wiedervon diesem Ding und so funktioniert dasdu kannst einfach nur Wörter StichwörterDinge dazu geben die Modelle sindassoziativ und suchen dementsprechend inden richtigen Texten lasst uns einklitze kleines Beispiel machen vondiesem Artikel zu Handys ein solcherprompt würde z.B besserfunktionieren sehen wir uns mal kurz anwas ich jetzt gemacht habe ich habe hierim übrigen einige Dinge kombiniert aberwir berücksichtigen vor allem diesesemantic Association erstmal du bist einExperte für Handys ich gebe diesemModell jetzt eine Rolle das nennt manrollenprompting du kennst dich mit demGoogle Pixel 8 Pro aus also er istExperte beim Google Pixel 8 Pro schreibeeinen 600 Wörter langen Artikel warumdas Google Pixel 8 Pro gut ist wir sagenjetzt in den sogenannten strukturiertenprompts was genau gemacht werden mussein 600 Wörter langanger Artikel und essoll erwähnt werden warum das GooglePixel 8 Pro gut ist jetzt werfe icheinfach nur noch ein paar stichbewörtermit rein Gemini Nano LLM und on devicedas Gemini nano ist einfach nur daslarge language Model das auf dem GooglePixel 8 Pro integriert werden sollte ichhoffe dass hier alles richtig und guteingesetzt wird denn diese singe sindnoch relativ neu das heißt wir habeneine Rolle gegeben wir haben ihm gesagtdass er sich bei Handys und besondersmit dem Google Pixel auskennt wir habenihn strukturiert gesagt was wir habenwollen nämlich einen Artikel mit 600Wörtern ich habe noch ein paarStichwörter mit reingeworfen damit ersich dazu denken kann was er alles soeinbauen sollte eventuell könnten wirauch noch schreiben dass der Artikelleicht lesbar sein soll für meinentwegenStudenten oder dass er vielleichthochwissenschaftlich sein soll für x y zes ist völlig egal es ist nur wichtigdass du das spezifisch eingibst ich binmit diesem prompt zufrieden vielleichtkönnen wir noch die audiencespezialisieren oder meinetwegen auch obes ein Twitter Thread oder sonstirgendwas sein soll wo soll der Artikelerscheinen z.B noch sowas der Artikelist für meine Webseite Leser vor allemTechnik nund das ganze können wir jetzt absendenund dann erwarte ich einen viel vielbesseren Output und da haben wir unserenArtikel und alles wurde so umgesetzt wieich mir das Ganze vorgestellt habe alsodas Google Pixel 8 Pro ist einSmartphone das mit vielenfortschrittlichen Funktionenausgestattet ist es ist das ersteSmartphone das mit künstlicherIntelligenz von Gemini Nano ausgestattetist du siehst semantic Association hatfunktioniert diese Technologie ermöglicht es den pixelach Pro eineVielzahl von Aufgaben auszuführen ohnedass eine Verbindung zum Interneterforderlich ist in diesem Artikel werdeich Ihnen erklären worum es geht und soweiter das chemini Nano ist ganz einfachein large language Model es läuft ondevice also es ist lokal installiert unddeshalb braucht man einfach keinenInternetzugriff das erklärt uns hierdieser Artikel danach noch ein paarWorte zur Kamera zum Design und defahzitGoogle Pixel 8 Pro ist ein großartigesSmartphone und so weiter ich will dichhier nicht langweilen denn mir ging esvor allem um die prompting Struktur esist unglaublich wichtig dass du Kontextgibst du kannst Kontext geben einmal mitstrukturierten prompts gib ganz einfachgenau ein was du haben willst soll esein Artikel sein soll es ein Blogpostsein soll es was weiß ich was sein fürwen soll er sein meinentwegen noch fürtechniknarren für meine Webseite wielang soll sein z.B 600 Wörter undnatürlich kannst du auch dasrollenprompting Verwenden das heißt dugibst den Modell erstmal eine Rolle undsagst womit es sich auskennt und das daist für mich zumindest eines dercoolsten Dinge dieses sementicAssociation das heißt wenige Wörterreichen dafür aus um diesen Kontext zugeben in diesem Video hast du so schnellwie möglich gelernt wie du schlechtenprompts zu guten prompts machen kannstdenk immer daran diese Modelle könneneigentlich nur zwei Sachen Textausweiten und Text zusammenfassenbesonders wenn du Text ausweiten willstist das prompt Engineering unglaublichwichtig du musst Kontext geben wie duden Kontext genau gibst ist noch nichtmal so wichtig es gibt sehr sehr vieleprompting Konzepte ich hänge dirnatürlich einige Beispiele in denMaterialien an es ist aber wichtig dassdu diese semantic Association verstehstdas heißt diese Modelle sindoeinige wenige Wörter reichen damit dieModelle genügend Kontext haben außerdemhast du hier noch den Vorteil dass duToken sparst das heißt du hast jagelernt wir haben das sogenannte TokenLimit wenn du mit solchen Stichwörternarbeitest und ganz einfach die semanticAssociation verwendest und das Modellselbst dazu denken lässt dann sparst dudir die Token die du in den Chatreintippst und das ist unglaublichpraktisch und das ist das ein steKonzept von diesem prompt Engineering imnächsten Video noch ein paar weitereTipps zum prompt Engineering und einpaar prompt Engineering Vorlagen und ichdenke damit kannst du dann wirklichwirklich anständig arbeiten und zwaregal in welchem interface

0:00 das Standard LLM in z.B hugging Chat 0:03 oder wo auch immer kann eigentlich 0:05 natürlich nur zwei Dinge textweitern und 0:07 Text zusammenfassen das sollte man 0:09 erstmal schon verstehen nur durch dieses 0:12 function calling werden weitere 0:14 Funktionen hinzugefügt und das Standard 0:17 Ding also Text erweitern und 0:19 zusammenfassen dieser Text kann übrigens 0:21 auch Co sein das kannst du verbessern 0:24 durch diese System prompts und diese 0:26 System prompts funktionieren durch ein 0:28 Konzept dass sich semement Association 0:30 nennt mehr zu diesem Thema natürlich in 0:33 diesem Video denn semantic Association 0:36 ist das Grundkonzept warum das prompt 0:38 Engineering überhaupt funktioniert es 0:40 geht hauptsächlich um Kontext das ist 0:44 das aller allerwichtigste was wir geben 0:46 müssen im prompt Engineering und wir 0:48 können auch gerne noch ein anderes 0:50 Interface verwenden z.B der Microsoft 0:53 coopiloten ja der Copilot ist zwar kein 0:56 Open Source LLM es ist aber dennoch 0:58 gratis und ein ander Interface ich will 1:00 dir einfach nur zeigen das Interface ist 1:03 komplett unrelevant lasst uns einfach 1:05 mal ein Beispiel von einem schlechten 1:08 prompt machen dann erkläre ich ein 1:10 Konzept wie man einen solchen prompt 1:12 besser machen kann ich will einen 1:14 Artikel zu Handys schreiben gib ihn mir 1:16 das ist ein unglaublich schlechter 1:18 prompt der prompt ist nicht schlecht 1:20 weil ich Rechtschreibfehler drinnen habe 1:23 sondern weil ich keinen Kontext gebe der 1:26 einzige Kontext ist dass wir einen 1:28 Artikel zu zu Handys wollen natürlich 1:31 bekommen wir hier höchstwahrscheinlich 1:34 sofort schon einen Artikel oder das 1:36 Modell fragt uns natürlich nach 1:38 mehrkontext mittlerweile machen die 1:40 Modelle das schon relativ gut du siehst 1:43 das Modell hilft uns hier schon ein 1:45 klein wenig damit wir besser arbeiten 1:48 also wähle ein Thema Handy sind ein 1:50 breites Thema und es ist wichtig dass 1:52 Sie sich auf einen bestimmten Aspekt 1:56 konzentrieren recherchieren Sie 1:58 erstellen Sie eine Gliederung schreiben 2:00 Sie einen Artikel überarbeiten Sie den 2:02 Artikel ich hoffe also wir bekommen hier 2:05 jetzt schon sofort nur breite Tipps und 2:07 nicht direkt den Artikel weil unser 2:10 prompt halt so schlecht war wir sagten 2:12 nur wir wollen einen Artikel zu Handys 2:15 schreiben gibin mir also der prompt ist 2:19 unglaublich schlecht dementsprechend ist 2:21 auch der Output schlecht das heißt das 2:24 Ding was wir brauchen ist Kontext wie 2:27 wir den Kontext ganz ganz genau ist um 2:30 ehrlich zu sein noch nicht mal so 2:32 wichtig es gibt den chain of thed prompt 