Werk:AI mit Arnie/Agent Nr. 2 - Social-Media-Strategie
Thema: „KI – Agent Nr. 2 Social Media Strategie & Prompt Engineering für Agenten“
Wir haben unseren ersten Agenten laufen, und der ist noch nicht besonders gut. In diesem Video sehen wir uns an, wie wir einen Agenten bauen können, der uns eventuell etwas besser helfen kann. Und ich will auch viel tiefer ins Prompt Engineering für diese Agenten eintauchen, denn hier haben wir ein cooles Tool.
Also, unser Agent hier, der Storyteller für die Kinder, der läuft erst mal. Wir gehen raus und erstellen unser nächstes Projekt: Agent Flows, Add New, und wir legen wieder los.
Das generelle Konzept ist wieder das gleiche: Wir brauchen einen Supervisor und diesmal verwenden wir drei Arbeiter.
Mein Ziel ist es diesmal, dass ein Arbeiter z. B. einen Blogartikel macht, der nächste Arbeiter macht vom Blogartikel einen LinkedIn-Post, damit mehr Leute natürlich die Dinge sehen, die in unserem Blog stehen. Und der letzte macht aus dem Blogartikel oder aus dem LinkedIn-Post danach noch mal was Cooles, und zwar ein paar Tweets für X, bzw. Wir haben unseren ersten Agenten laufen. So können wir unsere Social-Media-Präsenz schneller aufbauen. Und wir haben drei Arbeiter und einen Chef, der das für uns macht.
Du weißt natürlich, was wir noch brauchen. Wir brauchen das Chatmodell, und wir sollten das Ding von OpenAI verwenden. Das weißt du mittlerweile hoffentlich. Also, OpenAI Chat.
Und jetzt sehen wir uns natürlich an, wie wir das alles schnell und gut machen können. Wir können bei den Credentials die Dinge auswählen, die wir bereits gemacht haben. Das heißt, Flowise-Test sind die Credentials, die wir laufen haben, die wir vorhin schon genommen haben.
Das Modell GPT-4 Omni sollte gut passen. Die Temperatur, die will ich wieder auf eins stellen. Auch das ist hier alles kreatives Schreiben.
Wir verbinden dementsprechend unser Modell, natürlich damit, mit dem Supervisor. Und jetzt müssen wir den Supervisor wieder mit den Arbeitern verbinden. Diesmal sind es drei Arbeiter, also eins, zwei, drei.
Und jetzt müssen wir die Prompts für die Arbeiter schreiben. Und dafür will ich dir einen Supertrick zeigen, denn das Schreiben dieser Prompts ist sehr aufwendig, und je nachdem, wie du die Prompts schreibst, so performen auch unsere Arbeiter. Ich will dir jetzt zeigen, wie wir die Prompts hundertmal besser machen können.
Bevor wir das tun, klicken wir erstmal hier auf Speichern. Und wir nennen das Ganze meinetwegen „Social Media Agent“, also es soll Blog, LinkedIn und X sein. Und ich klicke Speichern.
Wir gehen zurück, und jetzt gehen wir tatsächlich in diesen Marketplace rein. In diesem Marketplace finden wir auch einige Agenten. Und einer der besten Agenten ist das Prompt Engineering Team. Wir können auf das Prompt Engineering Team klicken, und hier siehst du, dass wir eigentlich dasselbe Modell haben, wie wir schon gebaut haben. Wir klicken Use Template, und dieses Prompt Engineering Team wird uns jetzt dabei helfen, die Prompts für unser Team zu schreiben.
Du kannst hier reinzoomen, und du siehst das da: „How it works? Simple! Explain the app you want to create, and it will generate the system prompts for each worker.“ Das heißt, wir erklären einfach nur, was für eine App wir machen wollen, und dieses Ding spuckt uns die Prompts aus.
