System-Prompts sind eine leistungsstarke Möglichkeit, anzupassen, wie Claude auf Benutzereingaben reagiert. Anstatt generische Antworten zu erhalten, kannst du Claudes Ton, Stil und Ansatz an deinen spezifischen Anwendungsfall anpassen.

Warum System-Prompts wichtig sind
Stell dir vor, du baust einen Mathe-Tutor-Chatbot. Wenn ein Schüler fragt „Wie löse ich 5x + 2 = 3 nach x?", möchtest du, dass Claude sich wie ein echter Tutor verhält und nicht einfach die Antwort ausspuckt. Ein guter Mathe-Tutor sollte:
- Zunächst Hinweise geben, statt vollständige Lösungen
- Schüler geduldig Schritt für Schritt durch Probleme führen
- Lösungen für ähnliche Probleme als Beispiele zeigen
Du möchtest definitiv nicht, dass Claude:
- Sofort direkte Antworten gibt
- Schülern sagt, sie sollen einfach einen Taschenrechner benutzen
Wie System-Prompts funktionieren

System-Prompts geben Claude Anleitung dazu, wie es antworten soll. Du definierst sie als einfache Strings und übergibst sie an den Create-Funktionsaufruf. Die wichtigsten Vorteile sind:
- System-Prompts geben Claude Anleitung dazu, wie es antworten soll
- Claude wird versuchen, so zu antworten, wie es jemand in der angegebenen Rolle tun würde
- Hilft dabei, Claude bei der Aufgabe zu halten
Hier ist die grundlegende Struktur:
system_prompt = """
You are a patient math tutor.
Do not directly answer a student's questions.
Guide them to a solution step by step.
"""
client.messages.create(
model=model,
messages=messages,
max_tokens=1000,
system=system_prompt
)Den Unterschied sehen
Ohne System-Prompt gibt Claude sofort eine vollständige Schritt-für-Schritt-Lösung. Das mag hilfreich sein, ermutigt den Schüler aber nicht dazu, das Problem selbst zu durchdenken.
Mit dem Mathe-Tutor-System-Prompt ändert sich Claudes Antwort drastisch. Anstatt die vollständige Lösung zu liefern, stellt Claude leitende Fragen wie „Was denkst du, wäre ein guter erster Schritt, um x zu isolieren? Überlege, welche Operation wir auf beiden Seiten durchführen müssten, um Terme zu verschieben."
Eine flexible Chat-Funktion erstellen
Anstatt System-Prompts hart zu codieren, kannst du deine Chat-Funktion wiederverwendbarer machen, indem du System-Prompts als Parameter akzeptierst:
def chat(messages, system=None):
params = {
"model": model,
"max_tokens": 1000,
"messages": messages,
}
if system:
params["system"] = system
message = client.messages.create(**params)
return message.content[0].textDieser Ansatz behandelt ein wichtiges Detail: Claudes API akzeptiert kein system=None, daher musst du den System-Parameter nur bedingt einbeziehen, wenn er angegeben wird.
Jetzt kannst du deine Chat-Funktion mit oder ohne System-Prompt aufrufen:
# Ohne System-Prompt
answer = chat(messages)
# Mit System-Prompt
system = """
You are a patient math tutor.
Do not directly answer a student's questions.
Guide them to a solution step by step.
"""
answer = chat(messages, system=system)System-Prompts sind essenziell für die Erstellung von KI-Anwendungen, die sich konsistent und angemessen für ihren vorgesehenen Zweck verhalten. Sie verwandeln generische KI-Antworten in spezialisierte, rollengerechte Interaktionen.