Prompt Templates und Function Calling
Teil des Prompt Engineering-Kurses
In Lektion vier hast du einen einzelnen Prompt von Hand formatiert: Delimiter, Rollen, ein few-shot-Beispiel. Für einen Prompt reicht das. Sobald derselbe Prompt über Hunderte verschiedener Eingaben laufen soll oder das Modell über seinen eigenen Text hinausgreifen und tatsächlich etwas tun muss, brauchst du zwei neue Werkzeuge. Diese Lektion behandelt beide.
Einen Prompt zu kopieren und jedes Mal ein Wort zu ändern, ist genau der Weg, auf dem sich Fehler einschleichen. Du korrigierst den Wortlaut in einer Kopie und vergisst die anderen fünf. Die Antwort darauf ist ein Prompt-Template: ein wiederverwendbarer Prompt mit benannten Platzhaltern, die du im Moment des Absendens aus deinen Daten füllst. ...
Möchtest du Prompt Engineering Prompt Templates und Function Calling in einer echten Umgebung lernen?
Klick unten, hol dir eine Linux-Maschine mit fertigem Prompt Engineering und arbeite Prompt Templates und Function Calling praktisch durch, mit einem KI-Tutor, der deinen Code kennt.
Lektion startenPrompt Templates und Function CallingWas du lernen wirst
- Prompt templates with variables
- Separating template from data
- Function calling and tool schemas
- Reading a tool call and returning a result
Lies diese Lektion in deiner Sprache
Alle Lektionen in diesem Kurs
11 Lektionen- 1Was ein Prompt ist20 Min.
- 2Wie große Sprachmodelle Text erzeugen30 Min.
- 3Die fünf Prinzipien des Prompting30 Min.
- 4Standardpraktiken für die Textgenerierung35 Min.
- 5Prompt Templates und Function Calling35 Min.
- 6Vector Databases und Retrieval-Augmented Generation40 Min.
- 7Autonome Agents: memory und tools40 Min.
- 8Wie Diffusion Models Bilder erzeugen30 Min.
- 9Standardpraktiken für die Bildgenerierung35 Min.
- 10Fortgeschrittene Bildtechniken: Inpainting, Outpainting und ControlNet35 Min.
- 11KI-gestützte Anwendungen bauen40 Min.
Weitere Kurse ansehen
