> ## Documentation Index
> Fetch the complete documentation index at: https://docs.langdock.com/llms.txt
> Use this file to discover all available pages before exploring further.

# Verkettete Prompts

> Teile die komplexe Aufgabe in kleinere, überschaubare Schritte auf, um bessere Ergebnisse zu erzielen.

Teile die komplexe Aufgabe in kleinere, überschaubare Schritte auf, um bessere Ergebnisse zu erzielen.

Wenn du 3-4 Aufgaben in einen Prompt ohne Struktur schreibst, könnten LLMs eine oder mehrere Aufgaben übersehen oder nicht gut ausführen. Dies hängt mit dem Konzept des [Chain-of-Thought prompting](/de/using-langdock/prompt-engineering/advanced-techniques/prompting-techniques#chain-of-thought-prompting) zusammen.

Durch die Aufteilung der Aufgaben bietest du eine klare Struktur, die das LLM durch jeden Schritt führt und umfassende und qualitativ hochwertige Ergebnisse sicherstellt.

## Aufteilen in einem Prompt:

Du kannst das KI-Modell bitten, eine Aufgabe aufzugliedern und die Anweisungen Schritt für Schritt zu befolgen.

*Beispiel:*
<br /> `Suche in den beigefügten Dokumenten nach Informationen zu den Richtlinien für unser Büro in Berlin.`
<br /> `Dann liste die relevanten Punkte als Stichpunkte auf und ordne sie nach ihrer Wichtigkeit.`
<br /> `Schreib anschließend eine kurze Nachricht, die du auf dem Slack-Kanal von unserer Firma postest, um alle an die 10 wichtigsten Dinge zu erinnern, die man sich merken sollte.`

## Aufteilung in mehrere Prompts:

Für komplexe Arbeitsabläufe kannst du separate Prompts verwenden, um den Kontext beizubehalten und auf vorherigen Ausgaben aufzubauen.

*Beispiel:* <br />

> *Prompt 1:*<br />
> `Suche in den beigefügten Dokumenten nach Informationen zu den Richtlinien für unser Büro in Berlin.`

*Antwort:* `…`

> *Prompt 2:*<br />
> `Ordne die Richtlinien nach Wichtigkeit. Begründe deine Entscheidung.`

*Antwort:* `…`

> *Prompt 3:*<br />
> `Schreibe einen Slack-Beitrag, in dem du die 10 wichtigsten Richtlinien erklärst.`

*Antwort:* `…`