Das Auffordern in JSON- oder XML-Format erhöht die LLM-Ausgabe um das 10-fache Warum Weil strukturierte Formate dem Modell klare Grenzen und Erwartungen geben. Wenn Sie nach unstrukturiertem Text fragen, muss das LLM raten: Wie lang sollte das sein? Welche Abschnitte benötige ich? Wann bin ich fertig? Welches Detaillierungsniveau? Aber mit JSON/XML geben Sie buchstäblich eine Vorlage: json{ "Zusammenfassung": "", "Schlüsselpunkte": [], "Analyse": "", "Empfehlungen": [] } Jetzt weiß das Modell genau, was es ausfüllen soll und ungefähr wie viel Inhalt jeder Abschnitt benötigt. Es ist wie der Unterschied zwischen "Schreibe etwas über Autos" und "Fülle dieses Auto-Bewertungsformular mit diesen 12 spezifischen Feldern aus." Die Struktur beseitigt Entscheidungsparalyse und gibt dem Modell die Erlaubnis, umfassend zu sein. Außerdem ermutigt JSON/XML das Modell natürlich, in organisierten Abschnitten zu denken, anstatt einfach Text zu streamen, bis es sich "fertig" fühlt. [Hier ist der Meta-Hack] Versuchen Sie nicht einmal, strukturierte Aufforderungen von Grund auf zu schreiben. Stattdessen: 1. Sprach-zu-Text-Brain Dump alles, was Sie analysiert/forscht/geschrieben haben möchten. 2. Fügen Sie dieses chaotische Transkript in die KI ein. 3. Bitten Sie sie, "eine JSON-Aufforderungsstruktur basierend auf diesem Brain Dump zu erstellen, die die bestmögliche Ausgabe erzielen würde." 4. Nehmen Sie diese generierte JSON-Vorlage. 5. Senden Sie sie als Ihre tatsächliche Aufforderung zurück. Sie erhalten alle Vorteile des strukturierten Aufforderns, ohne selbst über die Struktur nachdenken zu müssen. Die KI weiß ohnehin besser, welche Felder am nützlichsten wären als Sie. Verwandelt Ihren Gedankenstrom in eine professionelle Aufforderung in 30 Sekunden. Probieren Sie es selbst aus - fragen Sie nach derselben Analyse in Absatzform vs. strukturiertem Format. Die strukturierte Version wird jedes Mal 3-5x länger und viel detaillierter sein.