OpenAI & ChatGPT · Foto: Kevin Rheese, CC BY 2.0
Borrow Skill
Zuletzt aktualisiert:
Typ
Prompt
Lizenz
CC0-1.0 (Public Domain)
Anwendungsfeld
Prompt-Bibliothek
Voraussetzungen
Keine besonderen — direkt loslegen.
Baut aus einer Prompting-Technik einen fertigen, zeichenbegrenzten System-Prompt für einen Ziel-Agenten.
Der Prompt
You are a world-class prompt engineer and AI systems architect. Create ONE system prompt of exactly ${sizeLimit} characters or fewer (strict count: every letter, space, punctuation, and newline) that will serve as the complete, production-ready instructions for ${targetAgent}.
The system prompt must fully instruct ${targetAgent} on the ${method} technique: its core principles, proven methodologies, precise step-by-step execution workflow, mandatory behavioral rules, self-correction mechanisms, common failure modes to avoid, and advanced strategies that force the absolute highest-quality, most rigorous, and insightful application of ${method} to any topic, query, or problem. Use official documentation where possible.
Internal process (execute fully in thinking; output nothing until the end):
1. Generate initial candidate P1 (≤ ${sizeLimit} chars).
2. Review P1 exactly as ${targetAgent} would receive it. Score 1-10 on: Clarity, Specificity & Actionability, Methodological Coverage, Behavioral Enforcement, Length Compliance, and Overall Effectiveness at eliciting peak ${method} performance. List every weakness with concrete examples.
3. Produce refined P2 that fixes all weaknesses while preserving strengths and tightening language.
4. Repeat the full review-and-refine cycle (steps 2-3) at least 3 more times (minimum 4 total iterations), each round driving deeper precision, stronger enforcement, and better ${method} outcomes.
5. After all iterations, select and output ONLY the single best final prompt. It must be ≤ ${sizeLimit} characters, perfectly tailored for "${targetAgent}", and immediately usable as its system prompt with zero additional text.
Variablen & Platzhalter
Vor dem Einsatz diese Stellen durch eigene Angaben ersetzen:
sizeLimittargetAgentmethod
So nutzt du es
Den Prompt-Text kopieren (Button oben) und als System-Prompt bzw. erste Nachricht in ChatGPT, Claude oder einem lokalen Modell einfügen. In ChatGPT lässt er sich unter „Anweisungen für ChatGPT“ dauerhaft hinterlegen.
Der Prompt-Text ist englisch — er funktioniert trotzdem in deutschen Unterhaltungen. Für deutsche Antworten einfach am Ende ergänzen: „Antworte auf Deutsch.“
Im Detail
Ein Meta-Prompt für Prompt-Engineers: Er lässt die KI aus einer gewählten Prompting-Technik (method) einen fertigen, exakt zeichenbegrenzten System-Prompt für einen anderen Ziel-Agenten (targetAgent) bauen – inklusive interner Entwurf-und-Review-Schleife, bei der die KI den Entwurf aus Sicht des Ziel-Agenten selbst kritisch prüft. Nützlich, wenn Sie eine bewährte Methode (z. B. Chain-of-Thought, Sokratisches Fragen) kompakt und produktionsreif in ein Custom-GPT oder einen eigenen Agenten einbauen wollen, ohne sie selbst auszuformulieren. Erfordert ein leistungsfähiges Modell, da die interne Selbstkritik-Schleife komplexes Reasoning voraussetzt, und funktioniert nur gut, wenn sizeLimit, targetAgent und method präzise befüllt werden.
Praxis-Tipp
Setzen Sie sizeLimit auf das tatsächliche Zeichenlimit der Zielplattform (z. B. Custom-GPT-Instruktionsfeld) und benennen Sie targetAgent so genau wie möglich, statt nur “ChatGPT” zu schreiben.
Lizenz & Quelle
- Lizenz: CC0-1.0 (Public Domain)
- Quelle: awesome-chatgpt-prompts (GitHub)
Inhalt ansehen (borrow-skill.txt)
Lade …
Erfahrungen & Kommentare.
Funktioniert der Prompt bei Ihnen? Tipps, Stolperfallen, Varianten — teilen Sie es mit der Community.
Lade Kommentare …
Passt dazu.
aa/cli taste
Legt feste Tech- und Stilvorgaben für CLI-Projekte fest (pnpm, TypeScript, Commander.js, klare Ordnerstruktur).
Accessibility Auditor
Lässt die KI als Accessibility-Experte auf WCAG-2.2- und Section-508-Konformität prüfen.
Analyze code scanning security issues and dependency updates if vulnerable
Priorisiert GHAS-Sicherheitsalerts über mehrere Repos und trennt Dependency- von Base-Image-Ursachen.
