HomeCasa Few-Shot-Klassifikator-Prompt mit Labels und Evaluationsplan erstellen
Entwerfen Sie einen Prompt, der Texte (Tickets, Bewertungen, E-Mails) Ihren Labels zuordnet, mit klaren Definitionen, ausgewogenen Beispielen, strukturierter Ausgabe und Messplan. Entwickelt für ChatGPT, Claude, Gemini und Microsoft Copilot. Er enthält 4 anpassbare Variablen und lässt sich kostenlos mit einem Klick kopieren.
Fortgeschritten · Text · Redaktionelle Prüfung ausstehend
Prompt
Handle als NLP-Fachperson, die Klassifikations-Prompts für den produktiven Einsatz entwirft.
Kontext:
- Zu klassifizierende Texte: {{textart}}
- Gewünschte Labels: {{labels}}
- Vorhandene gelabelte Beispiele: {{beispiele}}
- Ausgabeformat: {{format}}
Liefergegenstände:
1. Definition jedes Labels: was es umfasst, was nicht und ein typisches Signal. Markiere Labels, die sich überschneiden, und schlage vor, wie man sie trennt oder zusammenlegt.
2. Entscheidungsregeln für mehrdeutige Texte oder Texte mit mehreren Themen sowie ein Label „Sonstiges / unklar“ mit klarer Regel.
3. Auswahl der Few-Shot-Beispiele: 2 pro Label, ausgewogen, darunter mindestens ein schwieriges Gegenbeispiel (sieht nach einem Label aus, gehört aber zu einem anderen). Reichen meine Beispiele nicht, schlage neue vor und markiere sie mit [SYNTHETISCH: prüfen].
4. Finaler Klassifikator-Prompt in einem Codeblock: Anweisungen, Definitionen, abgegrenzte Beispiele und Ausgabe als {{format}} mit Label, Konfidenz (niedrig/mittel/hoch) und einer Begründung in einem Satz.
5. Evaluationsplan: wie man ein Testset aus mindestens 50 echten Texten aufbaut, die nicht unter den Beispielen sind, welche Kennzahlen zählen (Precision und Recall pro Label, Konfusionsmatrix) und wie man an den Fehlern iteriert.
Einschränkungen:
- Erfinde nicht, was ein Label bedeutet: Ist eines mehrdeutig, frage zuerst nach.
- Der finale Prompt muss genau ein Label aus der Liste ausgeben, nie ein neues.
- Bei Nutzung über eine API empfiehl eine niedrige Temperatur und eine Validierung der Ausgabe im Code.
Format: nummerierte Abschnitte, Definitionstabelle und der finale Prompt zum Kopieren.So verwenden Sie ihn
Fügen Sie 10 bis 30 echte, bereits gelabelte Beispiele ein, auch wenn es pro Label nur wenige sind. Testen Sie den finalen Prompt mit neuen Texten und prüfen Sie Fälle mit niedriger Konfidenz von Hand, bevor Sie automatisieren.
Anwendungsbeispiel
Texte: Support-Tickets eines Onlineshops · Labels: Versand, Retoure, Zahlung, defektes Produkt, Sonstiges · Format: JSON.
Beispielergebnis
1. Definitionen
| Label | Umfasst | Schließt aus | Typisches Signal |
|---|---|---|---|
| Essen | Geschmack, Temperatur, Portionen | Preise der Gerichte | „das Steak war kalt“ |
| Service | Freundlichkeit, Aufmerksamkeit, Fehler | Langsamkeit | „sehr freundlich“ |
| Preis | Kosten, Preis-Leistung | — | „teuer für das Gebotene“ |
| Sauberkeit | Tische, Toiletten, Besteck | — | „schmutzige Toilette“ |
| Wartezeit | Verzögerungen bei Tisch, Küche, Rechnung | Verhalten des Personals | „40 Minuten“ |
Überschneidung: Service und Wartezeit. Regel: Geht es um die Verzögerung, gewinnt Wartezeit.
2. Entscheidungsregeln
Behandelt eine Bewertung mehrere Themen, zählt der negativste Satz. Sonstiges / unklar, wenn keins der fünf vorkommt.
3. Schwieriges Negativbeispiel
„Der Kellner brauchte ewig, um die Karte zu bringen“ → Wartezeit, nicht Service. [SYNTHETISCH: prüfen]
4. Finaler Prompt (Auszug)
Ordne die Bewertung in <bewertung></bewertung> GENAU EINEM Label zu:
Essen | Service | Preis | Sauberkeit | Wartezeit | Sonstiges
Gib nur JSON zurück:
{"label": "...", "konfidenz": "niedrig|mittel|hoch", "begruendung": "..."}Empfehlung: Temperatur 0 und im Code prüfen, ob das Label in der Liste steht…
Wichtige Fakten
- Kategorie
- Programmierung & Entwicklung · KI-Agenten
- Ausgabetyp
- Text
- Niveau
- Fortgeschritten
- Entwickelt für
- ChatGPT, Claude, Gemini und Microsoft Copilot
- Verifiziert in
- Redaktionelle Prüfung ausstehend
- Variablen
- Zu klassifizierende Texte, Labels, Gelabelte Beispiele und Ausgabeformat
- Sprache
- Deutsch
- Preis
- Kostenlos, ohne Anmeldung
- Aktualisiert
- 07.11.2026
Häufig gestellte Fragen
Wie viele Beispiele braucht ein Few-Shot-Klassifikator?
Meist reichen 1 bis 3 pro Label, wenn die Definitionen klar sind. Mehr Beispiele verlängern den Prompt, ohne immer zu helfen; schwierige Fälle bringen mehr als offensichtliche.
Warum nicht mit den Beispielen evaluieren?
Das Modell hat sie bereits im Prompt gesehen und trifft sie fast immer. Wie gut es wirklich ist, zeigt nur eine Messung mit Texten, die nicht unter den Beispielen sind.
Wofür ist dieser Prompt gedacht?
Entwerfen Sie einen Prompt, der Texte (Tickets, Bewertungen, E-Mails) Ihren Labels zuordnet, mit klaren Definitionen, ausgewogenen Beispielen, strukturierter Ausgabe und Messplan.
Mit welchen KI-Tools funktioniert er?
Er ist für ChatGPT, Claude, Gemini und Microsoft Copilot entwickelt. Wir haben ihn in diesen Tools noch nicht überprüft, daher können die Ergebnisse variieren.
Wie passe ich den Prompt an?
Klicken Sie auf „Anpassen“ und füllen Sie die Variablen aus (Zu klassifizierende Texte, Labels, Gelabelte Beispiele und Ausgabeformat). Der Text wird sofort aktualisiert und lässt sich anschließend mit einem Klick kopieren. Die Werte werden nur in Ihrem Browser gespeichert.
Brauche ich Erfahrung, um ihn zu verwenden?
Er ist für Fortgeschrittene: Es hilft, das Thema zu kennen, um guten Kontext zu liefern und das Ergebnis kritisch zu prüfen.
Ist dieser Prompt kostenlos?
Ja. Jeder Prompt von HomeCasa Prompts ist kostenlos, ohne Anmeldung und ohne Abonnement. Sie können ihn auch in beruflichen Projekten verwenden.
Kann ich der KI-Ausgabe vertrauen?
Betrachten Sie sie als hochwertigen Entwurf: Prüfen Sie Daten, Zahlen und wichtige Aussagen immer, bevor Sie etwas veröffentlichen oder Entscheidungen treffen.