Zum Hauptinhalt springen

Benannte Techniken, bewertet

Fortgeschritten
What you'll learn
  • Was jede berühmte Prompting-Technik tatsächlich war, in einem Satz
  • Welche das Modell inzwischen für dich übernimmt und welche der Harness übernimmt
  • Die drei Techniken, von denen offizielle Hersteller-Leitfäden heute aktiv abraten
  • Wo die Hersteller offen widersprechen – und wie du es für deine eigene Arbeitslast entscheidest

Öffne fast einen beliebigen Prompt-Engineering-Leitfaden und du erhältst eine Liste benannter Techniken: Chain-of-Thought, Tree of Thoughts, Self-Consistency, ReAct, Reflexion, Least-to-Most. Fast alle wurden zwischen 2022 und 2023 veröffentlicht, für Modelle, die nicht schlussfolgern konnten, wenn man sie nicht dazu zwang.

Diese Einschränkung ist weg. Heutige Frontier-Modelle schlussfolgern intern, bevor sie antworten, und Agenten-Harnesses durchlaufen Werkzeuge von sich aus in Schleifen. Die meisten dieser Techniken wurden also nicht widerlegt – sie wurden absorbiert, entweder in das Modell oder in die Harness. Ein paar sind inzwischen schlicht Fußangeln.

Diese Seite nennt jede einzelne, sagt, wofür sie gedacht war, und gibt ihr eine Bewertung.

Die eine Sache, die sich geändert hat​

Jede Bewertung unten lässt sich auf dieselbe Verschiebung zurückführen: Das Schlussfolgern ist aus deinem Prompt in den eigenen Forward-Pass des Modells gewandert. Alle drei großen Hersteller sagen das inzwischen in ihren eigenen Dokumentationen.

HerstellerWas ihr aktueller Leitfaden sagt
AnthropicExtended Thinking „automatisiert strukturiertes Schlussfolgern“, und wo es verfügbar ist, ist es „im Allgemeinen vorzuziehen gegenüber manuellem Chain-of-Thought-Prompting“.
OpenAI„Vermeide Chain-of-Thought-Prompts: Da diese Modelle intern schlussfolgern, ist es unnötig, sie aufzufordern, ‚Schritt für Schritt zu denken‘ oder ‚ihre Begründung zu erklären‘.“
GoogleWenn du „komplexes Prompt Engineering (wie Chain-of-Thought) verwendet hast, um Gemini 2.5 zum Schlussfolgern zu zwingen“, nutze stattdessen die Thinking-Stufe des Modells.

Die Bewertungstabelle​

TechnikWas sie warBewertung
Klare, spezifische AnweisungZiel, Zielgruppe, Format, Einschränkungen nennen✅ Noch immer das ganze Spiel
Ausgabevertrag„Antworte nur mit dem JSON“ / exakte Form✅ Noch immer essenziell
Prompt Chaining / ZerlegungEine schwere Aufgabe auf mehrere Aufrufe aufteilen✅ Noch immer essenziell
Erlaubnis zu passen„Sag, dass du es nicht weißt, statt zu raten“✅ Noch immer essenziell
Kontext + MotivationErklären, warum eine Einschränkung wichtig ist✅ Hat an Wert gewonnen
Meta-Prompting / APEEin Modell den Prompt schreiben oder verbessern lassen✅ Unterschätzt, lebendig
Chain-of-Thought„Denk Schritt für Schritt“ vor dem Antworten🔁 Ins Modell gewandert
Least-to-MostLeichte Teilprobleme zuerst lösen, der Reihe nach🔁 Ins Modell gewandert
ReActThought: / Action: / Observation: verschränken🔁 In die Harness gewandert
ReflexionSelbstkritik, dann erneut versuchen und die Lektion behalten🔁 In die Memory-Ebene gewandert
Tree of ThoughtsÜber Teilantworten verzweigen, bewerten, zurücksetzen🔁 In die Harness gewandert
Few-Shot-Beispiele3–5 durchgearbeitete Beispiele zeigen⚠️ Umstritten – Hersteller widersprechen sich
Rolle / Persona„Du bist ein Steueranwalt mit 20 Jahren …“⚠️ Abgewertet, behalte die dünne Variante
Self-ConsistencyN Antworten ziehen, Mehrheitsentscheid⚠️ Situativ, zahle N× dafür
Schweres XML-GerüstJeden Teil jedes Prompts taggen⚠️ Jetzt optional, nicht Standard
Graph of ThoughtsBeliebiger Graph aus Schlussfolgerungsschritten🧪 Forschung, kein Hersteller empfiehlt es
Temperature-TuningKreativität hoch- oder herunterdrehen⛔ Auf aktuellen Modellen klar abgelehnt
Emotionaler Druck / Trinkgeld„Das ist sehr wichtig für meine Karriere“⛔ Kein aktueller Hersteller-Leitfaden befürwortet es
Anweisungswiederholung / GROSSBUCHSTABENSag es dreimal, laut⛔ Ausgedient

