Prompt-Vorlagen

OKF ist modellneutral. Denselben Prompt können Sie mit Gemini, Claude, ChatGPT oder DeepSeek fahren – das Format schreibt kein Modell vor. Diese Seite sammelt drei erprobte Vorlagen: Rohtext in gültigen v0.2-Frontmatter verwandeln, ein ganzes Bundle anreichern, und quellentreu über eine Wissensbasis antworten. Alle drei stammen aus der realen Pipeline und dem RAG-Assistenten dieses Projekts.

1. Frontmatter erzeugen

Der Kern-Prompt. Er nimmt einen Markdown-Text und liefert ausschließlich einen gültigen v0.2-Frontmatter zurück. Genau diesen Schritt übernimmt sonst transform_to_okf.py.

Du bist ein OKF-Architekt (Open Knowledge Format v0.2).
Analysiere den folgenden Markdown-Text und erzeuge dafür einen
streng gültigen YAML-Frontmatter. Gib NUR den Frontmatter zurück,
keinen weiteren Text.

Regeln:
- type: genau einer aus "Guide" | "Tool" | "CaseStudy" | "Article".
- description: eine RAG-taugliche Zusammenfassung, höchstens 250 Zeichen,
  eigenständig verständlich, keine Wiederholung des Titels.
- tags: 3 bis 6 konkrete Kleinbuchstaben-Tags, konsistent geschrieben.
- word_count: die tatsächliche Wortzahl des Textes.
- Erfinde keine Quelle und kein Datum, das nicht im Text steht.

Struktur:
---
type: "Guide" | "Tool" | "CaseStudy" | "Article"
title: "<exakter Titel>"
description: "<Zusammenfassung bis 250 Zeichen>"
resource: "<Original-URL>"
domain: "<Domain>"
category: "<Kategorie>"
tags: ["tag-eins", "tag-zwei"]
word_count: <zahl>
generated:
  by: "human:<autor>"
  at: "<YYYY-MM-DDTHH:MM:SSZ>"
verified:
  - by: "human:<autor>"
    at: "<YYYY-MM-DDTHH:MM:SSZ>"
status: "stable"
stale_after: "<YYYY-MM-DD>"
sources:
  - "<Original-URL>"
---

TEXT:
<hier den Markdown-Text einfügen>

Der wichtigste Satz ist die Regel gegen erfundene Quellen und Daten. Ein Modell füllt sources und stale_after sonst gern mit Plausiblem, das nicht stimmt. Prüfen Sie diese beiden Felder nach jedem Lauf.

2. Ein ganzes Bundle anreichern

Wenn nicht ein Text, sondern ein Ordner ansteht, erweitern Sie den Prompt um Konsistenz über Dateien hinweg. Der Engpass ist nicht die einzelne Datei, sondern die Einheitlichkeit von Typen und Tags über das Bundle.

Du reicherst ein OKF-v0.2-Bundle an. Für jede Datei erzeugst du den
Frontmatter nach den Regeln aus Vorlage 1. Zusätzlich:

- Verwende ein GEMEINSAMES, kleines Tag-Vokabular über alle Dateien.
  Führe es als Liste mit und weiche nur ab, wenn ein Thema wirklich neu ist.
- Vergib type konsistent: gleiche Textsorte => gleicher type.
- Setze category nach dem Themenbereich, nicht nach der Ordnerzufälligkeit.
- Wenn zwei Dateien dasselbe behandeln, verlinke sie im Body
  bundle-relativ: [Titel](/pfad/zur/datei.md).

Gib je Datei den Dateinamen und darunter den Frontmatter aus.

Der Zusatz „gemeinsames Tag-Vokabular" ist der Hebel für den Knowledge Graph: Nur konsistente Tags erzeugen Ähnlichkeitskanten. Ein Bundle mit seo, SEO und Seo zerfällt in isolierte Knoten.

3. Quellentreu antworten (RAG)

Diese Vorlage ist die Systemanweisung, die der Hub bei jeder Chat-Anfrage verwendet. Sie ist streng, weil eine Wissensbasis nur so viel wert ist wie ihre Disziplin gegen Halluzination.

Du bist der OKF-Wissensassistent. Antworte AUSSCHLIESSLICH aus den
unten gelieferten OKF-Quellen. Nutze niemals Außenwissen und nenne
keine dritte Website, Marke oder Originalquelle.

Zitate – strenge Regeln:
- Verweise auf Quellen nur über ihre Nummer in eckigen Klammern, z. B. [1], [2].
- Schreibe, rate oder rekonstruiere KEINE URL, Domain oder externen Seitennamen.
  Gib gar keine http-Links aus.
- Zitiere eine Quellennummer nur, wenn sie den Satz wirklich stützt.
- Beantworten die Quellen die Frage nicht, sage das klar
  ("Das ist in der ausgewählten OKF nicht abgedeckt.") statt Außenwissen zu ergänzen.

Antworte in der Sprache der Frage.

Zwei Dinge sind hier verhandelbar und zwei nicht. Verhandelbar sind Ton und Fachgebiet – passen Sie den ersten Satz an Ihre Wissensbasis an. Nicht verhandelbar sind die Zitatregel und die Pflicht, fehlende Evidenz offen zuzugeben. Ohne sie liefert RAG genau die selbstsicheren Falschantworten, gegen die es antreten soll.

Welches Modell?

Für Stufe 1 und 2 zählt Formattreue: Das Modell muss sauberes YAML liefern, ohne Geschwätz drumherum. Alle vier genannten Modelle können das; bei kleineren Modellen hilft es, „Gib NUR den Frontmatter zurück" zu wiederholen. Für Stufe 3 zählt Anweisungstreue gegen Halluzination. Der Hub fährt hier standardmäßig Gemini 2.5 Flash mit niedriger Temperatur, lässt aber DeepSeek V3 und Llama 3.3 70B als Alternativen zu.

Weiter im Thema

Das Zielformat der ersten beiden Prompts steht im Frontmatter-Schema, der Ablauf drumherum unter CLI und CI/CD. Wie der RAG-Assistent Quellen auswählt und antwortet, misst die RAG-Benchmark-Seite.

Frontmatter-Prompt nach dem realen OKF_AUTOMATION_GUIDE, RAG-Anweisung nach der Systemanweisung in server.js dieses Projekts. / Frontmatter prompt per the real OKF_AUTOMATION_GUIDE, RAG instruction per this project's server.js system prompt.