Wie man System-Prompts für KI-Agenten schreibt, die in der Produktion nicht versagen

Inhaltsverzeichnis

Aktualisiert Juli 2026.

TL;DR: Ein Produktions-System-Prompt hat fünf Ebenen: Identität (wer der Agent ist und was er nicht tun kann), Kontext (was er über die Umgebung weiß), Aufgabe (wie Erfolg schrittweise aussieht), Ausgabeformat (die am meisten unterschätzte Ebene) und Randfälle (was zu tun ist, wenn Eingaben fehlerhaft sind). Die meisten Prompts versagen, weil sie Ebenen 4 und 5 überspringen. Schreiben Sie das Ausgabeformat zuerst — es zwingt Sie, präzise darüber nachzudenken, was Sie wirklich wollen.

[Operator-Perspektive] Ich betreibe über 30 KI-Agenten in der Produktion für meine Beratungsmarke und Pickleland, eine Pickleball-Anlage in Pflugerville, TX. Ich habe mehr System-Prompts umgeschrieben als geschrieben — meistens weil die erste Version in Tests gut funktionierte und sich dann in der Produktion still verschlechterte. Das habe ich darüber gelernt, Prompts zu schreiben, die Bestand haben.

Das System-Prompt-Problem, das niemand zugibt

Die meisten System-Prompts für Agenten werden in etwa 20 Minuten geschrieben, an zwei oder drei Beispielen getestet und dann nie wieder angefasst. Das Modell wird ausgeliefert. Eine Weile funktioniert es. Dann ändert sich etwas — die Eingaben werden unübersichtlicher, das Modell wird aktualisiert, ein neuer Randfall taucht auf — und der Agent beginnt, schlechte Ergebnisse zu produzieren. Still. In großem Maßstab.

Das Problem ist nicht, dass der ursprüngliche Prompt schlecht war. Es ist, dass die meisten Prompts geschrieben werden, um den Glückspfad zu demonstrieren. Sie sind für die Eingabe konzipiert, die Sie beim Erstellen des Agenten im Sinn hatten, nicht für die vollständige Verteilung der Eingaben, die der Agent tatsächlich sehen wird.

Die fünf Ebenen eines Produktions-System-Prompts

Ich denke an jeden System-Prompt, den ich schreibe, in fünf Ebenen. Sie müssen nicht in dieser Reihenfolge erscheinen — aber sie müssen alle vorhanden sein.

Ebene 1: Identität

Die Identität sagt dem Modell, wer es ist und welche Betriebseinschränkungen es hat. Keine Rollenspielfigur — eine funktionale Definition dessen, was dieser Agent tut und nicht tut.

Eine starke Identitätsebene beantwortet drei Fragen:

• Wofür ist dieser Agent verantwortlich?
• Wofür ist er ausdrücklich NICHT verantwortlich (und sollte eskalieren oder ablehnen)?
• Welche Standards hält er ein?

Der explizite Nicht-Zuständigkeitsbereich ist der Teil, den die meisten Betreiber überspringen. Ohne ihn wird das Modell versuchen, außerhalb seines Bereichs hilfreich zu sein — und dort gehen die Dinge schief.

Ebene 2: Kontext

Kontext ist, was der Agent über seine Umgebung weiß, das nicht in der Benutzernachricht enthalten ist. Dazu gehören das aktuelle Datum und die Uhrzeit (dynamisch einzuspeisen — vertrauen Sie nie dem internen Zeitgefühl des Modells), relevanter Zustand aus externen Systemen und Geschäftsregeln, die aus der Aufgabenbeschreibung nicht offensichtlich sind.

Die meisten Agenten, die ich überprüfe, sind kontextarm. Nehmen Sie nichts an. Speisen Sie es ein.