Der Rest dieser Seite erklärt die interessanten Zeilen.

Ins Modell gewandert​

Chain-of-Thought​

Wei et al. (2022) zeigten, dass ein Modell, das zur Ausgabe von Zwischenschritten aufgefordert wird, weitaus mehr Mathematik- und Logikaufgaben löste. Kojima et al. (2022) fanden dann heraus, dass man das meiste davon mit fünf Wörtern auslösen konnte – „Let's think step by step.“ Vier Jahre lang war das der einzelne Trick mit der größten Hebelwirkung im Prompting.

Frontier-Modelle tun das inzwischen unaufgefordert und geben dafür ein Budget aus, das du über Effort oder Thinking-Stufe steuerst, nicht über Sätze in deinem Prompt. Siehe Thinking & Effort und Effort-Tuning.

Die Anweisung ist also nicht mehr gratis. Sie kostet Tokens, sie fügt eine Anweisung hinzu, die das Modell neben der eigentlichen befolgen muss, und auf einem Thinking-Modell kann sie das Schlussfolgern in die sichtbare Antwort drücken – genau dorthin, wo du es nicht wolltest.

Gewohnheit von 2023 – übertrag das nicht in die Gegenwart

You are an expert mathematician with 20 years of experience. This is very
important to my career, so please take a deep breath and work through this
step by step, explaining your reasoning carefully before giving the final
answer. Let's think step by step.

Are there infinitely many primes p with p mod 4 == 3?

Version 2026 – dieselbe Frage, nichts verschwendet

Are there infinitely many primes p with p mod 4 == 3?

Give the proof sketch, then the one-line answer. If the result is open, say so.

Der zweite Prompt ist kürzer, enthält keine Anweisung, die das Modell in Einklang bringen muss, und gibt sein Budget für den Beweis aus statt für die Erzählung. Die Schlussfolgerungstiefe kommt aus der Effort-Einstellung der Anfrage, nicht aus der Formulierung.

Behalte manuelles Chain-of-Thought, wenn: du auf einem kleinen oder lokalen Modell ohne Thinking-Modus arbeitest (siehe Modelle lokal ausführen), oder du das Schlussfolgern ausdrücklich in der sichtbaren Ausgabe brauchst, damit ein Mensch es prüfen kann.

Least-to-Most​

Zhou et al. (2022) – das Modell Teilprobleme aufzählen und sie dann der Reihe nach lösen lassen. Dieselbe Geschichte wie bei Chain-of-Thought: Es ist ein Plan, und Planen ist inzwischen das Erste, was ein Thinking-Modell von sich aus tut. Weiterhin nützlich als menschliche Gewohnheit, wenn du Arbeit über mehrere Aufrufe zerlegst, was einfach Prompt Chaining ist.

