Bessere Prompts. Besserer Code.
Die Qualität von KI-generiertem Code hängt fast vollständig davon ab, was du verlangst und wie du danach fragst. Dieser Leitfaden zeigt die Muster, die mit Claude Code durchgängig bessere Ergebnisse liefern.
Vom Abgrenzen der Aufgabe bis zu System-Prompts, von der iterativen Verfeinerung bis zu rollenspezifischen Anweisungen. Praxistaugliche Techniken, die du in deiner nächsten Coding-Sitzung anwenden kannst.
Warum Prompt Engineering für Code entscheidend ist
Wenn du einen menschlichen Entwickler bittest, 'eine Login-Seite zu bauen', kommen Rückfragen: Welcher Auth-Provider? Welche Felder? Soll sie OAuth unterstützen? Fehlermeldungen? Ladezustände?
KI-Coding-Agenten beantworten all diese Fragen selbst. Manchmal raten sie richtig. Oft raten sie etwas Plausibles, aber nicht das, was du wolltest. Genau die Lücke zwischen 'plausibel' und 'genau richtig' schließt Prompt Engineering.
Gute Prompts müssen nicht lang sein. Sie müssen präzise sein bei dem, was zählt, und schweigen zu dem, was nicht zählt. Um diese Balance geht es in diesem Leitfaden.
Fünf Kernprinzipien
Muster, die die Ergebnisse unabhängig von der Aufgabe verbessern.
Sei präzise beim Ergebnis, nicht bei den Schritten
Statt 'erstelle eine React-Komponente, dann füge State hinzu, dann Styling' beschreibe das Endergebnis: 'Baue eine einklappbare Sidebar, die Projektnamen anzeigt, Drag-to-Reorder unterstützt und unser bestehendes Tailwind-Theme verwendet.' Wie der Agent dorthin kommt, überlasse ihm.
Avoid
Erstelle eine Komponente. Füge useState hinzu. Füge einen Umschalt-Button hinzu. Style sie mit Tailwind.
Better
Baue eine einklappbare Sidebar-Komponente, die Projekte nach Namen auflistet. Sie soll Drag-to-Reorder unterstützen und zu unserem dunklen Theme passen (bg-[#111318], border-[#262b38]). Der eingeklappte Zustand soll Seiten-Reloads überdauern.
Grenze die Arbeit klar ab
Agenten arbeiten am besten, wenn sie die Grenzen kennen. Gib an, welche Dateien angefasst (oder gemieden) werden sollen, welchen Mustern zu folgen ist und wie 'fertig' aussieht. Unbegrenzte Aufgaben führen zu ausufernden Änderungen, die sich kaum noch reviewen lassen.
Avoid
Refactore das Authentifizierungssystem.
Better
Refactore den Login-Handler in src/api/auth/login.ts so, dass er bcrypt statt sha256 für das Passwort-Hashing verwendet. Ändere weder die JWT-Logik noch das Session-Cookie-Handling. Aktualisiere die zugehörigen Tests in tests/auth/.
Gib den Kontext mit, der zählt
Claude Code kann deine Projektdateien lesen, aber nicht deine Gedanken. Wenn du einer Konvention folgst, eine bestimmte Library bevorzugst oder ein Muster bereits etabliert hast, sag es. Das erspart Nacharbeit.
Avoid
Füge Formularvalidierung hinzu.
Better
Füge dem Signup-Formular eine Formularvalidierung mit zod hinzu (wir nutzen zod bereits für das Einstellungsformular in src/forms/settings.ts). Zeige die Fehlermeldungen inline unter jedem Feld. Verwende dasselbe Fehler-Styling wie das Login-Formular.
Eine Aufgabe pro Prompt
Zusammengesetzte Prompts ('bau die API, schreib Tests, aktualisiere die Docs und deploye') zwingen den Agenten, zu viele Ziele gleichzeitig zu halten. Zerlege komplexe Arbeit in aufeinanderfolgende, fokussierte Aufgaben. Jede baut auf dem vorherigen Ergebnis auf.
Avoid
Bau die Benutzerprofil-Seite, schreib die API-Endpunkte, füge Tests hinzu, aktualisiere die README und repariere gleich noch die Nav-Bar.
Better
Baue den Endpunkt GET /api/user/profile. Gib die Felder id, name, email und plan zurück. Nutze die bestehende Auth-Middleware für die Authentifizierung.
Iterieren statt neu anfangen
Wenn das erste Ergebnis nicht stimmt, verfeinere den Prompt, statt von vorn zu beginnen. Claude behält den gesamten Gesprächskontext. Sage, was falsch ist, was sich ändern soll und was bleiben soll. Iterieren ist schneller als neu erfinden.
Avoid
Das ist falsch. Fang von vorn an und bau die Komponente anders.
Better
Das Layout ist gut, aber der mobile Breakpoint stimmt nicht. Unter 768px sollen die Karten vertikal gestapelt werden statt in einem Grid. Alles andere bleibt, wie es ist.
System-Prompts: Kontext, der bleibt
System-Prompts legen das Grundverhalten eines Agenten fest, bevor du überhaupt etwas sagst. Sie sind das am wenigsten genutzte Werkzeug im KI-Coding.