Ebene 3: Aufgabe

Die Aufgabenebene beschreibt, was der Agent Schritt für Schritt tut. Kein “Kunden helfen” — der eigentliche Entscheidungsfluss. Schreiben Sie ihn wie ein Flussdiagramm, nicht wie eine Direktive. Flussdiagramme sind robuster, weil sie den Bedarf des Modells reduzieren, in mehrdeutigen Fällen zu inferieren, was Sie wollen.

Ebene 4: Ausgabeformat

Dies ist die am meisten unterschätzte Ebene und die, die am meisten für stille Fehler verantwortlich ist.

Wenn Sie das Ausgabeformat nicht präzise spezifizieren, produziert das Modell eine Ausgabe, die für einen menschlichen Leser richtig aussieht, aber inkonsistent genug ist, um das nachgelagerte Parsing zu unterbrechen. Schreiben Sie das Ausgabeformat zuerst. Wenn Sie nicht genau beschreiben können, wie die Ausgabe aussehen soll, verstehen Sie die Aufgabe noch nicht gut genug zur Automatisierung.

Für strukturierte Ausgabe (JSON, Tool-Aufrufe) spezifizieren Sie das genaue Schema. Für Prosaausgabe spezifizieren Sie Struktur, Länge und Tonvorgaben — einschließlich expliziter Anti-Muster.

Für Hochrisiko-Agenten verwende ich die strukturierte Ausgabe von Claude mit einem definierten JSON-Schema.

Ebene 5: Randfälle

Die Randfälle-Ebene beantwortet: Was macht der Agent, wenn die Eingabe mehrdeutig, unvollständig, in der falschen Sprache, feindselig oder eindeutig falsch ist? Geben Sie dem Modell für jeden Randfall einen expliziten Antwortpfad.

Wie ich System-Prompts im Laufe der Zeit pflege

Ein Produktions-System-Prompt ist ein lebendes Dokument:

1. Wöchentliche Stichprobe. Ich überprüfe fünf bis zehn zufällige Ausgaben von jedem hochriskanten Agenten.
2. Überprüfung nach Modellaktualisierungen. Wenn sich die zugrunde liegende Modellversion ändert, führe ich den Agenten gegen das vollständige Goldset aus meinem Evaluierungsrahmen aus.
3. Randfälle-Protokoll. Ich führe ein laufendes Protokoll der Eingaben, die der Agent schlecht verarbeitet hat. Wenn drei oder mehr Einträge ein Muster teilen, füge ich eine explizite Regel hinzu.
4. Prompt-Versionierung. Jede bedeutende Änderung erhält einen Versionskommentar.

Häufig gestellte Fragen

Wie lang sollte ein Produktions-System-Prompt sein?

Lang genug, um alle fünf Ebenen abzudecken. Kurz genug, um ihn in zwei Minuten lesen und Abweichungen erkennen zu können. Für die meisten meiner Agenten sind das 200 bis 600 Wörter.

Wann sollte ich eine komplexe Aufgabe auf mehrere Agenten aufteilen statt einen langen Prompt zu verwenden?

Wenn die Aufgabe zwei oder mehr unterschiedliche Modi hat, die unterschiedlichen Kontext, unterschiedliche Ausgabeformate oder unterschiedliche Fehlerbehandlung erfordern. Lesen Sie ereignisausgelöste vs. geplante Agenten für das Muster.

Was ist der häufigste Grund, warum ein Prompt, der in Tests funktionierte, in der Produktion scheitert?

Die Testeingaben waren nicht repräsentativ für die Produktionsverteilung. Erstellen Sie einen Testsatz aus echtem Produktionsdatenverkehr, nicht aus ausgedachten Eingaben.

Woher weiß ich, wann ich den Prompt vs. den Code aktualisieren soll?

Wenn der Agent das falsche Ausgabeformat produziert, aktualisieren Sie den Prompt. Wenn der Agent die richtige Ausgabe produziert, aber das nachgelagerte System sie nicht verwenden kann, aktualisieren Sie den Code. Wenn der Agent selbstsicher falsche Fakten produziert, überprüfen Sie zuerst die Kontextebene.