Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
medium.com29. Juni 2026 · Q010904

Prompting for Developers — The Structure That Actually Works

medium.com · Originalbericht öffnen ↗

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.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

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.

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Tempo und Grenzen
Vertrauen in Modelle
Beteiligung und Gemeinwohl

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →