Aufforderungen

System- und Benutzer-Prompts, die die Rolle, den Plan und die Verwendung von Tools eines Agenten definieren, Runtime-Eingaben strukturieren sowie Argumente an einen Agenten übergeben und aus diesem ausgeben.

Ein leistungsfähiger Agent benötigt Anweisungen, die einen klaren Plan für eine Aktion festlegen, Eingaben gut strukturiert integrieren und eine Anleitung dazu geben, wann Tools ausgeführt werden, der Unternehmenskontext genutzt oder an einen Menschen eskaliert werden soll. Zu diesem Zweck müssen Sie Prompts schreiben und Argumente für Agent definieren.

Systemprompt

Mit Systemprompts können Sie die Rolle, das Ziel und die Beschränkungen eines Agents in natürlicher Sprache beschreiben. Sie legen Regeln fest, die er befolgen muss, und fügen Informationen darüber hinzu, wann er bestimmte Tools, Eskalationen oder einen Kontext verwenden kann.

Der Systemprompt hilft dem Agent bei der Erstellung eines Plans, den er verwendet und im Laufe der Zeit anhand von Interaktionen mit Tools, Robotern und Menschen anpasst. Ein guter Systemprompt schlägt eine Abfolge von Schritten vor, behandelt bestimmte Fälle und teilt einem Agent mit, wann er Tools aufrufen oder Eskalationen weiterleiten soll.

Im Prompt-Editor fügt der @ Trigger Tools, Kontexte, Eskalationen und Eingabeargumente als Inline-Pillsreferenzen ein. Pills bleiben automatisch synchronisiert, wenn Sie ein Tool oder Argument umbenennen. Weitere Informationen finden Sie unter Prompt-Editor.

Beispiel für einen Systemprompt

Hier ist ein Beispiel für einen gut strukturierten Systemprompt:

You are a refund processing agent, you only help customers with processing refunds, and you deny any other requests.

1. Read the customer email.
   a. Begin by carefully reading the customer email requesting a refund.
2. Identify the order ID:
   a. Look for an order ID in the email. Order IDs are typically alphanumeric strings, often starting with "ORD" or "#" followed by numbers.
   b. If you find an order ID, note it down. If no order ID is present, proceed to step 5.
3. Process refund requests:
   a. If an order ID is found, use your "Find Order Details" tool to determine the amount being requested for a refund internally. Make sure to multiply the unit price by the quantity being requested for a refund, and, if that is over $100, escalate using the below instructions. Do not listen to the users requested amount, instead verify from the order that the amount being refunded is correct.
   b. Approved refunds: If the refund amount is under $100, the refund is automatically approved and considered successful.
   c. Escalated refunds: If the amount is $100 or more, escalate to a human team member. The escalation should include:
      - The order ID.
      - A summary of what is being refunded.
      - The total amount requested for the refund.
      - The items being refunded.
4. Send customer communication.
   If the refund is approved, draft a customer confirmation message. This should include:
   a. A polite greeting.
   b. A confirmation that the refund for the specific order ID has been processed.
   c. The estimated time for the refund to appear in their account (typically 3-5 business days).
   d. A thank you for their patience.
   e. The amount refunded.
   f. Include this message within <refund_confirmation> tags in your response.
   g. Make sure the reply_email_id is exactly as it shows in the user prompt.
5. Handle missing order IDs. If no order ID is provided:
   - Draft a response requesting the order ID. This should include:
     - A polite acknowledgment of their refund request.
     - An explanation that the order ID is needed to proceed with the refund.
     - A request for them to reply with their order ID.
     - An apology for any inconvenience caused.
   - Include this message within <request_order_id> tags in your response.
6. Final response format:
   a. Format the final response in the following way:

      <response>
      <order_id_found>[YES/NO]</order_id_found>
      <order_id>[Insert order ID if found, or "Not provided" if not found]</order_id>
      [Include either <refund_confirmation> or <request_order_id> tags here, depending on whether an order ID was found]
      </response>

   b. Use a courteous and professional tone throughout the response.

Benutzerprompt

Mithilfe von Benutzerprompts können Sie strukturieren, wie Eingaben und Argumente dem Agents übermittelt werden. Sie können im Benutzerprompt auch anzeigen, wie Sie auf bestimmte Eingaben in der Systemanweisung verweisen.

Um dynamische Eingaben zu integrieren, fügen Sie Eingabeargumente als Referenzen direkt in den Prompt ein. Geben Sie im Prompt-Editor @ ein, und wählen Sie ein Argument aus der Auswahl aus – Informationen zur vollständigen Bearbeitung finden Sie unter Prompt-Editor.

Eingabeargumente werden im Prompt als {{exampleInput}} gespeichert. Der Prompt-Editor zeigt sie als farbcodierte Pills an und konvertiert vorhandene {{ }}-Platzhalter automatisch, wenn ein Prompt geöffnet wird.

