Andrej Karpathys Tipps für die Arbeit mit LLMs
Andrej Karpathy empfiehlt, statt perfekter Prompts chaotische Sprachmonologe zu nutzen. Diese Methode hilft LLMs, den Kontext besser zu verstehen und präzisere Ergebnisse zu liefern.
Andrej Karpathys Tipps für die Arbeit mit LLMs
Andrej Karpathy hat eine seiner bevorzugten Methoden vorgestellt, um mit Large Language Models (LLMs) zu arbeiten. Er rät davon ab, stets den perfekten Prompt formulieren zu wollen, und schlägt stattdessen vor, dem Modell einfach einen langen Gedankenstrom zu diktieren.
Man kann den Sprachmodus aktivieren und etwa zehn Minuten über beliebige Themen sprechen – inklusive Wiederholungen, Fehlern, Satzfragmenten und thematischen Sprüngen. Laut Karpathy sind LLMs sehr gut darin, solche chaotischen Monologe in ein kohärentes Gesamtbild zu fassen und die eigenen Gedanken oft klarer zu artikulieren als der Nutzer selbst.
Gelegentlich lässt sich diese Sitzung auch in ein kurzes Interview mit mehreren Austauschphasen verwandeln. Das Ergebnis: Das Modell versteht den Kontext und das endgültige Ziel besser, wodurch der Bedarf an Korrekturen auf Seiten des Nutzers deutlich sinkt.
Warum das wichtig ist
AnalyseDieser Ansatz optimiert die Interaktion mit LLMs, indem er den Druck zur präzisen Prompt-Formulierung reduziert und die Qualität der Ausgaben durch kontextuelle Tiefe verbessert.
In der Community diskutieren
Teile deine Fragen und Erkenntnisse mit Entwicklern
Verwandt im Ökosystem
Praktische Leitfäden, Terminologie und Agenten-Skills
AI Radar: GPT-6.1 Terra, Gemini 4 Carbon, Mistral Large 4 und Preisänderungen bei OpenAI und Anthropic
Überblick über aktuelle KI-News: neue LLM-Releases, Änderungen bei OpenAI- und Anthropic-Abos, World-Modelle, Videogeneratoren und Unternehmensdetails.
MIT-Forschende zeigen, dass GPT-6 Astra andere KI-Modelle durch direkte Gewichtsänderungen verbessern kann
In einem Experiment erhöhte Astra die Genauigkeit von Qwen3.5-0.8B auf MATH-500 von 7,9 % auf 48,1 %, indem nur 0,016 % der Modellgewichte geändert wurden.
Markdown-Format: Vollständiger Leitfaden für die Arbeit mit KI und Automatisierung
Umfassender praktischer Leitfaden zur Markdown-Syntax für die KI-Entwicklung: CommonMark, Überschriftenhierarchie, GFM-Tabellen, Escaping, System-Prompts und CLAUDE.md-Dateien.
Teil I. Architektur von KI-Agenten: Grundlegende Bausteine
Zehn grundlegende Bausteine eines modernen Agenten: Modell-Taxonomie, Runtime-Loop, Prompting-Techniken, Distillation, Skills, Memory, Function Calling und Unit Economics.