Der offizielle Prompt-Engineering-Leitfaden für GPT-4.1 von OpenAI 140

OpenAI hat das GPT-4.1-Modell veröffentlicht und einen detaillierten Leitfaden für Prompt Engineering beigefügt, unter folgender Adresse: https://github.com/openai/openai-cookbook/blob/main/examples/gpt4-1_prompting_guide.ipynb. Ziel ist es, den Nutzern zu helfen, das GPT-4.1-Modell effizienter zu nutzen und die Aufgabenausführung durch optimiertes Prompt-Design zu verbessern.

GPT-4.1 ist leistungsfähiger als das vorherige GPT-4o, insbesondere bei der Programmierung, dem Verstehen von Anweisungen und der Verarbeitung sehr langer Texte wurden erhebliche Verbesserungen erzielt. Es kann Ihre Anweisungen besser verstehen und diese strikt befolgen, solange Sie sich klar ausdrücken.

Allgemeine grundlegende Techniken für das GPT-4.1-Modell

• Kontextbeispiele bereitstellen: Helfen Sie dem Modell durch konkrete Beispiele, die Aufgabenanforderungen zu verstehen.

• Klare und konkrete Anweisungen: Vermeiden Sie vage Anweisungen und stellen Sie sicher, dass das Modell genau weiß, was zu tun ist.

• Planung anleiten: Lassen Sie das Modell zuerst die Schritte durchdenken, bevor es handelt, anstatt direkt auszuführen.

• Wörtlichkeit nutzen: GPT-4.1 folgt Anweisungen strikt, dies ermöglicht eine präzise Steuerung.

• Abweichungen korrigieren: Wenn das Modellverhalten nicht den Erwartungen entspricht, äußern Sie die gewünschte Verhaltensweise direkt und bestimmt.

• Iterative Optimierung: Prompt Engineering erfordert kontinuierliches Experimentieren und Optimieren.

Techniken für Agent-Workflows

• Erinnerung an mehrstufige Dialoge: Weisen Sie im System-Prompt explizit darauf hin, dass das Modell den Dialog fortsetzen muss, bis das Problem gelöst ist, zum Beispiel:

  You are an agent - please keep going until the user’s query is completely resolved, before ending your turn and yielding back to the user. Only terminate your turn when you are sure that the problem is solved.
  

• Tool-Aufruf-Erinnerung: Ermutigen Sie das Modell, Tools ausgiebig zu nutzen, um Raten und Halluzinationen zu reduzieren.

  If you are not sure about file content or codebase structure pertaining to the user’s request, use your tools to read files and gather the relevant information: do NOT guess or make up an answer.
  

• Planungserinnerung: Zwingen Sie das Modell, vor und nach Tool-Aufrufen explizit zu planen und zu reflektieren.

• Priorisieren Sie das tools-Feld: Vermeiden Sie das manuelle Einfügen von Tool-Beschreibungen, um Fehler zu reduzieren.

• Klare Benennung von Tools und Parametern: Stellen Sie sicher, dass Tool- und Parameternamen klar und verständlich sind.

• Detaillierte Tool-Beschreibungen: Beschreiben Sie im "description"-Feld des Tools ausführlich.

• Position der Beispiele: Platzieren Sie Beispiele für komplexe Tools im # Examples-Abschnitt des System-Prompts.

• Explizite Planung anleiten: Lassen Sie das Modell durch Prompts schrittweise Planung und Reflexion in der Ausgabe vornehmen.

Techniken für langen Kontext im GPT-4.1-Modell

• Kontextabhängigkeit anpassen: Weisen Sie explizit darauf hin, ob das Modell nur den bereitgestellten Kontext verwenden oder eigenes Wissen einbeziehen soll.

• Position der Anweisungen optimieren: In langen Kontexten ist es am besten, Anweisungen am Anfang und am Ende zu platzieren; bei nur einer Platzierung ist der Anfang effektiver.

