struggle vor ein paar Jahren ein sehr heißes Thema. Hier würden Sie Ihre Eingabeaufforderung auch nur ein wenig anpassen – zum Beispiel das Format Ihrer Eingabeaufforderung, den letzten Satz Ihrer Eingabeaufforderung usw. Mit LLMs könnten Sie ganz andere Ergebnisse erzielen. Allerdings sind die LLMs in den vergangenen Jahren viel leistungsfähiger und intelligenter geworden, und es ist viel weniger wahrscheinlich, dass sie Ausgaben nur aufgrund des Codecs, der Textreihenfolge oder ähnlicher Dinge in der Eingabeaufforderung ändern.
Allerdings ist die Aufforderung immer noch sehr wichtig, und das Wissen darüber, wie man LLMs effektiv auffordert, ist immer noch unglaublich wichtig. Heutzutage erfordert es einfach andere Fähigkeiten und eine andere Denkweise, um Agenten effektiv zu informieren.
Es ist erwähnenswert, dass sich die Artwork und Weise, wie Sie Ihre Agenten auffordern, in den nächsten ein oder zwei Jahren wahrscheinlich weiter entwickelt hat. Sie müssen lediglich alle an den Modellen vorgenommenen Änderungen im Auge behalten, um zu wissen, wie Sie sie effektiv ansprechen und mit den Modellen die besten Ergebnisse erzielen können.
In diesem Artikel bespreche ich, wie ich die LLMs, mit denen ich arbeite, anspreche, damit sie eine Menge Arbeit effektiv erledigen, und ich werde im Wesentlichen meinen Arbeitsablauf besprechen, um technische Aufgaben zu erledigen.
Warum die Artwork und Weise, wie Sie auffordern, optimieren?
Zunächst denken Sie vielleicht, dass die Artwork und Weise, wie Sie Eingabeaufforderungen schreiben, keine so große Rolle mehr spielt, weil die LLMs so stark geworden sind, dass sie Sie sowieso verstehen können. Bis zu einem gewissen Grad stimme ich dieser Denkweise zu. Es gibt jedoch immer noch gute und schlechte Möglichkeiten, Modelle aufzufordern.
Eine gute Eingabeaufforderung wäre zum Beispiel:
- Machen Sie deutlich, was Sie wollen
- Geben Sie an, wie Sie die Implementierung testen
- Klären Sie etwaige Unklarheiten
Eine schlechte Eingabeaufforderung wäre beispielsweise:
- Seien Sie vage
- Machen Sie Annahmen, die nicht zur vorhandenen Codebasis passen
Darüber hinaus ist die Eingabeaufforderung nicht nur eine einzelne Sache, die Sie für einen bestimmten Thread tun. Prompting ist auch die Wissenschaft des iterativen Arbeitens mit dem Modell, um beispielsweise einen Plan zur Implementierung der Funktion zu erstellen. Eine gute Aufforderung könnte additionally auch darin bestehen, das Mannequin zu bitten, etwaige Unklarheiten zu entdecken und diese mit Ihnen zu besprechen. Oder dem Modell mitteilen, welche Annahmen es treffen soll.
Wie ich Claude Code auffordere
Jetzt gehe ich dazu über, wie ich Claude Code konkret auffordere. Ich werde Ihnen einige der Techniken erläutern, die ich verwende, um effektiv Eingabeaufforderungen zu erstellen und das Beste aus Claude Code herauszuholen. Diese Techniken sind jedoch sehr allgemein gehalten und gelten grundsätzlich auch für alle anderen Codierungsagenten, beispielsweise auch für Codex.
Transkription
Das erste Thema, das ich behandeln möchte, ist, dass ich ein Transkriptionstool verwende, um alle meine Gedanken in die Codierungsagenten zu übertragen. Derzeit verwende ich ein Transkriptionstool namens FluidVoice, ein Modell, das Sie lokal kostenlos ausführen können und das unglaublich intestine ist, sowohl schnell als auch genau, um englischen Textual content zu transkribieren.
