Dieses Dokument fasst Shortcuts (auch als Commands bezeichnet) zusammen. Diese Befehle dienen dazu, die Ausgabe von Large Language Models (LLMs) wie Claude oder anderen Chatbots systematisch zu steuern und so die Interaktion von einem passiven Dialog zu einer zielgerichteten Steuerung zu entwickeln.

Ausführungs- und Ausgabe-Modi

Die folgenden Befehle definieren, in welchem Format und mit welcher Detailtiefe ein LLM antworten soll:

• /ghost: Liefert nur die finale Antwort ohne weitere Erklärungen.
• /minimal: Erzeugt die kürzestmögliche, prägnante Antwort.
• /brief: Fasst die Antwort auf 3-5 Zeilen zusammen.
• /expand: Bietet eine detaillierte und ausführliche Erklärung.
• /stepbystep: Gliedert die Antwort in klare, aufeinanderfolgende Schritte.
• /checklist: Erstellt eine umsetzbare Checkliste.
• /framework: Strukturiert die Antwort als Framework.
• /blueprint: Liefert einen detaillierten Implementierungsplan.
• /playbook: Stellt ein wiederholbares System oder eine Anleitung bereit.
• /roadmap: Präsentiert einen zeitlich gegliederten Plan.

Denkstile und Perspektiven

Diese Befehle weisen dem LLM eine bestimmte Denkweise oder Perspektive zu, um eine vielseitigere Analyse zu ermöglichen:

• /analyst: Führt eine tiefgehende Analyse durch.
• /critic: Identifiziert ausschließlich Schwachstellen und Fehler.
• /optimizer: Schlägt Verbesserungen für gegebene Inhalte vor.
• /simplify: Erklärt komplexe Sachverhalte auf Anfängerniveau.
• /eli5 (Explain Like I’m 5): Erklärt sehr einfach und verständlich.
• /deepdive: Taucht tief in ein Thema ein und liefert sehr detaillierte Informationen.
• /compare: Vergleicht verschiedene Optionen miteinander.
• /proscons: Listet Vor- und Nachteile auf.
• /firstprinciples: Zerlegt ein Problem in seine grundlegendsten Bestandteile.
• /contrarian: Fordert bestehende Ideen heraus und nimmt eine gegenteilige Position ein.

Inhaltserstellung

Diese Befehle sind speziell für die Erstellung verschiedener Content-Formate konzipiert:

• /linkedin: Erstellt einen LinkedIn-Post.
• /twitter: Generiert einen kurzen Thread im Twitter-Stil.
• /script: Schreibt ein Skript für Videos oder Reels.
• /hook: Entwickelt starke Eröffnungszeilen, um Aufmerksamkeit zu erregen.
• /story: Formuliert Inhalte im Storytelling-Format.
• /carousel: Erstellt Inhalte für ein Slide-basiertes Carousel-Post.
• /headlines: Bietet mehrere Titeloptionen.
• /captions: Generiert Social-Media-Captions.
• /viral: Erstellt Inhalte mit hohem Engagement-Potenzial.
• /authority: Verfasst Inhalte in einem Experten-Ton.

Karriere- und Job-Hilfe

Diese Befehle unterstützen bei verschiedenen Aspekten der Karriereentwicklung und Jobsuche:

• /resume: Verbessert einen Lebenslauf.
• /interview: Bereitet auf Interview-Fragen und -Antworten vor.
• /mockinterview: Simuliert ein Vorstellungsgespräch.
• /hr: Beantwortet Fragen aus HR-Perspektive.
• /portfolio: Generiert Ideen für Projektportfolios.
• /roadmapcareer: Erstellt eine Karriere-Roadmap.
• /jobsearch: Bietet Strategien für die Jobsuche.
• /referral: Formuliert Empfehlungsnachrichten.
• /salary: Unterstützt bei Gehaltsverhandlungen.
• /skills: Identifiziert Fähigkeiten, die erlernt werden sollten.

Funktionieren diese Shortcuts nur in Claude?

Es ist wichtig zu verstehen, dass diese Shortcuts nicht exklusiv für Claude entwickelt wurden oder fest in dessen System integriert sind. Vielmehr handelt es sich hierbei um eine Form des Prompt Engineerings, die darauf abzielt, die Kommunikation mit großen Sprachmodellen (LLMs) zu standardisieren und zu optimieren.

Das bedeutet, dass diese Befehle, wie zum Beispiel /ghost oder /stepbystep, in der Regel auch hervorragend mit anderen fortschrittlichen LLMs wie ChatGPT (insbesondere GPT-4), Gemini oder ähnlichen Modellen funktionieren. Die Leistungsfähigkeit dieser Modelle ermöglicht es ihnen, die Intention hinter solchen prägnanten Anweisungen zu erkennen und ihre Ausgabe entsprechend anzupassen. Sie interpretieren diese Befehle als Anweisungen für die gewünschte Art der Antwort, ähnlich wie Makros, die in verschiedenen Anwendungen funktionieren können. Es ist also nicht notwendig, ein spezifisches LLM zu verwenden, um von diesen Prompt-Techniken zu profitieren.

Was bedeutet „Red Team“ im Kontext von AI und wie kann ich es nutzen?

Der Begriff „Red Team“ stammt ursprünglich aus der Cybersicherheit und bezeichnet ein Team, das die Rolle eines Angreifers einnimmt, um die Sicherheit eines Systems zu testen. Im Kontext von AI und der Entwicklung von Ideen bedeutet „Red Teaming“, dass man ein LLM gezielt dazu einsetzt, Schwachstellen, logische Fehler, unentdeckte Risiken oder Bias in den eigenen Ideen, Konzepten oder Strategien zu finden. Es geht darum, die KI als kritischen Sparringspartner zu nutzen, der bewusst die Gegenposition einnimmt oder nach Fehlern sucht, anstatt nur zuzustimmen.

Obwohl es keinen spezifischen Shortcut /red team in der Liste gibt, kannst du ähnliche Effekte erzielen, indem du die folgenden Denkstile und Perspektiven-Befehle kombinierst oder gezielt einsetzt:

• /critic: Weist das LLM an, ausschließlich Schwachstellen und Fehler in deiner Idee oder deinem Text zu identifizieren. Dies ist die direkteste Entsprechung zum „Red Teaming“ im Sinne der Fehlerfindung.
• /contrarian: Fordert das LLM auf, bestehende Ideen herauszufordern und eine gegenteilige Position einzunehmen. Dies hilft, blinde Flecken aufzudecken und alternative Perspektiven zu beleuchten.
• /analyst: Führt eine tiefgehende Analyse durch, die auch potenzielle Probleme oder ungenutzte Potenziale aufdecken kann.

Durch die bewusste Anwendung dieser Befehle kannst du dein LLM dazu bringen, deine Ideen rigoros zu prüfen und so die Qualität und Robustheit deiner Konzepte erheblich zu verbessern. Es ist eine effektive Methode, um proaktiv Schwachstellen zu finden, bevor sie zu Problemen werden.