Ein System-Prompt sagt dem Agenten, wer er ist, worauf er sich konzentrieren soll und was er vermeiden soll. Er gilt für jede Nachricht der Sitzung. Sieh ihn als Stellenbeschreibung des Agenten.
AgentsRoom liefert 14 rollenspezifische System-Prompts mit: einen für jeden Agententyp. Der Prompt des Frontend-Agenten weist ihn an, sich auf Komponenten, Barrierefreiheit und responsives Design zu konzentrieren. Der Prompt des QA-Agenten weist ihn an, an Randfälle zu denken und umfassende Tests zu schreiben. Du kannst diese anpassen oder eigene schreiben.
Beispiel: System-Prompt für den Frontend-Agenten
Du bist ein erfahrener Frontend-Entwickler. Konzentriere dich auf React-Komponenten, CSS/Tailwind-Styling, Barrierefreiheit (WCAG AA) und responsives Design. Nutze die bestehende Komponenten-Library des Projekts, bevor du neue Komponenten anlegst. Bevorzuge Komposition gegenüber Vererbung. Schreibe semantisches HTML. Ändere niemals Backend-Dateien.
Wirksame System-Prompts schreiben
- ✓Definiere die Rolle und ihre Grenzen. Worauf soll sich der Agent konzentrieren? Was soll er ignorieren?
- ✓Nenne konkrete Technologien und Versionen. 'React 19 mit Server Components' ist besser als 'modernes React'.
- ✓Verweise auf Projektkonventionen. 'Nutze Zustand für State' sagt dem Agenten, nicht zu Redux oder Context zu greifen.
- ✓Setze Qualitätserwartungen. 'Schreibe TypeScript im Strict Mode, keine any-Typen' verhindert Abkürzungen.
- ✓Nimm negative Einschränkungen auf. 'Ändere niemals Dateien in /api/' hält den Agenten in der Spur.
CLAUDE.md: Kontext auf Projektebene
Der wirkungsvollste Prompt wird gar nicht in einen Chat getippt. Er lebt in deinem Repository.
CLAUDE.md ist eine Markdown-Datei im Wurzelverzeichnis deines Projekts, die Claude Code automatisch liest. Sie enthält Projektstruktur, Konventionen, Stack-Details und Richtlinien, die für jede Agenten-Sitzung im Projekt gelten.
Anstatt in jedem Gespräch zu wiederholen, dass 'wir Tailwind CSS 4, Prisma ORM und Next.js 16 verwenden', schreibe es einmal in CLAUDE.md. Jeder Agent erbt diesen Kontext. AgentsRoom enthält einen integrierten Editor für CLAUDE.md, sodass du die Datei aktualisieren kannst, ohne die App zu verlassen.
Eine gut geschriebene CLAUDE.md ist mehr wert als Dutzende sorgfältig formulierter Einzel-Prompts. Ihre Wirkung summiert sich: jede Sitzung profitiert davon.
Baue eine Prompt-Bibliothek auf
Höre auf, dieselben Anweisungen immer wieder zu schreiben. Sichere, was funktioniert, und verwende es wieder.
Wenn du merkst, dass du projektübergreifend immer dieselbe Art von Anfrage tippst ('schreib Unit-Tests für diese Datei', 'refactore das auf das Repository-Pattern', 'ergänze Error Handling in allen API-Routen'), speichere sie als wiederverwendbaren Prompt.
AgentsRoom bringt eine Prompt-Bibliothek mit zwei Ebenen mit: Prompts pro Projekt für projektspezifische Aufgaben und globale Prompts (Cloud-synchronisiert) für Muster, die du überall einsetzt.
Gute Kandidaten für Prompts in der Bibliothek: Code-Review-Checklisten, Vorlagen zum Testschreiben, Migrationsskripte, Anleitungen zum Komponenten-Scaffolding, Schritte für Sicherheitsaudits. Alles, was du in einem Team-Wiki als Standardverfahren ablegen würdest.
Beispiele aus der Prompt-Bibliothek
Unit-Tests schreiben
Schreibe Unit-Tests für [Datei]. Nutze vitest. Decke den Happy Path, Randfälle (leere Eingabe, null, ungültige Typen) und die Fehlerbehandlung ab. Mocke externe Abhängigkeiten. Ziel: über 90 % Branch Coverage.
Code Review
Prüfe die Änderungen im aktuellen git diff. Achte auf: ungenutzte Imports, fehlende Fehlerbehandlung, Probleme mit der Typsicherheit, mögliche Race Conditions und Inkonsistenzen bei der Benennung. Schlage für jedes gefundene Problem eine Korrektur vor.
API-Endpunkt
Erstelle einen REST-Endpunkt für [Ressource]. Baue Eingabevalidierung mit zod ein, saubere Fehlerantworten (400, 401, 404, 500), TypeScript-Typen für Request und Response sowie einen JSDoc-Kommentar, der den Endpunkt beschreibt. Folge dem bestehenden Muster in src/api/.