Nun sind die Transkriptionstools offensichtlich sehr wertvoll, weil sie schneller sind als das Tippen von Hand. Wie viel schneller, hängt natürlich davon ab, wie schnell Sie tatsächlich mit der Hand tippen können, aber man kann durchaus davon ausgehen, dass Sie im Durchschnitt zwei- bis dreimal schneller sprechen können, als Sie auf Ihrem Pc tippen können. Und natürlich haben Sie den Vorteil, dass Sie Ihre Hände nicht überanstrengen und sich nicht auf das Tippen konzentrieren müssen.
Ein weiterer Vorteil, der mir aufgefallen ist, ist jedoch, dass ich eher dazu bereit bin, den gesamten Kontext einzubeziehen, den mein Coding-Agent zum Ausführen einer Aufgabe benötigt. Wenn ich alles von Hand tippen musste, gab es Zeiten, in denen ich nicht den gesamten Kontext aufschreiben wollte, einfach weil das Tippen viel Zeit in Anspruch nahm. Das ist natürlich sehr schlecht, denn wenn Sie Claude Code nicht den Kontext geben, den es zum Lösen einer Aufgabe benötigt, ist es für ihn sehr schwierig, diese Aufgabe tatsächlich zu lösen. Da ich jetzt jedoch transkribiere statt zu tippen, ist es für mich viel einfacher, tatsächlich den gesamten Kontext einzubeziehen, den ich einbeziehen muss, und der Aufwand ist außerdem sehr gering.
Alles in allem sind Transkriptionstools additionally sehr intestine, weil sie Ihnen viel Zeit sparen und es Ihnen leichter machen, den gesamten Kontext einzubeziehen, den Sie tatsächlich benötigen, um den Codierungsagenten bereitzustellen, damit die Aufgabe effektiv ausgeführt werden kann.
Dem Modell sagen, wie es testen soll
Ein weiterer sehr wichtiger Punkt besteht darin, dem Modell mitzuteilen, wie es testen soll. Nehmen wir additionally an, Sie weisen das Modell an, Funktion A zu implementieren. Das ist natürlich großartig. Sie sagen ihm, was die Funktion beinhaltet; Sie sollten angeben, warum Sie diese Funktion erstellen möchten. Sie sollten jeglichen Kontext rund um die Funktion angeben, wie die Funktion mit anderen Teilen Ihrer Anwendung verknüpft ist usw.
Allerdings müssen Sie dem Modell auch mitteilen, wie es die Funktion testen soll. Wenn Sie beispielsweise eine Chat-Funktion in Ihre Anwendung implementieren, sollten Sie dem Modell mitteilen, dass es den Chat in Chrome öffnen, selbst eine Abfrage eingeben und sicherstellen soll, dass die KI ordnungsgemäß reagiert und beispielsweise die Token einströmen.
Im Wesentlichen müssen Sie dem Modell mitteilen, woher es wissen kann, dass es die Funktion korrekt implementiert hat. Dadurch sparen Sie viel Zeit, da Sie die Funktion nicht so oft selbst testen müssen und das Modell Ihnen sofort eine besser funktionierende Funktion präsentiert.
Ein Gespräch mit dem Mannequin führen
Ein häufiges Missverständnis bei der Eingabeaufforderung für Codierungsagenten besteht darin, dass Sie ihnen einfach eine einzelne Eingabeaufforderung geben, diese auslösen und sie dann arbeiten lassen, bis sie fertig sind. Wenn Sie über die perfekte Immediate-Einrichtung verfügen, ist dies möglich, da die Agenten sehr intestine in der Lage sind, viele Stunden lang zu arbeiten und eine Menge Arbeit zu erledigen. Dabei wird jedoch nicht berücksichtigt, wie die perfekte Eingabeaufforderung erstellt wird.