In die Harness gewandert​

ReAct​

Yao et al. (2022) verschränkten Schlussfolgern mit Werkzeugaufrufen, indem sie das Modell Text in einem festen Thought: / Action: / Observation:-Format ausgeben ließen, das dein Code mit Regex parste.

Lies diese Beschreibung noch einmal: Es ist ein Textprotokoll-Workaround für eine API, die keine Werkzeugaufrufe hatte. Die API hat jetzt Werkzeugaufrufe. Natives Tool Use, plus Thinking zwischen Werkzeugaufrufen, ist ReAct – implementiert vom Anbieter, typgeprüft und gestreamt. Das Textprotokoll 2026 selbst zu bauen heißt, einen Parser wieder einzuführen, der an einem verirrten Doppelpunkt zerbrechen kann.

Das eine, was es von ReAct zu behalten lohnt: die Einsicht, dass das Modell über ein Werkzeugergebnis nachdenken können soll, bevor es das nächste Werkzeug wählt. Das ist jetzt ein Plattform-Feature, kein Prompt.

Tree of Thoughts​

Yao et al. (2023) verallgemeinerten Chain-of-Thought zu einer Suche: mehrere Kandidaten für den nächsten Schritt erzeugen, bewerten, die vielversprechenden Zweige behalten, aus Sackgassen zurücksetzen.

Als Prompt („erkunde drei Ansätze parallel, dann wähle aus“) ist es schwach – ein Modell in einem Kontextfenster, das einen Suchbaum spielt, erzeugt meist drei ähnliche Absätze plus eine selbstbewusste Wahl. Als Architektur gedeiht es, unter anderen Namen:

Das ist Tree of Thoughts, mit den Zweigen als echten parallelen Agenten und dem Evaluator als echtem Bewertungsschritt. Bau es mit Subagenten oder Agenten-Teams und bewerte es mit Evals – nicht mit einem schlauen Absatz.

Reflexion​

Shinn et al. (2023) ließen den Agenten nach einem gescheiterten Versuch eine kurze verbale Nachbetrachtung schreiben und diese Notiz in den nächsten Versuch mitnehmen – Lernen, ohne Gewichte anzutasten.

Die Idee war richtig und sie hat sich durchgesetzt. Sie hörte nur auf, im Prompt zu leben: Sie lebt jetzt in der Memory-Ebene. Siehe Memory & Context Editing und Verwaltete Agenten-Memory-Stores. Die moderne Version von „reflektiere über dein Scheitern“ ist ein Agent, der eine Lektion in einen dauerhaften Store schreibt, der die Compaction überlebt.

Mach die billige Variante weiterhin von Hand: Frag das Modell nach einem schlechten Lauf, was im Prompt oder im Werkzeugsatz es in die Irre geführt hat, und behebe das. Das Ergebnis einer Reflexion gehört in deinen System-Prompt, nicht in den nächsten Zug.

Graph of Thoughts​

Besta et al. (2023) ersetzten den Baum durch einen beliebigen Graphen – Zweige zusammenführen, Knoten an ihrem Platz verfeinern, Schleifen bilden. Wirklich interessante Forschung; kein Hersteller empfiehlt es, keine verbreitete Harness implementiert es, und die Token-Kosten sind brutal. Kenne den Namen; bau nicht darauf, bis sich etwas ändert.

Umstritten: Few-Shot-Beispiele​

Das ist der ehrliche Fall. Die drei Hersteller geben drei verschiedene Antworten, schriftlich, genau jetzt:

HerstellerLeitfaden zu Beispielen
OpenAI„Versuche zuerst Zero-Shot … Reasoning-Modelle brauchen oft keine Few-Shot-Beispiele, um gute Ergebnisse zu liefern.“
Anthropic„Beginne mit einem Beispiel (One-Shot). Füge weitere Beispiele (Few-Shot) nur hinzu, wenn die Ausgabe deinen Anforderungen noch nicht entspricht.“
Google„Prompts ohne Few-Shot-Beispiele sind wahrscheinlich weniger effektiv“ – und empfiehlt, sie immer einzubeziehen.