2:34 den tre of thed strukturierte prompts es 2:38 gibt haufenweise Namen für haufenweise 2:41 verschiedene prompting Konzepte aber das 2:44 aller allerwichtigste was ich ihr jetzt 2:46 hier mitgeben will und muss sogar ist 2:49 semantic Association was bedeutet 2:52 semantic Association das bedeutet 2:55 einfach nur dass ich dieses Modell Dinge 2:58 dazu denken kann in 3:00 wie du sage ich zu dir z.B das alte Rom 3:04 hast du mit großer Wahrscheinlichkeit 3:07 Bilder und Wörter in deinem Kopf die mit 3:09 dem alten Rom zu tun haben vielleicht 3:12 hattest du Antike Römer das ate oder 3:16 neun jahrhundert in Kopf ich bin kein 3:18 geschichtsexperte ich hoffe ich spring 3:20 das nicht durcheinander das sind 3:22 zumindest die Dinge die ich jetzt sofort 3:24 im Kopf hatte das heißt semanti 3:27 Association bedeutet einfach nur dass 3:30 diese Modelle assoziativ sind sie denken 3:33 sich Dinge dazu warum machen sie das du 3:36 hast gelernt was ein large language 3:37 Model macht es nimmt eine Wörter teilt 3:40 die Wörter in Wort Token und sucht 3:43 danach in entsprechenden Texten wenn wir 3:46 jetzt z.B das alte Rom dabei haben also 3:48 die Wörter das alte Rom dann wird 3:51 höchstwahrscheinlich in Texten gesucht 3:53 wo das alte Rom steht und die 3:56 Wahrscheinlichkeit ist sehr sehr groß 3:58 dass in diesen Artikel auch die Wörter 4:01 die Römer und so weiter mit dabei sind 4:04 mit drinnen sind dementsprechend sucht 4:07 das Modell an den richtigen Orten und 4:10 dementsprechend kannst du auch deinen 4:12 Output besser anpassen wenn du de Modell 4:15 z. be sagst schreibt den Artikel für 4:18 einen vierjährigen dann wird das 4:20 runtergebrochen die Dinge sind 4:22 assoziativ also suchen sie erstmal 4:24 natürlich in Artikel die vielleicht für 4:27 Vierjährige geschrieben worden sind das 4:29 das heißt wir bekommen den Style wieder 4:31 von diesem Ding und so funktioniert das 4:34 du kannst einfach nur Wörter Stichwörter 4:37 Dinge dazu geben die Modelle sind 4:40 assoziativ und suchen dementsprechend in 4:42 den richtigen Texten lasst uns ein 4:45 klitze kleines Beispiel machen von 4:47 diesem Artikel zu Handys ein solcher 4:50 prompt würde z.B besser 4:52 funktionieren sehen wir uns mal kurz an 4:54 was ich jetzt gemacht habe ich habe hier 4:57 im übrigen einige Dinge kombiniert aber 4:59 wir berücksichtigen vor allem diese 5:01 semantic Association erstmal du bist ein 5:05 Experte für Handys ich gebe diesem 5:07 Modell jetzt eine Rolle das nennt man 5:10 rollenprompting du kennst dich mit dem 5:12 Google Pixel 8 Pro aus also er ist 5:17 Experte beim Google Pixel 8 Pro schreibe 5:19 einen 600 Wörter langen Artikel warum 5:22 das Google Pixel 8 Pro gut ist wir sagen 5:26 jetzt in den sogenannten strukturierten 5:28 prompts was genau gemacht werden muss 5:31 ein 600 Wörter langanger Artikel und es 5:35 soll erwähnt werden warum das Google 5:37 Pixel 8 Pro gut ist jetzt werfe ich 5:40 einfach nur noch ein paar stichbewörter 5:42 mit rein Gemini Nano LLM und on device 5:47 das Gemini nano ist einfach nur das 5:49 large language Model das auf dem Google 5:51 Pixel 8 Pro integriert werden sollte ich 5:55 hoffe dass hier alles richtig und gut 5:58 eingesetzt wird denn diese singe sind 6:00 noch relativ neu das heißt wir haben 6:03 eine Rolle gegeben wir haben ihm gesagt 6:05 dass er sich bei Handys und besonders 6:07 mit dem Google Pixel auskennt wir haben 6:09 ihn strukturiert gesagt was wir haben 6:11 wollen nämlich einen Artikel mit 600 6:14 Wörtern ich habe noch ein paar 6:15 Stichwörter mit reingeworfen damit er 6:18 sich dazu denken kann was er alles so 6:20 einbauen sollte eventuell könnten wir 6:23 auch noch schreiben dass der Artikel 6:25 leicht lesbar sein soll für meinentwegen 6:29 Studenten oder dass er vielleicht 6:31 hochwissenschaftlich sein soll