Praktische Prompt-Struktur für Claude AI-Ausführungsagenten

Prompt-Engineering für Ausführungsagenten

Ein Entwickler mit monatelanger Erfahrung im Aufbau von Claude-KI-Agenten, die echte Aktionen ausführen – API-Aufrufe, Datenextraktion, mehrstufige Entscheidungsbäume und Fehlerbehebung – teilt die Prompt-Struktur, die hartnäckige Halluzinationsprobleme gelöst hat. Frühe Versuche führten dazu, dass Agenten Felder halluzinierten, unnötige API-Aufrufe aneinanderreihten, Fehler stillschweigend verschluckten und unvollständige Daten zurückgaben, als ob alles in Ordnung wäre.

Wichtige Prinzipien der Prompt-Struktur

• Schreiben Sie Prompts wie Verträge, nicht wie Anweisungen: Natürlichsprachliche Prompts wie „Finden Sie relevante Leads und senden Sie eine personalisierte Nachricht“ laden zur Improvisation ein. Was funktioniert: Definieren Sie Eingaben (exaktes Schema, Typen, Grenzfälle), Ausgaben (exakte Form inklusive Fehlerzustände) und Entscheidungsregeln (wenn X dann Y, wenn Z dann stoppen).
• Reservieren Sie 40 % Ihrer Prompt-Tokens für die Fehlerbehandlung: Ohne explizite Fehlerpfade wiederholt Claude entweder unendlich oder gibt stillschweigend Müll zurück. Jeder mögliche Fehlermodus benötigt seine eigene Anweisung: Was tun, wenn die API einen 429-Fehler zurückgibt, was tun, wenn ein erforderliches Feld fehlt, was tun, wenn Daten mehrdeutig erscheinen.
• Trennen Sie „Warten“ von „Stoppen“: Claude kann nicht zwischen „Sie haben noch nicht genug Informationen zum Handeln“ und „Die Informationen sind schlecht, abbrechen“ unterscheiden, es sei denn, Sie legen beide Fälle ausdrücklich fest. Ein Agent sollte bei mehrdeutigen Daten pausieren, übersprang aber stattdessen alles, was nicht 100 % sauber war. Explizite Anweisungen für beide Zustände verbesserten die Genauigkeit über Nacht.
• Musterabgleich > Rollenspiel: „Sie sind ein Senior-Ingenieur“ bewirkt fast nichts für die Ausführungsqualität. Ein tatsächliches Beispiel für eine gute Ausgabe einzufügen und zu sagen „Passen Sie dieses Muster genau an“ funktioniert 10-mal besser. Claude ist besser darin, ein konkretes Beispiel zu replizieren als eine abstrakte Persona zu interpretieren.
• Routen nach Komplexität, nicht nach Gewohnheit: Verwenden Sie Opus ausschließlich für mehrstufige Entscheidungen, bei denen Kontext und Grenzfälle wichtig sind. Alles andere geht an Sonnet oder Haiku. Die meisten Agentenaufgaben benötigen kein Opus, und die Kostenunterschiede summieren sich schnell. Die API-Kosten gingen von brutal auf handhabbar zurück mit korrekter Routing.
• Erzwingen Sie Chain-of-Thought vor jeder Aktion: Dies kostet vielleicht 15 % mehr Tokens, aber wenn etwas um 2 Uhr morgens kaputtgeht, können Sie genau nachlesen, warum der Agent beschlossen hat, das zu tun, was er tat. Ohne dies debuggen Sie blind.

Der Entwickler stellt fest, dass diese Prompt-Struktur für den Aufbau von Agenten, die echte Aktionen ausführen (nicht nur Text generieren), viel wichtiger ist als die Modellwahl.