Löse das nicht, indem du den Hersteller wählst, den du magst. Die Uneinigkeit ist echt und sie spiegelt echte Unterschiede darin, wie diese Modelle trainiert wurden. Löse sie mit einer Ablation an deiner eigenen Aufgabe – das ist eine Sache von 20 Minuten und schlägt jeden Ratschlag, auch den dieser Seite.

Guided walkthrough1 of 6
  1. Sammle 20 echte Eingaben mit bekannt guten Ausgaben. Nicht 3 – 3 können eine 15-%-Änderung nicht von Rauschen unterscheiden. Siehe /docs/foundations/evals.

Der Fehlermodus, den es zu benennen lohnt: Zu viele Beispiele führen zu Pattern Lock, bei dem das Modell die oberflächliche Form deiner Beispiele auch bei Eingaben reproduziert, die eine andere Form gebraucht hätten. Wenn Ausgaben eigenartig uniform aussehen, streiche Beispiele, bevor du Anweisungen hinzufügst. Mehr dazu in Few-Shot richtig gemacht.

Abgewertet: Rollen und Personas​

„Du bist ein weltklasse Senior-Steueranwalt mit 20 Jahren Erfahrung in einer Top-Kanzlei“ war gängige Praxis. Anthropics aktueller Leitfaden ist unverblümter: „Übermäßig spezifische Rollen können die Hilfsbereitschaft der KI einschränken.“

Der nützliche Teil einer Rolle war nie die Biografie – es waren Vokabular und Zielgruppe. Behalte das, lass den Lebenslauf weg:

  • ⛔ „Du bist ein legendärer 10x-Entwickler, der nie Bugs schreibt.“
  • ✅ „Prüfe das für einen Python-3.12-Service, der in Lambda läuft. Markiere alles, was bei gleichzeitigen Cold Starts scheitern würde.“

Der zweite sagt dem Modell etwas, das es nicht wusste. Der erste sagt ihm, selbstbewusst zu sein, was das Gegenteil davon ist, was du von einem Prüfer willst. Siehe System-Prompts und Rollen.

Situativ: Self-Consistency​

Wang et al. (2022) – dieselbe Frage N-mal ziehen und die Mehrheitsantwort nehmen. Es funktioniert, und es funktioniert weiterhin. Das Problem ist die Rechnung: N× Tokens und N× Latenz für eine Antwort.

Auf einem Frontier-Modell kauft es meist mehr Genauigkeit pro Token, das Effort- oder Thinking-Budget auf einem Aufruf zu erhöhen, als drei billige Aufrufe plus eine Abstimmung. Self-Consistency ist weiterhin das richtige Werkzeug, wenn:

  • Die Antwort kurz und prüfbar ist (eine Zahl, ein Label, ein Ja/Nein), sodass Abstimmen wohldefiniert ist.
  • Du auf einem billigen oder lokalen Modell arbeitest, wo drei Aufrufe noch billiger sind als ein Frontier-Aufruf.
  • Du ein Konfidenzsignal brauchst – ein 3:0 und ein 2:1 sagen dir Verschiedenes, und das ist anders kaum zu bekommen.

Es ist das falsche Werkzeug für Essays, Code und alles, wo „Mehrheit“ nicht sinnvoll ist.

