Systemaufforderungen werden veraltet! Hier ist eine kontraintuitive Lektion aus dem Aufbau von realen Agenten: Das Schreiben von riesigen Systemaufforderungen verbessert nicht die Leistung eines Agenten; es macht sie oft schlechter. Zum Beispiel fügen Sie eine Regel zu Rückerstattungsrichtlinien hinzu. Dann eine über den Ton. Dann eine weitere darüber, wann man eskalieren sollte. Bevor Sie es merken, haben Sie ein 2.000-Wörter umfassendes Handbuch. Aber hier ist, was wir gelernt haben: LLMs sind extrem schlecht darin, dies zu handhaben. Jüngste Forschungen bestätigen auch, was viele von uns erleben. Es gibt einen "Fluch der Anweisungen". Je mehr Regeln Sie zu einer Aufforderung hinzufügen, desto schlechter funktioniert das Modell bei der Befolgung einer einzelnen Regel. Hier ist ein besserer Ansatz: kontextuell bedingte Richtlinien. Anstatt eine riesige Aufforderung zu haben, zerlegen Sie Ihre Anweisungen in modulare Teile, die nur geladen werden, wenn sie relevant sind. ``` agent.create_guideline( condition="Kunde fragt nach Rückerstattungen", action="Überprüfen Sie zuerst den Bestellstatus, um zu sehen, ob er berechtigt ist", tools=[check_order_status], ) ``` Jede Richtlinie hat zwei Teile: - Bedingung: Wann wird sie geladen? - Aktion: Was sollte der Agent tun? Die Magie passiert im Hintergrund. Wenn eine Anfrage eintrifft, bewertet das System, welche Richtlinien für den aktuellen Gesprächszustand relevant sind. ...