Prompt Engineering für Large Language Models

LLM-basierte Anwendungen entwickeln, steuern und optimieren
Erscheinungsjahr 2025
ISBN: 978-3-96009-270-4
Verlag: Dpunkt.Verlag GmbH

Buch, Deutsch, 272 Seiten, Format (B × H): 165 mm x 240 mm

Reihe: Animals

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.

Zielgruppe

Entwickler*innen
Prompt Engineers

Autoren/Hrsg.

Berryman, John

Ziegler, Albert

Weitere Mitwirkende

Koch, Jens Olaf

Fachgebiete

• Mathematik | Informatik EDV | Informatik Informatik Künstliche Intelligenz

Über Autor(innen)

Berryman, John
John Berryman ist Gründer und Principal Consultant von Arcturus Labs, wo er sich auf die Entwicklung von LLM-Anwendungen spezialisiert hat. Sein Fachwissen hilft Unternehmen dabei, die Stärken von KI-Technologien zu nutzen. Als einer der ersten Entwickler von GitHub Copilot hat John Berryman an der Entwicklung der Vervollständigungs- und Chat-Funktionen mitgewirkt und an vorderster Front der KI-unterstützten Codierungstools gearbeitet.

Ziegler, Albert
Albert Ziegler hat KI-gesteuerte Systeme entwickelt, lange bevor LLM-Anwendungen zum Mainstream wurden. Als Gründungsingenieur von GitHub Copilot entwarf er das Prompt-Engineering-System und trug dazu bei, eine Vielzahl von KI-gestützten Tools und „Copilot“-Anwendungen zu inspirieren, die die Zukunft der Entwicklerunterstützung und der LLM-Anwendungen prägen. Heute treibt Albert als Leiter der KI-Abteilung bei XBOW, einem KI-Unternehmen für Cybersicherheit, die Grenzen der KI-Technologie weiter voran.