Chain-of-Thought-Techniken

• Grundlegende Chain-of-Thought-Anweisung: Fügen Sie am Ende des Prompts eine Anweisung wie "First, think carefully step by step..." hinzu.

• Fehlerfälle überprüfen: Analysieren Sie die Schritte, in denen das Modell Fehler macht, und fügen Sie klarere Anweisungen zur Korrektur hinzu.

• Wirksame Strategien verfestigen: Schreiben Sie wirksame Denkstrategien explizit in den Prompt.

• Strukturierte Argumentationsstrategien: Verlangen Sie vom Modell, eine Reihe von Argumentationsschritten in Reihenfolge auszuführen.

Techniken zur Anweisungsbefolgung

• Mit übergeordneten Regeln beginnen: Verwenden Sie "Response Rules" oder "Instructions", um die wichtigsten Anforderungen zusammenzufassen.

• Unterkategorien hinzufügen: Bieten Sie Beispielfloskeln für bestimmte Verhaltensweisen an.

• Geordnete Liste für Abläufe: Wenn das Modell bestimmte Schritte ausführen soll, verwenden Sie eine geordnete Liste.

• Konflikte / mehrdeutige Anweisungen prüfen: Vermeiden Sie widersprüchliche Anweisungen und stellen Sie Klarheit sicher.

• Beispiele hinzufügen: Zeigen Sie das gewünschte Verhalten und stellen Sie sicher, dass Schlüsselverhalten in den Regeln berücksichtigt wird.

• Hervorhebung mit Vorsicht verwenden: Z. B. Großbuchstaben, aber normalerweise nicht erforderlich.

• Nebenwirkungen erzwungener Verhaltensweisen behandeln: Vermeiden Sie, dass das Modell aufgrund erzwungener Anforderungen wahllos Tools aufruft.

• Modell zu abwechslungsreichen Beispielfloskeln anleiten: Wiederholungen in der Ausgabe vermeiden.

• Redundante Erklärungen und Formatierung kontrollieren: Schränken Sie die Modellausgabe durch Anweisungen und Beispiele ein.

Allgemeine Empfehlungen

• Strukturierte Prompt-Vorlagen verwenden: Empfohlen werden Vorlagen mit Rolle, Ziel, Anweisungen, Argumentationsschritten, Ausgabeformat und Beispielen.

• Geeignete Trennzeichen wählen: Wählen Sie je nach Bedarf Formate wie Markdown, XML oder JSON.

• Widerstand gegen lange wiederholte Ausgaben beachten: Wenn lange und sich wiederholende Inhalte erzeugt werden müssen, sind möglicherweise starke Anweisungen oder eine Aufgabenzerlegung erforderlich.

• Parallele Tool-Aufrufe testen: Wenn es Probleme mit parallelen Aufrufen gibt, können Sie parallel_tool_calls=false setzen.

Techniken zur Generierung von Code-Diffs

• Klare Anweisungen und Beispiele: Bieten Sie klare Anweisungen und Beispiele für das Diff-Format.

• V4A-Format empfohlen: Das Modell wurde umfassend auf dieses Format trainiert.

• Merkmale effektiver Diff-Formate: Keine Zeilennummern verwenden, genauen alten und neuen Code angeben, mit klarer Trennung dazwischen.

• Weitere effektive Formate: Zum Beispiel das SEARCH/ｒｅｐｌａｃｅ-Format von Aider und Pseudo-XML-Format.

Der GPT-4.1Prompt-Engineering-Leitfaden bietet den Nutzern eine Fülle von Prompt-Engineering-Techniken. Durch deren sinnvolle Anwendung lässt sich die Leistung von GPT-4.1 bei verschiedenen Aufgaben – ob Dialog, Argumentation, Codegenerierung oder andere komplexe Aufgaben – deutlich verbessern.

Adresse des offiziellen Prompt-Engineering-Leitfadens für OpenAI GPT-4.1:https://github.com/openai/openai-cookbook/blob/main/examples/gpt4-1_prompting_guide.ipynb