Fortgeschrittene Muster
Techniken für komplexe Aufgaben, die über einzelne Prompts hinausgehen.
Prompt Chaining
Zerlege eine große Aufgabe in geordnete Schritte. Starte den ersten Agenten mit Schritt eins, warte auf den Abschluss und starte dann den nächsten Agenten mit Schritt zwei, unter Verweis auf die Ausgabe von Schritt eins. Jeder Schritt ist kleiner und fokussierter. Beispiel: Agent 1 entwirft das Datenbankschema, Agent 2 schreibt die API auf Basis dieses Schemas, Agent 3 schreibt Tests gegen die API.
Cross-Agent Review
Wenn ein Agent fertig ist, setze einen anderen Agenten auf dessen Ausgabe an. 'Prüfe die Änderungen, die der Frontend-Agent gerade in src/components/ gemacht hat. Achte auf Probleme mit der Barrierefreiheit und auf fehlende Fehlerzustände.' Ein frischer Agent mit einer anderen Rolle findet Dinge, die der ursprüngliche Agent übersehen hat.
Progressive Einschränkungen
Beginne mit einem losen Prompt, um zu sehen, wie der Agent an das Problem herangeht. Ergänze dann Einschränkungen in Folgenachrichten: 'Gute Struktur, aber nimm Server Components statt Client Components.' 'Behalte den Hook, aber entferne das useEffect und nutze stattdessen eine React-Query-Mutation.' Jede Iteration engt weiter auf die gewünschte Lösung ein.
Referenzimplementierung
Verweise den Agenten auf bestehenden Code: 'Baue eine Einstellungsseite nach demselben Muster wie src/pages/profile.tsx. Gleiche Layoutstruktur, gleiches Formular-Handling, gleiche Fehleranzeige.' Das ist oft wirksamer, als das Muster in Worten zu beschreiben.
Häufige Fehler
Muster, die durchgängig schlechtere Ergebnisse liefern.
Die Implementierung überspezifizieren
Dem Agenten exakt vorzugeben, welche Funktionen er schreiben soll, wie die Variablen heißen und in welcher Reihenfolge er vorgeht. Dieses Mikromanagement nimmt dem Agenten die Möglichkeit, einen besseren Ansatz zu finden. Beschreibe das Ergebnis, nicht das Vorgehen.
Keine Grenzen für den Umfang
Einen Agenten ohne jede Einschränkung zu bitten, 'die Codebase zu verbessern'. Ohne Grenzen refactort der Agent womöglich Dateien, die niemand anfassen wollte, ändert APIs, von denen anderer Code abhängt, oder verbrennt Token für nachrangige Verbesserungen.
Bestehenden Code ignorieren
Nicht zu erwähnen, dass ein Muster, ein Utility oder eine Komponente im Projekt bereits existiert. Der Agent legt dann eine neue an. Ein einfaches 'wir haben schon einen useAuth-Hook in src/hooks/' erspart erhebliche Nacharbeit.
Zusammengesetzte Mega-Prompts
Fünf Aufgaben in eine Nachricht zu quetschen. Der Agent versucht sich an allen, aber die Qualität sinkt, weil er konkurrierende Ziele jonglieren muss. Teile sie stattdessen in aufeinanderfolgende, fokussierte Anfragen auf.
Wie lang sollte ein Coding-Prompt sein?
Sollte ich Prompts für Opus und Sonnet unterschiedlich schreiben?
Wie hilft AgentsRoom beim Prompt Engineering?
Kann ich Prompts im Team teilen?
Was ist der Unterschied zwischen einem System-Prompt und CLAUDE.md?
Mit KI-Coding-Agenten kommunizieren: Claude, Codex, Antigravity, Grok Build
Code ist nicht mehr der Flaschenhals, Kommunikation ist es. Wie du mit deinen KI-Agenten Claude, Codex, Antigravity und Grok Build redest, um schneller und präziser zu liefern und Tokens zu sparen.
PDF in Markdown umwandeln und LLM-Tokens sparen: der MarkItDown-Guide
Ein PDF direkt an Claude oder ein beliebiges LLM zu schicken verbrennt still und leise Tokens: Jede Seite wird zusätzlich in ein Bild verwandelt. Wandle die Datei zuerst mit MarkItDown in Markdown um, dem kostenlosen Open-Source-Tool von Microsoft, und senke deine Token-Rechnung um bis zu 80 %. Kompletter Guide mit CLI, Python und MCP-Server.
Bessere Prompts schreiben, besseren Code ausliefern
AgentsRoom bringt System-Prompts, eine Prompt-Bibliothek und die CLAUDE.md-Bearbeitung von Haus aus mit. Weniger Zeit für das Formulieren von Prompts, mehr Zeit zum Bauen.
Companion-App: Agenten auch unterwegs im Blick behalten
Nutze Claude, Codex, Antigravity CLI oder einen anderen KI-Anbieter.
Bugs und Wünsche direkt in dein öffentliches Backlog schicken.
Agenten, die du wie eine Unterhaltung liest
Jeder Agent hat eine Rolle, ein Gesicht und einen Verlauf, den du wie in einer Messaging-App liest.