Als Beispiel: Ich würde gerne eine App machen mit zwei Agenten. Ein Agent wird z. B. Google durchsuchen über die Serper-API – soweit sind wir noch nicht, wir machen noch kein Function Calling, das kommt später – und der andere Agent sollte die E-Mails senden an eine gewisse E-Mail-Adresse. Auch hierfür brauchen wir Function Calling. Wie gesagt, wir sind noch nicht ganz so weit. Dennoch beschreiben wir hier jetzt diesem Ding ganz genau, was wir haben wollen. Und die Einstellungen sind hier alle bereits vorgenommen.
Wir haben einen Prompt-Creator und den Prompt-Reviewer. Das heißt, das Ding macht die Prompts, und dieses Ding kontrolliert die Prompts. Der Supervisor gibt die Aufgaben weiter. Das Modell ist ChatGPT mit GPT-4 Omni, die Temperatur 0,4, und auch hier müssen unsere Credentials rein. Wir verwenden wieder Flowise-Test, da unser API-Key natürlich immer noch aktiv ist.
Wir öffnen das Ding, und hier können wir jetzt reinschreiben, was wir eben haben wollen. Wir müssen das Ding speichern, bevor wir es verwenden können. Ich nenne das Ding einfach mal Prompting. Ich klicke Save, und jetzt können wir das verwenden.
Ich kann es hier reinschreiben, ich kann es aber auch groß machen, damit wir das besser sehen. Also beschreibe ich kurz, was ich will: Ich will drei Agenten. Also: Ich will drei Agenten. Einer soll einen Blogartikel zum Thema Fitness schreiben, der nächste Agent soll darauf einen LinkedIn-Post machen. Der letzte Agent macht sieben Posts für Twitter, die wiederum mehr Leute auf dem Blog aufmerksam machen. Meine Zielgruppe sind 30- bis 50-jährige Frauen, die Gewicht verlieren wollen.
Wir gehen einfach mal davon aus, dass wir z. B. ein Fitnesstrainer sind. Das musst du jetzt natürlich perfekt für dich anpassen. Meinetwegen hast du eine Social-Media-Agentur oder du hast eine Softwarefirma oder was auch immer. Gib ganz einfach deine Zielgruppe an und sag den Arbeitern genau, was sie machen sollen.
Wir klicken jetzt „Sende“n, und jetzt macht sich unser KI-Agent natürlich auf den Weg. Als Erstes wird der Supervisor den Prompt-Creator triggern, und er sagt uns hier natürlich ganz genau, was er macht. Und nachdem der Prompt-Creator die Dinge gemacht hat, geht es dann natürlich sofort weiter mit dem Prompt-Reviewer.
Das heißt, wir haben erstmal hier unsere Prompts. Die sind vielleicht noch nicht perfekt, deshalb geht der Supervisor jetzt her und sagt zum Prompt-Reviewer: "Hey, seht euch das Zeug noch mal an, ob das auch wirklich okay ist." Also: Review the prompts created for the three agents – Blogwriter, Social Media Spezialist und LinkedIn, Social Media Spezialist Twitter – und so weiter.
Wir haben auch hier die Dinge zurückbekommen. Und zum Schluss sagt unser Supervisor jetzt noch mal zum Prompt-Creator, dass er die Dinge etwas überarbeiten soll. Das heißt, diese Dinge können hier ein paar Mal hin- und hergehen, bis wir die perfekten Prompts für uns haben. Die Modelle unterhalten sich so lange, bis wir alles perfekt für uns da haben. Und irgendwann steht hier beim Supervisor "Finished", und wir haben die finalen System-Prompts.
Der erste Agent ist unser Blogwriter. Hier ist der System-Prompt dabei, und wir haben die ganzen Dinge hier alle mit integriert. Der nächste Agent ist der Social Media Spezialist für LinkedIn, und wir haben die ganzen Dinge integriert. Und der letzte Agent ist natürlich der Social Media Spezialist für Twitter, und wir haben die ganzen Dinge hier alle integriert. Und ich denke, so sollte das Ganze laufen.
