Elysia Tools
Mobile Navigation
Workflow Playbook
Bereiten Sie LLM-Eingaben vor: Prompts strukturieren, Tokens schaetzen, Sprache uebersetzen oder erkennen, PDF-Belege reinigen und Injection-, Mathematik-, Regex- und Datenrisiken pruefen.
Themen
Ein nuetzlicher LLM-Aufruf ist selten nur ein Satz. Meist kombiniert er Anweisung, Quellbelege, Spracherwartungen, Datenformatregeln und Risikohinweise. Dieser Workflow haelt diese Teile getrennt, bis sie zusammengesetzt werden koennen.
Beginnen Sie mit prompt-optimizer, um Rolle, Aufgabe, Einschraenkungen und Beispiele sichtbar zu machen. Danach prueft ai-token-estimator, ob geplante Anweisung und Belege in das Ziel-Kontextfenster passen. Die Schaetzung ist Planungsevidenz, kein Versprechen ueber die Modellantwort.
Wenn ein PDF als Grundlage dient, extrahieren Sie mit pdf-to-clean-text-for-llm eine sauberere Textfassung und fuehren pdf-prompt-injection-scanner aus, bevor Inhalte in Automatisierung oder Chat gehen. Versteckter, winziger, ausserhalb der Seite liegender oder geschichteter Text gehoert als Risiko geprueft, nicht still in den Prompt gemischt.
Bei mehrsprachiger Eingabe kombinieren Sie prompt-translator mit ai-language-detector, damit die finale Anweisung Zielsprache nennt und wichtige Terminologie bewahrt. Wenn Tabellen, JSON, CSV, Gleichungen oder Regex vorkommen, machen ai-data-normalizer, ai-math-solver und ai-regex-explainer diese Details explizit.
Das Ergebnis sollte ein vorbereitetes Eingabepaket sein: Prompt, Token-Notizen, bereinigter Quelltext, Sprachannahmen, normalisierte Daten und Sicherheitswarnungen. Es sollte auch Unsicherheiten nennen. Diese Tools verbessern Klarheit und Pruefbarkeit, garantieren aber nicht Qualitaet, Genauigkeit oder Sicherheit der spaeteren Modellausgabe.
Workflow-Leitfaden
Schreiben Sie die rohe Anweisung in eine pruefbare Struktur um und schaetzen Sie Tokens, bevor Quellen oder Beispiele dazukommen.
Uebersetzen Sie Prompts fuer mehrsprachige Nutzung und erkennen Sie Sprachmischungen, damit Terminologie, Locale und Schriftsystemannahmen sichtbar sind.
Extrahieren Sie sauberen PDF-Text als Grundlage und scannen Sie versteckten, ausserhalb der Seite liegenden oder winzigen Text, der LLM-Eingaben kontaminieren koennte.
Bereinigen Sie unordentliche strukturierte Daten und machen Sie Mathematikaufgaben oder regulaere Ausdruecke vor dem finalen Prompt explizit.
Beginnen Sie bei unklarer Anweisung mit Prompt-Optimierung und Token-Schaetzung, bei Dokumentrisiken mit PDF-Reinigung und Scan, oder bei mehrsprachiger beziehungsweise strukturierter Eingabe mit Sprach- und Datenpruefung.
Nutzen Sie Mathematik- und Regex-Helfer, um Gleichungen oder Muster vor dem Einbau in den Prompt explizit zu machen. Das verbessert die Pruefbarkeit, garantiert aber keine finale Modellantwort.