EasyEnv
Engineering/Kurse/Katalog/Prompt Engineering
Prompt Engineering
Mittel

Prompt Engineering

Hole zuverlässige Ergebnisse aus generative AI heraus. Lerne, wie large language models Text erzeugen, die fünf Prinzipien hinter jedem guten Prompt, few-shot und strukturierte Ausgabe, function calling, retrieval-augmented generation, autonome agents, und wie diffusion-Modelle Prompts in Bilder verwandeln. Zum Abschluss verdrahtest du Text, Bilder und agents zu einer funktionierenden Anwendung.

11 Lektionen6.2h praktisch11 Sprachen
Kostenlos lernenPrompt Engineering Kurs

11 Lektionen, der Reihe nach

  1. 1

    Was ein Prompt ist

    Du hast wahrscheinlich schon einmal in ein Chatfenster getippt: eine Frage gestellt, eine Antwort bekommen, vielleicht überrascht gewesen, wie gut...

    What a prompt isWhat a large language model is, from the outsideThe completion, and why the same prompt can answer differentlyThe conversation: system, user and assistant turnsWhy a prompt is instructions rather than a search query
    20 Min.
  2. 2

    Wie große Sprachmodelle Text erzeugen

    Du weißt jetzt, was ein Prompt und eine Vervollständigung sind, und dass derselbe Prompt jedes Mal anders formuliert zurückkommen kann. Diese Lektion...

    Tokens and tokenizationNext-token predictionTemperature and top-p samplingContext windowWhy models hallucinate
    30 Min.
  3. 3

    Die fünf Prinzipien des Prompting

    Du weißt bereits, was ein Prompt ist, was eine Vervollständigung ist und dass das Modell jedes Mal eine frische Antwort schreibt, statt etwas...

    Giving directionSpecifying formatProviding examplesEvaluating qualityDividing labor
    30 Min.
  4. 4

    Standardpraktiken für die Textgenerierung

    Lektion zwei und drei haben dir ein Gefühl dafür gegeben, wie das Modell Text tatsächlich Token für Token erzeugt, und dazu die fünf Prinzipien, mit...

    Prompt formatting and delimitersSystem, user, and assistant rolesFew-shot promptingParsing structured output like JSON
    35 Min.
  5. 5

    Prompt Templates und Function Calling

    In Lektion vier hast du einen einzelnen Prompt von Hand formatiert: Delimiter, Rollen, ein few-shot-Beispiel. Für einen Prompt reicht das. Sobald...

    Prompt templates with variablesSeparating template from dataFunction calling and tool schemasReading a tool call and returning a result
    35 Min.
  6. 6

    Vector Databases und Retrieval-Augmented Generation

    In Lektion 2 hast du gesehen, warum ein Modell halluziniert: Es sagt wahrscheinliche nächste Token voraus, es schlägt keine Fakten nach, und alles...

    Embeddings and vector similarityChunking documentsVector databases and nearest-neighbor searchRetrieval-augmented generationGrounding answers with citations
    40 Min.
  7. 7

    Autonome Agents: memory und tools

    In Lektion 5 hast du einem Modell über Function Calling Werkzeuge gegeben, in Lektion 6 über Retrieval ein Langzeitgedächtnis. Diese Lektion setzt...

    The agent loop of reason, act, observeGiving an agent toolsShort-term and long-term memoryStopping conditions and guardrails
    40 Min.
  8. 8

    Wie Diffusion Models Bilder erzeugen

    Bisher hat jeder Prompt, den du geschrieben hast, Text erzeugt. Diese Lektion eröffnet Teil 3, in dem derselbe Prompt ein Bild erzeugt. Das Medium...

    Diffusion as iterative denoisingText conditioning of the imageSeeds and reproducibilitySampling steps and guidance scale
    30 Min.
  9. 9

    Standardpraktiken für die Bildgenerierung

    Die vorige Lektion hat dir ein Gefühl dafür gegeben, wie ein Diffusionsmodell aus einem Text-Prompt ein Bild macht, indem es zufälliges Rauschen...

    Prompt structure of subject, medium, style, and lightingArt styles and artist or era modifiersComposition and camera modifiersNegative prompts and aspect ratio
    35 Min.
  10. 10

    Fortgeschrittene Bildtechniken: Inpainting, Outpainting und ControlNet

    In den letzten beiden Lektionen hast du ganze Bilder aus einem Textprompt erzeugt und gelernt, sie über Struktur, Stil und negative Prompts zu...

    Image-to-image generationInpainting with masksOutpainting to extend a canvasControlNet for pose, depth, and edge guidance
    35 Min.
  11. 11

    KI-gestützte Anwendungen bauen

    Das hier ist das Abschlussprojekt. Jede vorherige Lektion hat einen einzelnen Griff vermittelt: Text erzeugen, strukturierte Ausgaben formen,...

    Composing text, images, and agents into a workflowOrchestration and chaining stepsEvaluation and guardrailsCost, latency, and failure handling
    40 Min.
Prompt Engineering auf Deutsch lernen | Prompt Engineering (German) | Engineering Courses