Prompt Engineering für Large Language Models

LLM-basierte Anwendungen entwickeln, steuern und optimieren

von John Berryman, Albert Ziegler

272 Seiten, Taschenbuch

Kurzbeschreibung des Verlags

LLM-Anwendungen effektiv steuern: von der Prompt-Optimierung bis zur Workflow-Integration

LLMs als leistungsstarke Bausteine für Anwendungen nutzen

Den richtigen Prompt und Kontext für nützliche Ergebnisse gestalten

Von der Erfahrung der GitHub-Copilot-Entwickler profitieren

Fortgeschrittene Konzepte wie Conversational Agency und Workflow-Steuerung meistern

LLMs übernehmen in modernen Anwendungen die Rolle einer intelligenten Transformationsschicht. Sie verarbeiten komplexe Nutzeranfragen und generieren adaptive Antworten – oft innerhalb einer mehrstufigen Anwendungsschleife –, bevor dem Nutzer ein optimiertes Ergebnis präsentiert wird. Für Entwickler bedeutet das neue Anforderungen: LLMs gezielt zu steuern, ihren Output schrittweise zu verfeinern und ihre vielseitigen Einsatzmöglichkeiten in den Entwicklungsprozess zu integrieren.

Die Autoren, beide maßgeblich an der Entwicklung von GitHub Copilot beteiligt, vermitteln das komplette Spektrum des Prompt Engineerings – von den Grundlagen bis hin zu fortgeschrittenen Techniken wie Conversational Agency, der Integration externer Tools, der Orchestrierung komplexer Workflows und der Evaluierung von LLM-Anwendungen.

Effektives Prompt Engineering erfordert ein tiefes Verständnis dafür, wie sich Kontext optimal strukturieren und LLM-basierte Workflows effizient gestalten lassen, um nützliche Ergebnisse zu erhalten. Dieses Buch bietet eine praxisnahe Anleitung, um LLMs als leistungsfähige Bausteine produktiver Softwarelösungen einzusetzen.

• Reihe: Animals
• ISBN: 9783960092704
• Erscheinungsdatum: 25.09.2025
• Genre: Informatik, EDV
• Verlag: O'Reilly
• Übersetzung: Jens Olaf Koch