Dementsprechend will ich das einfach mal alles kopieren. Und ich erstelle mir hier auf dem PC eine neue Textdatei. Ich nenne das Ding Prompts. Ich kann das natürlich öffnen, und in diese Prompts schmeiße ich das Ding hier alles rein. Und wir können die Sachen danach kopieren.
Dementsprechend: Wir haben das alles gemacht. Ich kann hier auch noch mal Speichern klicken.
Ich gehe zurück auf die Agent-Flows, wir gehen runter, und wir haben hier natürlich immer noch unseren Agenten hier. Und bei diesem Agenten werden wir jetzt die Dinge reinkopieren. Das heißt, der erste Agent – der Name davon ist natürlich der Blogwriter – ich kopiere die Dinge, und jetzt beim Blogwriter geben wir den Namen. Danach mache ich das da groß, ich lösche die Dinge raus. Wir gehen wieder auf unsere Textdatei, hier ist der System-Prompt, und der geht runter bis genau hierher. Also Copy, und wir schmeißen das Ding hier rein. Jetzt klicken wir natürlich Save, und wir gehen zum nächsten über.
Das heißt, wir gehen wieder runter: Social Media Spezialist LinkedIn. Copy. Wir nennen das Ding so. Wir machen das da groß, löschen den alten Prompt raus, und wir schmeißen den neuen Prompt rein. Der System-Prompt geht tatsächlich bis hier runter. Copy, schmeiße ich hier rein, und Save. Und der letzte Agent – wie heißt der letzte Agent? Social Media Spezialist für Twitter. Kopieren, einfügen, Prompts groß machen, natürlich wieder rauslöschen. Wir gehen wieder auf das Textfile, den System-Prompt, und das Ding geht hier – lass mich nicht lügen – ja, das geht bis ganz hier runter. Dementsprechend will ich auch das da kopieren und unten reinschmeißen.
In diesem Kurs will ich jetzt nicht tiefer in das Prompt Engineering eintauchen, da ich über Prompt Engineering schon in vielen anderen Kursen gesprochen habe.
Aber im Groben siehst du hier: Hier geht es einfach nur um Kontext. Es wird gestartet mit dem sogenannten Rollen-Prompting. Also, wir geben unserem Agenten die Rolle: Er ist ein Spezialist für Social Media und besonders für Twitter.
Das ist natürlich in dem Sinne wichtig, weil wir so natürlich in den richtigen Tokens suchen können. Das LLM ist ganz einfach jetzt ein Spezialist für Twitter und wird in den richtigen Texten suchen. Es geht immer um Semantic Association. Das ist das Einzige, was ich kurz erklären will.
Wenn ich zu dir z. B. sage: „Das alte Rom“, dann hast du wahrscheinlich sofort verschiedene Wörter und verschiedene Bilder im Kopf. Und genauso geht es einem LLM. Das LLM sieht „Twitter-Experte“ und sucht wahrscheinlich – oder hat im Hinterkopf – Worte, die ähnlich sind, bzw. sucht in seinem Gedächtnis sozusagen Wörter oder Texte, wo „Twitter-Experte“ dabei steht. Und die Chance ist höher, dass so unser Output stimmt.
Wie gesagt, ich will hier nicht alle Prompting-Konzepte erklären, sonst wird der Kurs zu lang. Wir sollen hier schnell vorankommen.
Es ist auch wichtig, dass wir unsere Zielgruppe angeben. Also: Es ist für Frauen, 30 bis 50 Jahre alt, die Gewicht verlieren wollen. Dann wird natürlich der gesamte Output komplett anders. Das Ziel ist es, danach sieben Tweets zu machen. Und wir spezifizieren kurz, wie die Tweets aufgebaut werden sollen.
Also, Prompt Engineering ist wirklich wichtig. Wie gesagt, ich will jetzt nicht zu tief eintauchen. Denk aber immer daran: Wenn du mit deinem LLM sprichst, je mehr Kontext du gibst, umso besser.
