Prompting for Developers — The Structure That Actually Works
Zusammenfassung
Kurz
Der Autor empfiehlt, Entwickler-Prompts für Claude systematisch aus fünf Teilen aufzubauen: Rolle, konkreter Kontext, Aufgabe, gewünschtes Format und zu vermeidende Fehler oder Vorschläge. Beispiele für Debugging, Codeprüfung und die Erklärung von Legacy-Code veranschaulichen das Schema; empirische Vergleichsdaten zur Wirksamkeit legt der Bericht nicht vor.
Mittel
Der Bericht erklärt den Aufbau guter Entwickler-Prompts für Claude. Der Autor meint, dass kurze, beiläufig formulierte Fragen häufig wichtigen Projektkontext auslassen, den ein menschlicher Kollege vielleicht schon kennt. Statt einfach länger zu schreiben, empfiehlt er fünf Angaben in fester Reihenfolge: Rolle, Kontext, Aufgabe, Format und Einschränkung (R-C-T-F-C).
Die Rolle gibt die gewünschte Perspektive vor, etwa die eines erfahrenen Entwicklers oder einer Sicherheitsspezialistin. Der Kontext soll konkrete technische und praktische Bedingungen sowie bereits ausgeschlossene Lösungswege nennen. Die Aufgabe muss ein klares Ergebnis verlangen; das Format legt dessen Form fest. Einschränkungen benennen, was vermieden werden soll, etwa neue Abhängigkeiten oder eine unnötige Komplettüberarbeitung.
Drei Beispiele zeigen das Schema für die Diagnose von Fehlern unter Last, eine gezielte Prüfung von Zahlungslogik und Sicherheit sowie die Erklärung von Legacy-Code. Der Autor versteht R-C-T-F-C als übertragbaren Bauplan statt als Sammlung auswendig zu lernender Vorlagen. Der Text begründet den erwarteten Nutzen anhand dieser Beispiele, enthält aber keine Messungen oder Vergleichsstudien, die die Wirksamkeit empirisch belegen.
Ausführlich lesen
Der Bericht ist Teil 3 einer Reihe zum Arbeiten mit Claude und behandelt den Aufbau von Entwickler-Prompts. Der Autor, Mike | Claude Cost Tests, argumentiert, dass knappe Fragen oft zu schwachen Ergebnissen führen, weil Claude – anders als ein Kollege – den Projektkontext und gemeinsame Arbeitsgewohnheiten nicht automatisch kennt. Entscheidend sei dabei nicht, möglichst viel zu schreiben, sondern die passenden Informationen in einer klaren Reihenfolge bereitzustellen.
Dafür stellt der Autor das Schema R-C-T-F-C vor: Rolle, Kontext, Aufgabe, Format und Einschränkung. Die Rolle soll festlegen, welche Perspektive und welches Maß an Prüfung gewünscht sind, etwa die eines erfahrenen Entwicklers bei einer Codeprüfung oder eines Sicherheitsspezialisten bei einer Schwachstellenanalyse. Der Kontext soll konkrete Angaben enthalten, zum Beispiel Programmiersprachen und Versionen, relevante Größenordnungen, Einschränkungen sowie bereits ausprobierte oder ausgeschlossene Ansätze. Die Aufgabe soll ein bestimmtes Arbeitsergebnis verlangen und so formuliert sein, dass eine zwar richtige, aber nutzlose Antwort möglichst schwerfällt. Das Format beschreibt, wie die Antwort aussehen soll, etwa als Codeblock mit anschließender Änderungsliste. Einschränkungen benennen unerwünschte Vorschläge oder Fehlerbilder, etwa neue Abhängigkeiten, Änderungen an einer Funktionssignatur oder eine umfassende Neufassung statt einer gezielten Korrektur.
Zur Veranschaulichung führt der Artikel drei Beispiele an: die Suche nach wahrscheinlichen Ursachen intermittierender Fehler unter Last in einer Node.js- und PostgreSQL-Anwendung, eine auf Logik-, Sicherheits- und Geldverarbeitungsfehler begrenzte Prüfung einer Zahlungsfunktion sowie eine verständliche Erklärung von geerbtem Code, ohne bereits eine Überarbeitung vorzuschlagen. In jedem Beispiel werden Rolle, Situation, konkreter Auftrag, gewünschte Ausgabeform und Grenzen kombiniert.
Der Autor stellt R-C-T-F-C als eine Art Bauplan dar, aus dem sich Prompts für unterschiedliche Aufgaben ableiten ließen, statt fertige Vorlagen auswendig zu lernen. Er verbindet den behaupteten Nutzen mit der Idee, dass ein strukturierter Prompt dem Modell mehr relevante Informationen für seine Antworten liefert. Der Bericht erklärt das Vorgehen anhand von Beispielen und begründet es konzeptionell; er berichtet jedoch keine Messungen, Vergleichsstudien oder Versuchsergebnisse, die die behauptete Überlegenheit strukturierter Prompts unabhängig belegen.
Gegengeprüft von Claude Haiku 5.5: kleine Mängel
Luna hat zwei Zusammenfassungen (kurz und mittel) geliefert. Beide sind inhaltlich treu und enthalten keine erfundenen Angaben; das Urteil bezieht sich auf die mittlere Fassung, die kurze lässt dieselbe Begründung ebenfalls aus. Die Sammelfragen sind nicht direkt beantwortbar, da der Bericht nur Prompt-Struktur behandelt. Teilfragen wurden nicht angegeben.
Im Bericht, aber nicht in der Zusammenfassung
- Der Bericht begründet die bessere Wirkung strukturierter Prompts über den Aufmerksamkeitsmechanismus aus Teil 1, also damit, dass das Modell mehr relevante Zusammenhänge zwischen den Wörtern findet.
Wie die Modelle den Bericht einordnen
Ansicht
Filter
Tempo und Grenzen
- SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 79 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Vertrauen in Modelle
- SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 82 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
- clef 100 %kein Bezug
- Luna 46 %gleiches Oberthema, hilft nicht
- JEV
- amos 44 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- Haiku-Prüfung gleiches Oberthema, hilft nicht
Beteiligung und Gemeinwohl
- SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
- clef 100 %kein Bezug
- Luna 41 %gleiches Oberthema, hilft nicht
- JEV
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- Haiku-Prüfung kein Bezug