Für einen Menschen ist es im Grunde unmöglich, eine perfekte Eingabeaufforderung zu erstellen, und der einfache Grund dafür ist, dass Sie als Mensch nicht über den vollständigen Kontext der gesamten Codebasis verfügen können und es einfach zu viel Code, zu viele Dinge zum Nachdenken und Kontext gibt, den Sie möglicherweise vergessen und der nicht in Ihrem Kurzzeitgedächtnis gespeichert werden kann. Allerdings sind die Coding Brokers tatsächlich in der Lage, all dies in ihrem Gedächtnis zu speichern, was sie zu einem sehr guten Gesprächspartner macht.
Grundsätzlich sollten Sie jedes Mal, wenn Sie mit einem Codierungsagenten beginnen, ein Gespräch mit Ihrem Codierungsagenten führen, sei es die Implementierung einer neuen Funktion, die Behebung eines Fehlers oder irgendetwas anderes. Sie sollten Ihren Coding-Agenten bitten, das Thema zu recherchieren, die Protokolle zu überprüfen, on-line zu suchen, ob dort etwas Relevantes zu finden ist usw. Und sich von dem Agenten Fragen zu allem stellen lassen, was nicht eindeutig ist.
Wenn die Codierungsagenten Code für Sie schreiben, treffen sie eine Menge Annahmen. Viel mehr Annahmen, als Ihnen überhaupt bewusst ist. Der Grund dafür ist, dass es beim Codieren viel zu viele Entscheidungen gibt, als dass der Coding-Agent Sie jedes Mal danach fragen könnte. Wenn auch Menschen programmieren, müssen sie auch eine Reihe von Annahmen treffen, die ihnen manchmal einfallen, und manchmal sind es einfach unbewusste Annahmen. Bei der Planung möchten Sie jedoch, dass das Modell zumindest alle wichtigen Annahmen mitteilt, die es trifft.
Ein Beispiel für eine solche Annahme könnte sein, ob die Infrastruktur direkt über eine CLI, beispielsweise für AWS, oder als CDK, additionally als Code, implementiert werden soll. Dies ist kein perfektes Beispiel, da die richtige Antwort in quick allen Fällen darin besteht, dass Sie es als Code und nicht direkt über die CLI implementieren sollten. Dies ist jedoch ein Beispiel für eine Entscheidung, über die Sie als Mensch informiert sein möchten, damit der Codierungsagent nichts tut, was Sie nicht möchten. Grundsätzlich führen Sie diese Diskussion mit Ihrem Coding-Agenten, um die Implementierung in Ihrem Kopf an dem auszurichten, was der Coding-Agent tatsächlich implementieren wird.
Sie haben ein Gespräch mit Ihrem Coding-Agenten geführt, um sicherzustellen, dass Sie sich darüber im Klaren sind, welche Aufgabe implementiert werden soll und wie diese implementiert werden soll.
HTML-Berichte
Eine letzte Sache, die ich in diesem Artikel behandeln möchte, sind HTML-Berichte. Wenn additionally Codierungsagenten funktionieren, gibt es natürlich viele Informationen. Der Agent schreibt viele Ausgaben auf Ihr Terminal, wobei die meisten davon für Sie nicht related sind, zum Beispiel Werkzeugaufrufe oder einfach nur Denktokens und so weiter. Manchmal müssen Sie jedoch überprüfen, was der Codierungsagent tut. Dies könnte beispielsweise der Plan sein, den Sie in der letzten Aufgabe erstellt haben und in dem Sie mit einem Modell darüber diskutieren möchten, wie eine Funktion implementiert werden soll. In diesen Fällen sollten Sie das Modell quick immer dazu veranlassen, HTML-Berichte zu erstellen, um zu visualisieren, was Sie besprechen, was es für Sie als Mensch viel einfacher macht, dem Modell Ihr Suggestions zu geben.
Lassen Sie mich hier sehr konkret werden. Nehmen wir an, ich implementieren Funktion A, aber es gibt eine Reihe von Entscheidungen, die das Modell mit mir besprechen möchte, bevor es mit der Implementierung beginnt. Wenn ja, lasse ich das Modell einen HTML-Bericht generieren, in dem jede Entscheidung aufgeführt ist, einschließlich Kontext wie:
- Welche verschiedenen Optionen gibt es für diese Entscheidung?
