Zweimal dasselbe gefragt? Machen Sie einen Agenten daraus.

Ihre besten Agenten stecken schon in Ihrem Chatverlauf. Es sind die Anfragen, die Sie immer wieder tippen: der Monatsbericht, der Post in Ihrer Tonalität, der Wettbewerbscheck vor einem Pitch. Jedes Mal erklärt jemand den Kontext von vorn, und jedes Mal hängt die Qualität davon ab, wer fragt und wie gut.

Ein besserer Prompt ändert daran nichts. Die Arbeit einmal festzuhalten schon. So gehen Sie vor.

„Einen Skill für einen Agenten zu bauen ist, als stelle man einen Einarbeitungsleitfaden für neue Mitarbeitende zusammen.“ · Anthropic

Agent oder Arbeitsweise?

Entscheiden Sie zuerst, was Sie festhalten.

• Ein Agent ist eine Rolle, die eine Art von Arbeit von der Anfrage bis zum Ergebnis verantwortet: ein Berichtsersteller, ein Content Writer.
• Eine Arbeitsweise (ein Skill) ist eine Methode, die mehrere Rollen nutzen können: menschlich schreiben, Bedeutung statt Wörter übersetzen.

Ein schneller Test: Würden Sie dafür jemanden einstellen, schreiben Sie einen Agenten. Würden Sie eher eine Checkliste oder einen Styleguide weitergeben, schreiben Sie eine Arbeitsweise.

Sechs Signale, dass Arbeit festgehalten werden sollte

• Sie haben dieselbe Anfrage, oder fast dieselbe, mindestens zweimal getippt.
• Sie fügen jedes Mal denselben Kontext ein: Markenregeln, eine Vorlage, eine Liste von Mitbewerbern.
• Das Ergebnis hängt davon ab, wer fragt. Eine Kollegin bekommt eine gute Antwort, ein Kollege eine mittelmäßige.
• Sie korrigieren immer wieder dieselben Fehler.
• Nur eine Person weiß wirklich, wie es geht.
• Sie könnten die Schritte einer neuen Kollegin erklären.

Ein Gegensignal. OpenAIs Praxisleitfaden zum Bau von Agenten sieht sie für Arbeit vor, die Urteilsvermögen verlangt, auf schwer pflegbaren Regeln beruht oder auf unstrukturierten Daten wie Dokumenten und Sprache. Trifft nichts davon zu, „kann eine deterministische Lösung genügen“. Erledigt eine Tabellenformel die Aufgabe, behalten Sie die Formel.

Halten Sie zuerst sieben Dinge fest

Beantworten Sie diese Punkte, bevor Sie Anweisungen schreiben. Sie werden das Rückgrat des Agenten oder der Arbeitsweise.

1. Ziel. Was soll das Ergebnis erreichen, und für wen? Ein Satz.
2. Eingaben. Was gibt die Person mit, wenn sie fragt: einen Zeitraum, einen Kunden, einen Kanal? Und wonach soll nachgefragt werden, wenn etwas fehlt?
3. Quellen. Woher die Fakten kommen: welches Wissen, welche Daten, welche Tools. Sagen Sie auch, was nicht als Quelle zählt.
4. Format. Wie das Ergebnis aussieht: Dateityp, Aufbau, Länge, Sprache.
5. Qualitätsmaßstab. Woran Sie erkennen, dass es gut ist. Anthropics Leitlinien zu Erfolgskriterien verlangen Kriterien, die spezifisch, messbar, erreichbar und relevant sind. „Jede Kennzahl aus den Rohdaten neu berechnet“ besteht diesen Test, „ein guter Bericht“ nicht.
6. Was nie passieren darf. Zahlen erfinden, an Externe schreiben, ohne Freigabe veröffentlichen. Schreiben Sie die Grenzen so klar auf wie die Schritte.
7. Wer freigibt. Benennen Sie die Schritte, die einen Menschen brauchen: senden, veröffentlichen, Geld ausgeben. OpenAI empfiehlt, dass riskante Aktionen eine menschliche Aufsicht auslösen, bis das Vertrauen in die Zuverlässigkeit des Agenten gewachsen ist.

Starten Sie nicht mit einem leeren Blatt. Derselbe Leitfaden rät, Anweisungen aus dem aufzubauen, was schon da ist: Arbeitsanweisungen, Support-Skripte oder Richtliniendokumente.

Ein vollständiges Beispiel für eine festgehaltene Methode ist der Website Builder: sieben Schritte von Ziel und Markt bis zur Übergabe, ein Qualitätsmaßstab in Zahlen, eine Liste dessen, was er nie tut, und ein Owner oder Admin, der freigibt, bevor etwas live geht.

Testen Sie, bevor Sie teilen

1. Sammeln Sie drei bis fünf echte Anfragen aus der Vergangenheit, darunter eine knifflige: eine fehlende Eingabe, ein ungewöhnlicher Zeitraum, widersprüchliche Daten.
2. Lassen Sie sie zuerst ohne den Agenten laufen und notieren Sie, was schiefgeht. Das ist Ihre Ausgangsbasis.
3. Lassen Sie sie mit dem Agenten laufen und messen Sie jedes Ergebnis an Ihrem Qualitätsmaßstab.
4. Öffnen Sie das eigentliche Ergebnis, nicht nur die Zusammenfassung im Chat.
5. Lassen Sie jemand anderen als die Autorin oder den Autor es ausprobieren.

Das folgt Anthropics Rat für Skills: Evaluationen anlegen, bevor man ausführliche Dokumentation schreibt, mindestens drei, und zuerst die Leistung ohne den Skill messen, um zu sehen, was er beiträgt.

Verbessern Sie im Einsatz

Die erste Version ist nie die letzte. Ein paar Gewohnheiten halten sie scharf:

• Einmal korrigieren, in den Anweisungen. Korrigieren Sie dasselbe zweimal, wird es eine Regel. Das ist der Titel dieses Artikels, eine Ebene tiefer.
• Beobachten Sie die Nutzung. Anthropic rät, darauf zu achten, wie das Modell einen Skill tatsächlich nutzt, und auf Basis von Beobachtungen statt Annahmen nachzubessern.
• Fragen Sie, was schiefging. Läuft ein Durchgang aus dem Ruder, schlägt Anthropic vor, das Modell darüber nachdenken zu lassen, was schiefging. Schreiben Sie die Lehre in die Methode.
• Halten Sie es kurz. Ergänzen Sie nur, was das Modell noch nicht weiß, und streichen Sie Regeln, die niemand braucht.
• Wiederholen Sie Ihre Tests nach jeder Änderung, und wenn Sie das Modell wechseln: Die Wirkung eines Skills hängt vom Modell darunter ab.
• Benennen Sie eine verantwortliche Person. Sie hält den Agenten oder die Arbeitsweise aktuell und entscheidet über Änderungen.

So funktioniert das in Zaela

In Zaela wächst das Unternehmensgehirn genau so: Alles, was sich wiederholt, wird ein Agent oder eine Arbeitsweise für das ganze Team, und jede Erkenntnis wird ein Agent, eine Arbeitsweise oder Gedächtnis. Alles, was die KI verwendet, können Sie auch selbst in der Web-App ansehen, anpassen und ergänzen. So funktioniert es.