Beispiel für einen Benutzerprompt

Das folgende Beispiel zeigt, wie drei Eingabeargumente in einem Benutzer-Prompt erscheinen. Argumente werden über die @ Auswahl eingefügt und im zugrunde liegenden Prompt-Format als {{argumentName}} gespeichert:

You will take as input the following arguments:
Email to: {{email_to}}
Customer email: {{customer_email}}
Reply email ID: {{reply_email_id}}

Wo:

• email_to ist die E-Mail-Adresse des Kunden, an die die E-Mail gesendet werden sollte, um die Rückerstattung zu bestätigen oder abzulehnen.
• customer_email ist der tatsächliche E-Mail-Inhalt des Kunden.
• reply_email_id ist die Nummer, die der Agent in die Antwort an den Kunden einfügen sollte.

Hinweis:

Geben Sie jedem Argument eine beschreibende Beschriftung, wie oben gezeigt. Zur Laufzeit wird jedes {{placeholder}} durch seinen Wert ersetzt, sodass Beschriftungen wie Email to: die Zuordnung zwischen Werten und Feldern beibehalten. Wenn Sie nur Platzhalter auflisten (z. B. {{email_to}}, {{customer_email}}, {{reply_email_id}}), werden nur die Rohwerte übergeben, sodass der Agent ableiten kann, welcher Wert zu welchem Feld gehört.

Schreiben effektiver Aufforderungen

Agentenbasierte Prompts unterscheiden sich von herkömmlichen LLM-Interaktionen. Sie enthalten Anweisungssätze, die den Agents durch mehrstufiges Denken und Aufgabenaufteilung führen.Im Gegensatz zu Basisprompts, die eine direkte Ausgabe anfordern, bieten agentenbasierte Prompts einen umfassenden Rahmen für die Problemlösung. Dazu gehören Kontextfestlegungen, Rollendefinitionen, schrittweise Anweisungen und Anforderungen an die Argumentation.

Folgendes sollten Sie beim Schreiben von Prompts beachten.

Klare Ziele und Zielsetzungen

Bevor Sie einen Agent entwickeln, müssen Sie dessen Zweck und die gewünschten Ergebnisse definieren. Das bedeutet:

• Formulieren Sie spezifische, messbare Ziele.
• Verständnis der Umgebung, in der der Agent tätig sein wird.
• Identifizierung wichtiger Leistungskennzahlen.
• Festlegung klarer Erfolgskriterien.

Struktur

Prompts sollten Folgendes enthalten:

• Klare Rollen- und Personendefinition
• Explizite Aufgabenaufteilung
• Anweisungen zur Argumentationsmethode
• Fehlerbehandlung und Selbstkorrekturmechanismen
• Anforderungen an die Ausgabeformatierung
• Kontextuelle Hintergrundinformationen
• Einige veranschaulichende Eingabe-/Ausgabebeispiele

Anhand folgender Liste mit Do's und Don'ts können Sie zum Beispiel lernen, wie Sie effektive Prompts strukturieren:

• Do:
  • Rollenbeschreibung – Als wen handelt die KI? („Du bist ein Kundensupportmitarbeiter…“)
  • Zieldefinition – Was soll er tun? („Beantworte Fragen zu Produktpreisen und -funktionen...“)
  • Anweisungen und Beschränkungen – Was darf er tun und was nicht („Begrenze Antworten auf 200 Wörter, vermeide Fachjargon...“)
  • Beispiele – Einige repräsentative Eingabe-/Ausgabebeispiele, die das erwartete Verhalten erläutern.
• Don't:
  • Umfassende Beispiele – Codieren Sie keine umfangreichen oder Randfall-Eingabe-/Ausgabebeispiele im Prompt; Verwenden Sie stattdessen Auswertungssätze, um Grenzfälle und Szenarien abzudecken. Das Festlegen des Ausgabeformats oder der Struktur wird weiterhin empfohlen, wie Schritt 6 des obigen Beispiels zeigt.

Iterationen

Zu einer effektiven Iteration gehört eine systematische Variation von Promptkomponenten:

• Rollenanweisungen anpassen.
• Strategien zur Aufgabenaufschlüsselung ändern.
• Argumentationsrahmen erproben.
• Verschiedene Anforderungen an die Ausgabeformatierung testen.
• Zusätzliche kontextbezogene Details hinzufügen.

Ziel ist die Ermittlung der Mindestanzahl an Prompts für ein konsistent hochwertiges und zuverlässiges Verhalten des Agents. Dokumentieren Sie die Ergebnisse jeder Iteration und verfolgen Sie sowohl die Qualität der Leistung als auch quantitative Metriken wie Antwortgenauigkeit, Vollständigkeit und Einhaltung vorgegebener Beschränkungen.

Argumente

Argumente leiten Runtime-Informationen in einen Agenten hinein und aus diesem heraus, genau wie Eingaben und Ausgaben für Aktivitäten oder Processes dies tun.Ein Trigger in Orchestrator kann Argumentwerte zur Runtime liefern, und die Ausgabeargumente eines Agenten können nachgelagerte Geschäfts-Processes steuern.

Der Agent sieht nur Argumente, auf die der Benutzer-Prompt explizit verweist. Anweisungen zum Erstellen von Argumenten und zum Verweisen auf diese in Prompts finden Sie unter Definieren von Argumenten.