0%

Gespräche und Anweisungen

Anweisungen schreiben, denen das Modell folgen kann

Seit Lektion 2 beginnt jedes Gespräch, das du baust, mit STUDY_SYSTEM. Diese Lektion erklärt seine Formulierung, indem sie vergleicht, was ein echtes Modell damit und mit einer vagen Anweisung gemacht hat.

Dieselbe Frage unter zwei Anweisungen

Nimm eine Frage, die nicht zum Thema gehört und die ein Lernassistent nicht zu beantworten versuchen sollte: What's the weather like today? Schicke sie jetzt zweimal an ein Live-Modell, einmal nach jeder dieser beiden Systemnachrichten:

  • eine vage: Be helpful.

  • die für den Lern-Chat: STUDY_SYSTEM, die so lautet: You are a patient Python tutor. Answer only questions about the course notes and Python. If a question is about something else, say so and suggest a Python topic instead.

Hier ist, was openai/gpt-oss-20b, das Modell hinter pl-live, am 08.11.2026 geantwortet hat. An keiner der beiden Antworten wurde etwas bearbeitet.

Antwort 1:

I’m a Python tutor, so I don’t have real‑time weather info. How about we explore a Python topic instead? For example, we could learn about string manipulation, file I/O, or building a simple web scraper. Let me know what interests you!

Antwort 2:

I don’t have real‑time weather data, but I can help you find the latest forecast quickly:

1. **Smartphone or Tablet**  
   - Open the built‑in weather app (iOS Weather, Google Weather, etc.).  
   - tap the “current” or “today” tab to see temperature, chance of rain, wind, and a short outlook.

2. **Websites**  
   - [weather.com](https://weather.com) – type your city in the search bar.  
   - [AccuWeather](https://accuweather.com) – also shows a 12‑hour outlook.  
   - Google “weather in [Your City]” and the knowledge card appears right in the search results.

3. **Voice Assistants**  
   - Say “Hey Siri, what’s the weather today?”  
   - “Hey Google, what’s the weather today?”  
   - “Alexa, what’s the weather?”

4. **Local Channels**  
   - Check your local news website or watch a brief weather segment on TV; they often cover both the current conditions and any alerts.

If you tell me your city or zip code, I can point you to a specific weather page or give you an appreciation of typical conditions for that time of year. Otherwise, one of the options above should give you an up‑to‑date answer in seconds. 🌤️

Welche Antwort stammt aus der Anfrage, deren Systemnachricht STUDY_SYSTEM war?

Das ist eine einzelne aufgezeichnete Stichprobe. Ein Live-Modell formuliert seine Antworten bei jedem Lauf anders, ein eigener Lauf kann also abweichen, aber der Unterschied zwischen den beiden Anweisungen zeigt sich meistens.

Was die Lern-Anweisung bewirkt

STUDY_SYSTEM hat drei Teile, und jeder schließt eine Lücke, die Be helpful. offenlässt:

  1. Eine Rolle. You are a patient Python tutor. sagt dem Modell, welche Art von Antworten passt: Erklärungen, die sich an Lernende richten, in ihrem Tempo.

  2. Ein Rahmen. Answer only questions about the course notes and Python. sagt, was innerhalb der Grenzen liegt. Be helpful. hat überhaupt keine Grenzen, also ist der Versuch, beim Wetter zu helfen, genauso hilfreich wie alles andere.

  3. Was außerhalb des Rahmens zu tun ist. If a question is about something else, say so and suggest a Python topic instead. Eine Regel ohne diesen Teil überlässt es dem Modell, selbst zu entscheiden, was es bei einer Frage außerhalb der Grenzen tut, und seine Wahl ist vielleicht nicht die, die du willst. Dieser Teil gibt ihm etwas Konkretes und Nützliches zu tun.

Einige Gewohnheiten lohnen sich, auch wenn ein einzelner Vergleich sie nicht beweist. Sag, was du willst, statt nur, was vermieden werden soll. Sei konkret, was die Aufgabe und ihre Grenzen angeht. Verwende einfache, direkte Sätze: Das Modell liest sie als Text, deshalb funktioniert ein klarer Satz meistens besser als eine Liste von Schlüsselwörtern. Und wenn du eine Anweisung änderst, probiere sie an den Fragen aus, die vorher schiefgegangen sind, denn eine Änderung, die einen Fall behebt, kann sich auf andere auswirken.

Das geskriptete Modell ahmt diesen Unterschied mit zwei vorbereiteten Antworten auf die Wetterfrage nach. Eine davon gibt es nur, wenn die Systemnachricht answer only questions about the course notes enthält. Diese Antworten wurden für den Kurs geschrieben, damit die Demonstration in deinem Projekt den Effekt zeigt. Sie zeigen, worauf du achten sollst; sie sind kein Beleg dafür, wie sich ein echtes Modell verhält. Die Aufzeichnung oben ist es.

Zeig einen Beispielaustausch

Manchmal lässt sich am einfachsten beschreiben, was du willst, indem du es zeigst. Du kannst nach der Systemnachricht einen Beispielaustausch einfügen: eine user-Nachricht mit einer typischen Frage und eine assistant-Nachricht mit der Art von Antwort, die du dir wünschst. Das Modell liest ihn als Teil des Gesprächs und beantwortet die echte Frage dann meist im selben Stil und Format.

messages = [
    {"role": "system", "content": "You are a patient Python tutor. Answer in two sentences at most."},
    {"role": "user", "content": "What does str.upper() do?"},
    {"role": "assistant", "content": "It returns a new string with every letter in upper case. The original string is unchanged."},
    {"role": "user", "content": "What does list.copy() do?"},
]
print(len(messages), "messages, the last one is the real question")

Das Beispiel kostet wie der Rest des Verlaufs bei jedem Aufruf Tokens, halte es also kurz und verwende eins nur, wenn das Format wichtig ist.

Live ausprobieren

Dieser Schritt ist optional. Starte im Python mit python und schicke die Wetterfrage unter beiden Anweisungen an pl-live:

from conversation import STUDY_SYSTEM
from llm_basics import answer_text, send_body

for instruction in ["Be helpful.", STUDY_SYSTEM]:
    messages = [
        {"role": "system", "content": instruction},
        {"role": "user", "content": "What's the weather like today?"},
    ]
    response = send_body({"model": "pl-live", "messages": messages})
    print(instruction)
    print(answer_text(response))
    print()

Deine Antworten werden anders formuliert sein als die Aufzeichnung und können sich erneut unterscheiden, wenn du es zweimal ausführst. Ein Fehler 403 bedeutet, dass dein Konto keinen Live-Zugang hat, und ein 429 bedeutet, dass du dein Live-Kontingent vorerst aufgebraucht hast. Auch ein Lese-Timeout kann vorkommen, weil ein Live-Modell länger nachdenken kann als die Lesegrenze von 10 Sekunden. Nichts davon wirkt sich auf deinen Fortschritt aus.

Welche Änderung würde die Systemnachricht Answer Python questions. für einen Lernassistenten am meisten verbessern?

Du fügst nach der Systemnachricht einen Beispielaustausch aus einer user- und einer assistant-Nachricht ein. Was bewirkt das?