Es gibt das Shot-Prompting, das Role-Prompting, das Few-Shot-Prompting, Many-Shot-Prompting, Tree of Thoughts, Chain of Thoughts. Es gibt ganz, ganz viele Prompting-Konzepte, die ich in vielen anderen Kursen erklärt habe. Wir wollen aber schnell vorankommen, denn dieser Prompt-Creator macht das schon sehr gut.
Dementsprechend klicken wir noch Save, und mittlerweile sollten diese ganzen Dinge hier laufen. Jetzt will ich dir noch was Kurzes zeigen: Also, hier haben wir alles perfekt eingestellt. Auch beim Supervisor ist alles okay. Und diese Arbeiter, die haben noch das da unten: Max Iterations. Das heißt, unser Supervisor wird z. B. zu diesem Typen sagen: „Hey, kreiere den Blogartikel.“ Und wenn der Blogartikel nicht gut ist, wird der Supervisor hergehen und sagen: „Mach das noch mal. Mach das noch mal. Mach das noch mal.“
Wenn du Token sparen willst, dann kannst du hier sagen, dass z. B. dieses Ding nicht öfter als dreimal arbeiten soll, dieses Ding nicht öfter als zweimal, und dass unsere Tweets immer nur einmal gemacht werden sollten. Das kommt natürlich drauf an. Wenn du solche einfacheren Aufgaben machst wie wir hier, dann kann ich das auch unlimitiert lassen. Ich gehe davon aus, dass die meisten Dinge beim ersten Mal gut laufen. Und so sollte unser Agent jetzt schon sofort eigentlich relativ gut funktionieren.
Ich klicke hier Speichern, und wir gehen hier drauf. Ich mache das Ganze noch mal groß und danach testen wir unseren Agenten. Ich will jetzt einen Artikel haben – natürlich wieder für Frauen – und der Artikel soll z. B. um das Schultertraining gehen. Oder sie wollen Gewicht verlieren. Lasst es uns klischeemäßig Bauchtraining sein. Ich schreibe hier rein: Bauchtraining – Ernährung ist wichtiger als das. tschim …Und jetzt will ich das einfach nur noch losschicken, und unser Ding wird sich sofort auf den Weg machen.
Das heißt, der Supervisor, der wird hier sofort den Blogwriter triggern. Er macht sofort schon einen relativ guten Prompt aus unserer wirklich lausigen Anfrage. Prompt Engineering ist wichtig, aber unsere Agenten machen das von alleine. Also sagt uns hier sofort der Supervisor genau, was unser Blogwriter schreiben sollte.
Ich will hier noch mal hoch, denn hier werden die ganzen anderen Dinge schon getriggert. Wir sind jetzt schon beim Twitter-Agenten. Ich will das Ganze aber genauer aufzeigen. Also, der Supervisor sagt unserem Blogartikelschreiber, dass er einen Artikel machen soll, der aufzeigen sollte, warum Essen wichtiger ist als das Bauchmuskeltraining. Er sollte ein paar Highlights machen, z. B. über die Ernährungsgewohnheiten, wie wichtig Ernährung ist, um Muskeln aufzubauen, und er sollte auch noch etwas Evidenz hier mit einbauen. Das heißt, er soll sich auf etwas stützen.
Und wir haben hier tatsächlich sofort den Blogwriter, und wir haben unseren Blog bekommen. Das Ding ist aktuell tatsächlich auf Englisch. Es sieht generell sehr gut aus. Vielleicht sollten wir unserem Prompt-Creator sagen, dass wir unseren Output auf Deutsch haben wollen. Müssen wir aber nicht. Wir können das auch hier drinnen sofort machen. Ich will erst ansehen, ob das alles so gut funktioniert oder nicht.
„The Power of Exercise …“ und so weiter – „Cardio, Strength, Flexibility …“– sieht schon sehr gut aus. Dann auch ein paar Tipps für den Lifestyle und die Rolle von der Ernährung. Also insgesamt ist es wirklich sehr, sehr gut aufgebaut. Alles. Dann noch eine Real-Life-Story: „Chain 42 hat 30 Pfund verloren, Lisa 35 hat auch angefangen zu trainieren.“ Zum Schluss die Conclusions. Also, der Artikel ist sehr gut.
Danach machen wir von diesem Artikel einen LinkedIn-Post. Und der LinkedIn-Post ist auch sehr gut. Wir haben einen starken Hook, z. B. „Also wondering how to stay fit in your 30s, 40s and beyond?“ Also perfekt unsere Zielgruppe angesprochen. Wir haben die Key-Highlights. Also, alles ist genauso strukturiert, wie es perfekt für LinkedIn ist. Zum Schluss sogar noch ein paar Hashtags mit dabei. Und wir haben natürlich auch hier noch etwas, wo wir unseren Blogartikel verlinken können. Unser Ziel war es ja, mehr Leute auf den Blog zu treiben.
Danach geht der Supervisor wieder her, und er sagt dem Social Media Spezialist, dass er was für Twitter machen soll. Und sofort haben wir hier unsere – wie viele genau? Wir haben unsere sieben Tweets. Und auch hier ist alles perfekt strukturiert für Twitter. „Ready to kickstart your fitness journey? Discover effective cardio workouts …“ und so weiter. Wieder ein Link zu unserem Blog und ein paar Hashtags, die perfekt reinpassen.
Das heißt, wir haben jetzt natürlich sofort alles mit dabei. Unser Supervisor sagt uns zum Schluss noch „Finished“ und er schmeißt uns noch mal die Tweets um die Ohren. Ich kann hier z. B. das Ganze noch mal löschen. Und ich will hier noch was zeigen. Also, „Clear Chat“. „Clear.“
Wir haben unsere Prompts natürlich auf Englisch. Also kann es ab und zu vorkommen, dass das Ding Englisch spricht. Wir könnten beim Prompt-Generator sagen: „Hey, unsere Zielgruppe spricht Deutsch.“ Und dann funktioniert das sofort. Wenn wir die Prompts nicht umändern wollen, dann können wir das auch so machen. Bauchtraining – Ernährung ist wichtiger als das. Lasst uns auch hier Deutsch sprechen. Training Zielgruppe Deutsch. Und ich schicke das los. Und jetzt sollte ich meine Antworten natürlich sofort in Deutsch bekommen, da unser Supervisor hergeht und sagt, dass unsere Agenten Deutsch sprechen sollen. Und so einfach kann es tatsächlich funktionieren.
Und schwups – hier steht jetzt „Finished“. Das heißt, das Ganze sollte jetzt laufen. Wir sehen uns noch mal kurz an, ob alles richtig gut funktioniert hat. Der Blogwriter: „Effektives Fitnesstraining für Frauen im Alter von 30 bis 50 Jahren zum Abnehmen.“ Perfekte Überschrift, alles wurde natürlich berücksichtigt: die Wichtigkeit von Fitness und Gewichtsverlust in einer Alltagsgruppe und so weiter. Cardio, ein paar Beispielübungen, Krafttraining-Vorteile, Flexibilität-Vorteile und so weiter, praktische Tipps zur Integrierung, die Rolle der Ernährung. Die Erfolgsgeschichte: „Maria, 45, Mutter von zwei Kindern, in Vollzeit beschäftigt, kämpfte jahrelang mit ihrem Gewicht. Durch eine Kombination aus regelmäßigem Cardio- und Krafttraining sowie ausgewogener, nährstoffreicher Ernährung usw. …15 kg abgenommen.“ Also, du siehst: Unser Blogartikel ist perfekt.
Ich nehme an, dass auch unser LinkedIn-Post perfekt ist. Auch hier haben wir wieder einen sogenannten Hook. Das heißt, es ist ganz, ganz spezifisch da, um Leute, bzw. Frauen, anzulocken, die 30 bis 50 Jahre alt sind. Und hier ein paar Dinge und wieder den Link zu unserem Blogartikel.
Und danach unten: Der Supervisor geht wieder her und macht die Dinge für Twitter. Und auch hier wieder alles perfekt für Twitter formuliert. Auch wieder ein paar Smileys dabei. Und das ist wirklich perfekt. Also, der letzte Tweet ist hier auch z. B. „Inspiration gefällig? Maria, 45, hat mit kleinen Änderungen ihres Lebensstils unglaubliche Erfolge erzielt“, und so weiter. Und wir haben „Finish“, und unser KI-Agent läuft.
In diesem Video haben wir uns zwei Dinge angesehen: Wir haben uns angesehen, wie wir einen halbwegs guten KI-Agenten bauen können. Wir haben drei Arbeiter genommen, einen Boss und das Chatmodell, richtige Temperatur und danach – ganz wichtig – die richtigen Prompts. Wir haben uns die Prompts schreiben lassen von unserem Prompt-Generator. Der Prompt-Generator ist unglaublich wichtig, weil er uns viel Zeit sparen kann.
Es gibt unglaublich viele Prompting-Konzepte: das Rollen-Prompting, das Zero-Shot-Prompting, das Few-Shot-Prompting, den Chain of Thought, den Tree of Thoughts. Es gibt wahnsinnig viele Dinge. Es ist aber immer nur wichtig, dass wir Kontext geben.
Wir sollten eine Rolle geben, z. B.: „Du bist Experte für X, Y, Z.“
Danach eine Aufgabe stellen: „Du machst Blogartikel für X, Y, Z.“
Danach spezifischer sein, z. B. über die Zielgruppe. Und wirklich so viele Informationen wie möglich geben.
Und dann kann unser LLM richtig gut arbeiten.
Lass mich wissen, wenn du mehr zum Prompt Engineering wissen willst. Ich denke aber, bei diesen KI-Agenten kannst du dir das ein klein wenig sparen, da wir natürlich unsere Prompt-Generator-Maschine haben. Aber ansonsten lass mich gerne wissen, wenn dich Prompt Engineering mehr interessiert.
Du solltest jetzt deinen zweiten KI-Agenten laufen haben, und dieser KI-Agent ist perfekt, um deine Reichweite auf Social Media zu pushen. Du hast sofort die ganzen Dinge, die du kopieren kannst. Das Ding spart dir wirklich, wirklich viel Zeit. Und das kostet nur ein bis zwei Cent pro Generation. Das ist wahnsinnig günstig. 100 solche Artikel kosten dich wahrscheinlich zwei Euro, und ich denke, damit kann man leben. Die API-Kosten sind wirklich günstig.
In dem Sinne, ich hoffe, du hast das Ding nachgemacht. Ich muss sagen, all das ist natürlich erst der Start. Wir können noch Function Calling einbauen und vieles, vieles mehr. Und das sind natürlich die Dinge, die wir uns über die nächsten Videos ansehen.
In dem Sinne: Viel Spaß beim Testen.
Und wir sehen uns natürlich im nächsten Video. Ach ja, und noch eine wichtige Anmerkung: Du kannst natürlich auch sofort dem Prompt-Generator sagen, dass wir unsere Antworten auf Deutsch haben wollen. Ansonsten musst du es später noch mal spezifisch angeben, da es eventuell sein kann, wenn die Prompts auf Englisch sind, dass wir auch englische Outputs bekommen.
Generell muss ich sagen, Englisch funktioniert sogar immer ein klein wenig besser. Du könntest sogar die Dinge auf Englisch immer lassen bei den System-Prompts und jedes Mal dazu schreiben: „Hey, gib mir die Antworten auf Deutsch.“ So wie wir es hier jetzt gerade gemacht haben.
Das war jetzt aber alles von diesem Video. Und wir sehen uns im nächsten.