Wer sich in einer Klick-Oberfläche einen eigenen Agenten baut,
wählt ein Modell aus und schreibt einen Text in ein Feld. Für die
meisten ist dieser Text der Agent. Technisch ist er ein einzelner
Parameter im Aufruf, und aus unserer Sicht das langweiligste
Stück am ganzen Harness. Stufe drei unserer Agentenreihe: was der
System-Prompt wirklich ist, was die großen Coding-Agenten
hineinschreiben, und warum zehn Rollentexte noch keine Firma
ergeben.
Eine eigene Rolle mit Vorrang, die bei jedem Aufruf ganz
vorne mitgeht: bei Anthropic ein eigenes Feld vor der
Nachrichtenliste, bei OpenAI die Rollen system und developer. Der
Vorrang ist trainiert, kein Schloss
System-Prompt ist nicht Tool Calling. Vier Bausteine, vier
Fragen: Wer bin ich und wie arbeite ich? Was kann dieses
Werkzeug? Was ist bisher passiert? Was ist jetzt die Aufgabe?
Was bei Claude Code drinsteht, seit der Quellcode
versehentlich öffentlich wurde: ein Baukasten aus Dutzenden
bedingten Teilen, die Cache-Grenze, Zahlen statt Adjektive. Und
das Gegenmodell Pi von Mario Zechner, unter 1.000 Token inklusive
Werkzeuge
Die Vergleichsstudie von Drew Breunig und Srihari Sriraman:
gleicher Harness, gleiches Modell, nur der System-Prompt
getauscht. Einmal methodisch, einmal iterativ, beide lösen die
Aufgabe
Ein System-Prompt ist ein Wunsch, keine Garantie. Warum die
KI-Firma aus CEO-, CTO- und Marketing-Agent in der Praxis nicht
funktioniert: Eine Berkeley-Studie über 1.600 Arbeitsprotokolle
misst 41 bis 87 Prozent Fehlerquote, und das Modell ist fast nie
der Grund
Was in den System-Prompt gehört und was nicht. Die
Experimente dazu stehen auf building-agents.com, Block 1, Kapitel
3
Zum Nachlesen: Drew Breunig, How Claude Code Builds a System
Prompt:
https://www.dbreunig.com/2026/04/04/how-claude-code-builds-a-system-prompt.html
Drew Breunig und Srihari Sriraman, How System Prompts Define
Agent Behavior:
https://www.dbreunig.com/2026/02/10/system-prompts-define-the-agent-as-much-as-the-model.html
Mario Zechner, What I learned building an opinionated and minimal
coding agent:
https://mariozechner.at/posts/2025-11-30-pi-coding-agent/
Claude-Code-Prompt-Historie, Version für Version:
https://cchistory.mariozechner.at Cemri, Pan, Yang u. a., Why Do
Multi-Agent LLM Systems Fail? (UC Berkeley):
https://arxiv.org/abs/2503.13657 Unsere Experimente zum
Agentenbau: https://building-agents.com
Die Stimmen in diesem Podcast sind künstlich erzeugt. Die Inhalte
stammen von uns.
Kommentare (0)
Melde dich an, um einen Kommentar zu schreiben.