Muster werden geladen…
Feedback-Verkettung
Implementiert iterative Verbesserungszyklen, in denen Ausgaben bewertet und als Eingaben zurückgeführt werden, bis die Qualitätskriterien erfüllt sind; nachweislich steigert dies die Ausgabequalität durch konvergenzbasierte Verfeinerung und ist besonders wirksam für kreative und Optimierungsaufgaben
In 30 Sekunden
- Was
- Erzeugt eine Ausgabe, bewertet sie anhand von Qualitätsmetriken, führt die Kritik als Eingabe zurück und generiert neu, bis ein Schwellenwert erreicht oder das Iterationslimit ausgeschöpft ist.
- Wann einsetzen
- Aufgaben, deren Qualität durch Überarbeitungszyklen steigt, etwa Texterstellung, Codegenerierung oder Optimierungsprobleme mit messbaren Erfolgskriterien.
- Achtung
- Gerät leicht in Endlosschleifen oder liefert abnehmende Erträge; setzen Sie strikte Iterationsobergrenzen und prüfen Sie, ob die Metriken wirklich mit echter Qualität korrelieren.
Fragen Sie den KI-Experten zu diesem Pattern
Öffnet den Assistenten mit vorbereiteter Frage. Sie prüfen sie vor dem Senden.
Feedback-Verkettung: Überblick
Implementiert iterative Verbesserungszyklen, in denen Ausgaben bewertet und als Eingaben zurückgeführt werden, bis die Qualitätskriterien erfüllt sind; nachweislich steigert dies die Ausgabequalität durch konvergenzbasierte Verfeinerung und ist besonders wirksam für kreative und Optimierungsaufgaben
- Iterative improvement cycles
- Convergence detection
- Quality metrics tracking
- Stop condition evaluation
Den Prompt-Chaining-Field-Guide erhalten
Alle 7 Prompt-Chaining-Muster in einem Leitfaden: welche Form zu Ihrer Arbeit passt, was jedes zusätzliche Glied kostet und wann eine längere Kette alles schlechter macht. Der Link kommt mit Ihrer Bestätigung, zusammen mit dem wöchentlichen Agent Architect.
Wöchentliche E-Mail, Abmeldung mit einem Klick. Ihre Adresse wird nur für das Briefing verwendet.
Quellen
Die Veröffentlichungen, Spezifikationen und Repositories, auf denen dieses Muster beruht.
- Self-Refine: Iterative Refinement with Self-Feedback (Madaan et al., 2023)arXiv:2303.17651
- Constitutional AI: Harmlessness from AI Feedback (Bai et al., 2022)arXiv:2212.08073
- Training Language Models to Follow Instructions with Human Feedback (Ouyang et al., 2022)arXiv:2203.02155
- LangChain Self-Critique and Refinement Chains
- OpenAI Iterative Prompting Best Practices
Vom Ingenieur hinter diesem Katalog
Lassen Sie Ihre Agenten-Architektur prüfen
Diese Seite dokumentiert ein Pattern. Ihr System betreibt Dutzende, und die meisten Ausfälle entstehen im Zusammenspiel. Lassen Sie den gesamten Entwurf an den 288 Patterns dieses Katalogs messen: Architektur, Zuverlässigkeit, Evaluation und Kosten, jeder Befund verknüpft mit dem Pattern, das ihn behebt.
750 € statt 1.500 €, eine Woche, schriftlicher Bericht und Walkthrough-Call, bis 30. September