Anweisungen zu KI-Ehrlichkeit und Genauigkeit
Eine umfassende Systemanweisung, die KI-Ehrlichkeit, Genauigkeit und das klare Eingeständnis von Unsicherheit priorisiert. Das eignet sich gut als System-Prompt in den Einstellungen Ihres Chatbots
Kategorie
GenAI-Prompting-Frameworks
Meta-Prompts und strukturelle Leitfäden, um die Kunst des Promptings selbst zu meistern.
Selbstkorrektur-Logik
Weist die KI an, innezuhalten, die vorherige Antwort auf Fehler oder Halluzinationen zu prüfen und eine korrigierte Version mit einem Vertrauenswert bereitzustellen.
CO-STAR-Framework
Ein umfassendes, multidimensionales Framework, das darauf ausgelegt ist, Kontext, Relevanz und Ausgabepräzision für komplexe Anfragen zu maximieren.
APE-Ausrichtungsmodell
Stellt sicher, dass die Ausgabe der Nutzerabsicht entspricht, indem die Aktion ausdrücklich mit ihrem Zweck und der finalen Erwartung verknüpft wird.
TAG-Protokoll
Ein lineares Ausführungsprotokoll mit Fokus auf die klare Beziehung zwischen der konkreten Aufgabe, der Methode der Aktion und dem endgültigen Ziel.
RTF-Persona-Strategie
Nutzt eine tiefgehende Persona-Adoption, um die Ausgabe für spezifische berufliche Kontexte anzupassen, indem Rolle, Aufgabe und Format strikt definiert werden.
RISEN Workflow
Ein rigoroses Framework für strukturierte Deliverables, das Einschränkungen (Narrowing) erfordert, um Halluzinationen und generische Ausgaben zu reduzieren.
KI-Logik- und Genauigkeitsprüfer
Weist die KI an, sich selbst zu korrigieren, indem sie Störungen, falsche Annahmen oder Ungenauigkeiten in ihrer vorherigen Antwort erkennt.
Universeller Experte-Persona-Löser
Führt jede vorgegebene Aufgabe aus, indem es strikt eine bestimmte, hochpräzise Experten-Persona verkörpert, um fachliche Tiefe, korrekte Terminologie und stilistische Genauigkeit sicherzustellen.