für x y z 6:35 es ist völlig egal es ist nur wichtig 6:37 dass du das spezifisch eingibst ich bin 6:40 mit diesem prompt zufrieden vielleicht 6:42 können wir noch die audience 6:43 spezialisieren oder meinetwegen auch ob 6:45 es ein Twitter Thread oder sonst 6:47 irgendwas sein soll wo soll der Artikel 6:50 erscheinen z.B noch sowas der Artikel 6:54 ist für meine Webseite Leser vor allem 6:58 Technik n 7:00 und das ganze können wir jetzt absenden 7:02 und dann erwarte ich einen viel viel 7:04 besseren Output und da haben wir unseren 7:07 Artikel und alles wurde so umgesetzt wie 7:09 ich mir das Ganze vorgestellt habe also 7:12 das Google Pixel 8 Pro ist ein 7:14 Smartphone das mit vielen 7:16 fortschrittlichen Funktionen 7:17 ausgestattet ist es ist das erste 7:19 Smartphone das mit künstlicher 7:21 Intelligenz von Gemini Nano ausgestattet 7:24 ist du siehst semantic Association hat 7:27 funktioniert diese Technologie er 7:29 möglicht es den pixelach Pro eine 7:31 Vielzahl von Aufgaben auszuführen ohne 7:34 dass eine Verbindung zum Internet 7:36 erforderlich ist in diesem Artikel werde 7:39 ich Ihnen erklären worum es geht und so 7:41 weiter das chemini Nano ist ganz einfach 7:43 ein large language Model es läuft on 7:46 device also es ist lokal installiert und 7:49 deshalb braucht man einfach keinen 7:51 Internetzugriff das erklärt uns hier 7:54 dieser Artikel danach noch ein paar 7:56 Worte zur Kamera zum Design und de 7:58 fahzit 8:00 Google Pixel 8 Pro ist ein großartiges 8:02 Smartphone und so weiter ich will dich 8:04 hier nicht langweilen denn mir ging es 8:06 vor allem um die prompting Struktur es 8:09 ist unglaublich wichtig dass du Kontext 8:12 gibst du kannst Kontext geben einmal mit 8:14 strukturierten prompts gib ganz einfach 8:17 genau ein was du haben willst soll es 8:19 ein Artikel sein soll es ein Blogpost 8:21 sein soll es was weiß ich was sein für 8:24 wen soll er sein meinentwegen noch für 8:26 techniknarren für meine Webseite wie 8:28 lang soll sein z.B 600 Wörter und 8:32 natürlich kannst du auch das 8:33 rollenprompting Verwenden das heißt du 8:36 gibst den Modell erstmal eine Rolle und 8:38 sagst womit es sich auskennt und das da 8:42 ist für mich zumindest eines der 8:43 coolsten Dinge dieses sementic 8:45 Association das heißt wenige Wörter 8:48 reichen dafür aus um diesen Kontext zu 8:50 geben in diesem Video hast du so schnell 8:53 wie möglich gelernt wie du schlechten 8:55 prompts zu guten prompts machen kannst 8:57 denk immer daran diese Modelle können 9:00 eigentlich nur zwei Sachen Text 9:02 ausweiten und Text zusammenfassen 9:05 besonders wenn du Text ausweiten willst 9:07 ist das prompt Engineering unglaublich 9:09 wichtig du musst Kontext geben wie du 9:11 den Kontext genau gibst ist noch nicht 9:14 mal so wichtig es gibt sehr sehr viele 9:16 prompting Konzepte ich hänge dir 9:18 natürlich einige Beispiele in den 9:21 Materialien an es ist aber wichtig dass 9:23 du diese semantic Association verstehst 9:27 das heißt diese Modelle sindo 9:30 einige wenige Wörter reichen damit die 9:32 Modelle genügend Kontext haben außerdem 9:35 hast du hier noch den Vorteil dass du 9:37 Token sparst das heißt du hast ja 9:40 gelernt wir haben das sogenannte Token 9:42 Limit wenn du mit solchen Stichwörtern 9:45 arbeitest und ganz einfach die semantic 9:48 Association verwendest und das Modell 9:50 selbst dazu denken lässt dann sparst du 9:52 dir die Token die du in den Chat 9:54 reintippst und das ist unglaublich 9:57 praktisch und das ist das ein ste 9:59 Konzept von diesem prompt Engineering im 10:02 nächsten Video noch ein paar weitere 10:04 Tipps zum prompt Engineering und ein 10:06 paar prompt Engineering Vorlagen und ich 10:09 denke damit kannst du dann wirklich 10:11 wirklich anständig arbeiten und zwar 10:13 egal in welchem interface