Ausgedient​

  • Temperature-Tuning. Nicht bloß abgeraten – abgelehnt. Auf aktuellen Frontier-Claude-Modellen gibt eine nicht standardmäßige temperature, top_p oder top_k bei jeder Anfrage einen 400er-Fehler zurück. Google „empfiehlt nachdrücklich, den Temperature-Parameter auf seinem Standardwert von 1.0 zu halten“ für alle Gemini-3-Modelle und warnt, dass ein Senken „zu unerwartetem Verhalten führen kann, etwa Schleifen oder verschlechterter Leistung“. Forme Verhalten über den Prompt und die Effort-Einstellung. Welche Modelle welche Regler freigeben, ist ein bewegliches Ziel – prüfe Modelle & Preise und Sampling-Steuerungen.
  • Emotionaler Druck. Li et al. (2023) haben Gewinne durch „das ist sehr wichtig für meine Karriere“ auf Modellen der 2023er-Ära tatsächlich gemessen, und die Trinkgeld-Variante kursierte weithin. Kein aktueller Hersteller-Leitfaden empfiehlt eines von beiden. Behandle den gemessenen Effekt als Eigenschaft der Modelle, an denen er gemessen wurde, nicht als Gesetz des Promptings – und beachte, dass niemand eine Replikation auf einem Frontier-Modell veröffentlicht hat.
  • Anweisungswiederholung und GROSSBUCHSTABEN. Doppelt genäht für Modelle, die Anweisungen aus der Mitte langer Prompts verloren. Die Bitte nach einem sehr langen Dokument erneut zu nennen, ist weiterhin sinnvoll (Langer Kontext); sie in einem Prompt von 200 Tokens dreimal zu sagen, verbraucht nur Kontext und schafft Konflikte, die aufgelöst werden müssen.
  • Vorbelegen des Assistant-Zugs. War der zuverlässige Weg, Claude ein Ausgabeformat aufzuzwingen. Ausgedient – aktuelle Modelle geben bei einem vorbelegten letzten Assistant-Zug einen 400er zurück. Nutze einen Ausgabevertrag oder strukturierte Ausgabe.

Wie du über jede Technik entscheidest​

Die ganze Seite lässt sich auf dieses Diagramm eindampfen. Eine benannte Technik ist eine Hypothese darüber, wo eine Fähigkeit wohnen muss – im Prompt, im Modell oder in der Harness. Wenn die Fähigkeit umzieht, zieht die Heimat der Technik mit um.

Kenne den Kanon
Drücke Enter oder die Leertaste, um die Karte umzudrehen. Nutze die Pfeiltasten links und rechts, um zwischen den Karten zu wechseln.Begriff angezeigt.
1 / 10

Prüfe dich selbst

0/4
  1. Warum ist „denk Schritt für Schritt“ in einem Prompt für ein Thinking-Modell jetzt eher Kosten als Gewinn?
  2. Was ist die richtige moderne Heimat für Tree of Thoughts?
  3. Die drei großen Hersteller geben derzeit schriftlich unterschiedliche Ratschläge zu Few-Shot-Beispielen. Was empfiehlt diese Seite?
  4. Was passiert, wenn du eine nicht standardmäßige Temperature an ein aktuelles Frontier-Claude-Modell sendest?
Key takeaways
  • Benannte Techniken sind Hypothesen darüber, wo eine Fähigkeit wohnen muss – im Prompt, im Modell oder in der Harness. Zieht die Fähigkeit um, zieht die Technik mit.
  • Manuelles Chain-of-Thought und Least-to-Most sind ins Modell gewandert: nutze Effort und Thinking-Stufe statt Formulierungen.
  • ReAct und Tree of Thoughts sind in die Harness gewandert: natives Tool Use, parallele Subagenten und ein echter Evaluator.
  • Reflexion ist in die Memory-Ebene gewandert: schreibe die Lektion an einen dauerhaften Ort, nicht in den nächsten Zug.
  • Few-Shot ist zwischen den Herstellern wirklich umstritten – führe eine Ablation an 20 eigenen Fällen durch, statt einem Leitfaden zu vertrauen.
  • Temperature-Tuning und emotionaler Druck sind ausgedient. Halte Rollenrahmen dünn: Vokabular und Zielgruppe, nie den Lebenslauf.

Weiter​