- Worum es bei der Entscheidung geht
- Vor- und Nachteile der Entscheidung
- Eine einfache Schaltfläche, mit der ich entscheiden kann, welche Possibility ich für die Entscheidung wählen soll
Dies macht es für mich unglaublich einfach, die verschiedenen Optionen für jede Entscheidung zu verstehen und einen Überblick über die Gesamtentscheidungen zu gewinnen, die getroffen werden müssen. Und es ist viel einfacher, als dies beispielsweise über das Terminal zu lesen und zu verstehen. Ein weiterer Vorteil von HTML-Berichten besteht darin, dass Sie visuelle Darstellungen erstellen können, beispielsweise Diagramme, Flussdiagramme, SVGs usw.
Ein weiterer Hinweis hier ist, dass ich auch HTML-Berichte zum Testen erstelle. Nehmen wir additionally an, dass das Modell eine von mir gewünschte Funktion implementiert oder den Fehler behoben hat. Ich lasse einen HTML-Bericht erstellen, der Folgendes enthält:
- Jeder Teil der Implementierung, den ich testen muss
- Direkte Hyperlinks zum Produkt, wo Sie es genau testen können. Wenn ich beispielsweise einen Chat teste, erhalte ich einen Hyperlink direkt zu diesem Chat, sodass ich nicht selbst durch das Produkt navigieren muss
- Zwei Schaltflächen, eine zum Genehmigen der Funktion und eine zum Mitteilen, dass noch mehr Arbeit erforderlich ist
- Ein Eingabefeld, in dem ich mein Suggestions dazu geben kann, wie ich das Downside beheben kann und was falsch ist
Ich habe dann auch eine Kopierschaltfläche im HTML-Bericht, sodass ich einfach die Ausgabe des Berichts kopieren kann, d. h. was ich für die verschiedenen Teile des Berichts geantwortet habe, und ich kann es einfach wieder in Claude Code einfügen, es weiterarbeiten lassen und mir dann einen neuen HTML-Bericht präsentieren, damit ich so weitermachen kann, bis alles getestet und genehmigt ist. Wenn ja, kann ich natürlich alles zusammenführen und in die Produktion bringen.
Abschluss
In diesem Artikel habe ich besprochen, wie man Claude Code und andere Codierungsagenten effektiv anfordert. Die Wissenschaft der Eingabeaufforderung für Codierungsagenten hat sich im Laufe der Jahre stark verändert; Am Anfang struggle es sehr wichtig, wie Sie Ihre Aufforderungen formulierten oder in welcher Reihenfolge Sie den Textual content in Ihrer Aufforderung hatten. Heutzutage spielt das überhaupt keine Rolle mehr, aber Aufforderungen sind immer noch eine Fähigkeit, die man beherrschen muss. Sie müssen den Agenten beispielsweise mitteilen, wie sie ihre Implementierungen testen sollen. Sie sollten mit den Agenten besprechen, wie eine Implementierung durchgeführt wird, etwaige Unklarheiten gelöst werden usw. Ich denke, die Artwork und Weise, wie Sie die Agenten auffordern, wird sich in den nächsten ein bis zwei Jahren erneut ändern, und ich werde mich einfach über die effektivste Artwork der Zusammenarbeit mit Agenten auf dem Laufenden halten und einen weiteren Artikel veröffentlichen, sobald ich glaube, dass sich die Artwork und Weise, wie ich mit meinen Agenten interagiere, seit diesem Artikel ausreichend verändert hat.
👉 Mein kostenloses E-Guide und Webinar:
🚀 Verzehnfachen Sie Ihr Engineering mit LLMs (kostenloser 3-tägiger E-Mail-Kurs)
📚 Holen Sie sich mein kostenloses E-Guide „Imaginative and prescient Language Fashions“.
💻 Mein Webinar zu Imaginative and prescient Language Fashions
👉 Finden Sie mich in den sozialen Netzwerken: