# Prompt-Leitfaden für Llama-Modelle

**Inhaltsverzeichnis**

1. [Sei explizit und direkt](#id-1.-be-explicit-and-direct)
2. [Weise eine Rolle zu](#id-2.-assign-a-role)
3. [Bitte um schrittweises Denken](#id-3.-ask-for-step-by-step-reasoning)
4. [Verwende Few-Shot-Beispiele](#id-4.-use-few-shot-examples)
5. [Beschränke die Ausgaben](#id-5.-constrain-outputs)
6. [Sorge für Konsistenz über mehrere Gesprächsrunden hinweg](#id-6.-maintain-multi-turn-consistency)
7. [Verbessere die Zuverlässigkeit mit Sampling](#id-7.-improve-reliability-with-sampling)
8. [Praktische Prompt-Vorlagen nach Anwendungsfällen](#id-8.-practical-prompt-templates-by-use-case)

***

### 1. Sei explizit und direkt

Sag genau, was du willst: **Länge, Format, Ton**. Vermeide vage Anweisungen.

**Weniger effektiv:**

```
Fassen Sie diesen Bericht zusammen
```

**Effektiver:**

```
Fasse diesen Bericht in 3 Aufzählungspunkte zusammen, jeweils unter 15 Wörtern, und hebe Entscheidungen und Fristen hervor.
```

***

### 2. Weise eine Rolle zu

Gib Llamas Perspektive vor, indem du ihm eine Rolle zuweist. Das prägt Stil und Ton.

**Beispiel:**

```
Du bist ein Finanzanalyst. Gib prägnante, professionelle Berichte in einfachem Englisch aus.
```

***

### 3. Bitte um schrittweises Denken

Ermutige Llama dazu, **seine Gedanken nachvollziehbar darzulegen** wenn das Schlussfolgern wichtig ist.

**Beispiel:**

```
Löse dieses Mathematikproblem. Zeige deine Herleitung Schritt für Schritt, bevor du die endgültige Antwort gibst.
```

***

### 4. Verwende Few-Shot-Beispiele

Zeige Llama kurze Beispiele, um das gewünschte Format zu demonstrieren.

```
Benutzer: Übersetze Englisch ins Französische.
Englisch: "Good morning"
Französisch: "Bonjour"

Ausgabe:
Englisch: "How are you?"
Französisch: "Comment ça va?"
```

***

### 5. Beschränke die Ausgaben

Wenn du strukturierte Daten brauchst, gib das Format an (JSON, CSV, Tabelle, Aufzählungspunkte).

**Beispiel:**

```
Fasse dieses Meeting in JSON mit den Feldern zusammen: decisions, next_steps, owners
```

**Ausgabe:**

```json
{
  "decisions": "Budget genehmigt",
  "next_steps": "Kampagne starten",
  "owners": "Marketingteam"
}
```

***

### 6. Sorge für Konsistenz über mehrere Gesprächsrunden hinweg

Wenn Gespräche lang werden, erinnere Llama an die früheren Regeln.

**Beispiel:**

```
Denke daran, immer im JSON-Format zu antworten
```

***

### 7. Verbessere die Zuverlässigkeit mit Sampling

Bei Aufgaben, die Korrektheit erfordern, mehrere Ausgaben erzeugen und vergleichen.

**Beispiel:**

```
Führe Llama 5-mal bei dieser Denkaufgabe aus. Wähle die häufigste Antwort.
```

***

### 8. Prompt-Vorlagen nach Anwendungsfall

**Vorlage für allgemeine Aufgaben**

```
Du bist ein Projektmanager.
Fasse dieses Meeting-Transkript in 5 Aufzählungspunkten zusammen, jeweils unter 15 Wörtern.
Kontext: Dies wird mit dem Führungsteam geteilt.
Einschränkungen: Nur Entscheidungen und Fristen aufnehmen.
Ausgabe:
• Budgeterhöhung genehmigt
• Frist auf Q4 verlängert
• 3 neue Ingenieure eingestellt
• Produkt-Beta-Start im Juni
• Nächste Überprüfung für den 15. Juli angesetzt
```

**Few-Shot-Vorlage -** Am besten für Übersetzungs- oder Klassifizierungsaufgaben geeignet.

```
Benutzer: Übersetze Englisch ins Französische. Folge den Beispielen unten und halte die Antworten kurz und präzise.

Englisch: "Good morning"
Französisch: "Bonjour"

Englisch: "How are you?"
Französisch: "Comment ça va ?"

Englisch: "See you tomorrow"
Französisch:
Ausgabe: "À demain"
```

**Ein Datenset analysieren**

```
Rolle: Du bist ein Datenanalyst.
Aufgabe: Fasse diesen Datensatz in prägnante geschäftliche Erkenntnisse zusammen.
Kontext: Die Ergebnisse werden in einem Leadership-Sync präsentiert; Klarheit und Kürze sind entscheidend.
Einschränkungen:
• Maximal 100 Wörter
• Nur 3 Aufzählungspunkte verwenden
• Keine Zahlen mit Dezimalstellen oder komplexe Begriffe verwenden

Ausgabe-Beispiel:
• Der Umsatz stieg im Q3 dank starker Wiederholungskunden  
• Die Kosten stabilisierten sich nach den Verhandlungen mit den Lieferanten im Q2  
• Empfehlung: Fokus auf B2B-Konten für nachhaltiges Wachstum

Tipp: Gib für numerische Ausgaben an: „Alle Zahlen auf ganze Zahlen runden.“
```

**E-Mails und nächste Schritte zusammenfassen**

```
Rolle: Du bist eine Assistentin der Geschäftsleitung.
Aufgabe: Fasse diesen E-Mail-Thread zusammen und liste die nächsten Schritte auf.
Kontext: Die Ausgabe wird in ein Dokument für Besprechungsnotizen eingefügt.
Einschränkungen:
• Zusammenfassung auf 3 Sätze begrenzen
• Für die nächsten Schritte Aufzählungsformat verwenden
• Keine Füllwörter („ich hoffe, das hilft“, etc.)

Ausgabe-Beispiel:
Zusammenfassung:
Das Team bestätigte den Projektumfang und die Änderungen am Zeitplan.  
Nächste Schritte:
• Den Kunden über das endgültige Lieferdatum informieren  
• Überarbeiteten Zeitplan bis Montag vorbereiten  
• Genehmigung durch die Finanzabteilung bestätigen


Tipp: Füge hinzu: „Verwende einfaches Englisch, vermeide internen Jargon.“
```

***

### Abschließender Tipp

Mit Llama, **Klarheit plus Beispiele = Zuverlässigkeit**. Schreibe Rollen, Schritte und Formate aus, und du erhältst konsistente, strukturierte Ausgaben.

{% hint style="info" %}
*Erfahre mehr über Llama Prompt Engineering im offiziellen* [*Prompting-Leitfaden*](https://www.llama.com/docs/how-to-guides/prompting/) *und in der* [*Referenz zum Llama-4-Prompt-Format*](https://www.llama.com/docs/model-cards-and-prompt-formats/llama4/)
{% endhint %}


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://docs.en.theblockbrain.ai/de/fur-nutzer/leitfaden-zum-prompt-schreiben/prompt-leitfaden-fur-llama-modelle.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.
