Prompt: „Erinnere das Modell an vorherige Gedankengänge, um die Antwort zu verbessern.“

Memory of Thought Prompting ist eine Technik, bei der das Modell an frühere Gedanken, Antworten oder Strategien erinnert wird, um auf dieser Grundlage bessere und präzisere Antworten zu generieren. Im Gegensatz zu anderen Prompting-Methoden bezieht das Modell explizit vorherige Überlegungen oder Lösungen mit ein, um die aktuelle Aufgabe zu lösen. Diese Methode hilft dem Modell, auf bereits erarbeiteten Erkenntnissen aufzubauen, was besonders in Bereichen wie Vertrieb, Marketing und Strategieentwicklung wertvoll ist.

Durch das Nutzen von Gedächtnisinhalten aus früheren Interaktionen wird die Qualität der Antworten gesteigert, da das Modell auf eine kontinuierliche Lernbasis zurückgreifen kann. Dies ist besonders hilfreich, wenn die aktuelle Aufgabe stark mit früheren Arbeiten verknüpft ist, wie z.B. bei der Erstellung von Verkaufsstrategien, Präsentationen oder Verkaufsskripten, die an bestehende Ansätze anknüpfen sollen.

Praxisrelevanz

Im Vertrieb oder bei der Erstellung von Strategien kann MemoryofThought Prompting besonders nützlich sein, um kontinuierlich auf früheren Erfolgen aufzubauen und diese zu verbessern. Das Modell erinnert sich an frühere Skripte, Strategien oder Präsentationen, die bereits verwendet wurden, und verwendet diese als Grundlage, um eine optimierte Version zu erstellen. Dadurch entsteht eine konsistente Vorgehensweise, die auf bewährten Ansätzen basiert und über die Zeit weiter verfeinert wird.

Anwender ist diese Technik ideal, um Effizienz zu steigern und Wiederholungsaufgaben zu erleichtern. Anstatt jedes Mal von Grund auf neu zu beginnen, kann das Modell auf vorhandene Informationen und Ansätze zurückgreifen und sie weiterentwickeln, um stets bessere Lösungen zu liefern.

Beispiel 1

„Nutze frühere Verkaufsskripte, um eine bessere Verkaufsstrategie zu entwickeln.“

Erläuterung

In diesem Beispiel greift die KI auf bereits verwendete Verkaufsskripte zurück, die in der Vergangenheit erfolgreich waren. Sie analysiert die Argumentationsstruktur, den Ton und die spezifischen Verkaufsargumente dieser Skripte und verwendet sie als Grundlage, um eine verbesserte Verkaufsstrategie zu entwickeln. Durch den Rückgriff auf frühere Erfahrungen kann die neue Strategie gezielt auf den bisherigen Erfolgen aufbauen, wodurch der gesamte Verkaufsprozess effizienter und wirkungsvoller gestaltet wird.

Beispiel 2

„Greife auf vergangene Verkaufspräsentationen zurück, um eine neue, verbesserte Version zu erstellen.“

Erläuterung

Hier wird das Modell angewiesen, sich an frühere Verkaufspräsentationen zu erinnern, die bereits erfolgreich waren. Anhand dieser vorhandenen Präsentationen entwickelt das Modell eine aktualisierte Version, die die stärksten Argumente und Präsentationstechniken aus der Vergangenheit aufgreift und an die neue Situation anpasst. Dies ermöglicht eine schnellere und gezieltere Erstellung von Inhalten, die auf den bewährten Konzepten aufbauen, um die Überzeugungskraft zu steigern.

Tipps für den Einsatz

  • Konsistenz sicherstellen:
    • Verwende MemoryofThought Prompting, um sicherzustellen, dass die Antworten auf früheren Überlegungen basieren und konsistent bleiben. Dies ist besonders nützlich, wenn du regelmäßig ähnliche Aufgaben erledigst, wie z.B. bei der Erstellung von Verkaufsskripten oder Strategien, die sich an früheren Erfolgen orientieren sollen.
  • Optimierung durch Wiederverwendung:
    • Diese Technik ist ideal, um die besten Argumente oder Strategien aus der Vergangenheit zu nutzen und diese schrittweise zu verbessern. Anstatt jedes Mal bei null zu beginnen, sparst du Zeit, indem du auf bewährten Grundlagen aufbaust.
  • Effiziente Entwicklung:
    • Nutze diese Technik, um die Effizienz bei der Erstellung von Inhalten oder Strategien zu steigern, indem du auf vorherige Überlegungen und bereits erstellte Materialien zurückgreifst.
  • Langfristige Verbesserung:
    • Durch den Rückgriff auf vergangene Erfolge kannst du das Modell kontinuierlich weiterentwickeln, um langfristig immer bessere Ergebnisse zu erzielen. Dies ist besonders nützlich bei langfristigen Projekten, die stetige Verbesserungen erfordern.

Zusammenfassung der Unterschiede zu anderen Techniken

MemoryofThought Prompting unterscheidet sich von Techniken wie SelfRefine oder SelfConsistency, da es nicht darum geht, die aktuelle Antwort durch Iterationen zu verbessern, sondern auf frühere Überlegungen und Lösungen aufzubauen. Während SelfRefine die aktuelle Aufgabe schrittweise optimiert, nutzt MemoryofThought Prompting bestehende Antworten oder Überlegungen als Ausgangspunkt, um darauf aufbauend eine neue und verbesserte Lösung zu entwickeln.