Block 03: Prompt-Chains & Visuelles Arbeiten mit LangFlow¶

Zeitbedarf: 4 Stunden
Schwierigkeitsgrad: Mittel
Voraussetzungen: Block 01 (LLM-Grundlagen), Block 02 (Basic Prompting)

Lernziele & Theorieteil¶

Lernziele: - Dynamische Prompt-Templates erstellen und anwenden - Sequential und Router Chains in LangFlow implementieren - Dokumentenanalyse-Methoden (Stuff, Map-Reduce, Refine) verstehen und einsetzen - Praktische LLM-Workflows für Finanz- und Risikomanagement entwickeln

Theorie: Prompt-Chaining erweitert einfache LLM-Anfragen zu komplexen, mehrstufigen Workflows. Statt eines einzelnen Prompts werden mehrere Prompts in logischer Reihenfolge verknüpft – das Ergebnis eines Schritts wird zum Input des nächsten. Dies ermöglicht strukturierte Analysen komplexer Finanzprozesse wie Bilanzauswertungen oder Risikobewertungen.

LangFlow bietet eine visuelle Oberfläche zur Entwicklung solcher Chains ohne komplexe Programmierung. Sequential Chains verarbeiten Schritte nacheinander, während Router Chains basierend auf Eingabeinhalten verschiedene Pfade einschlagen können. Für die Dokumentenanalyse stehen drei Hauptmethoden zur Verfügung: Stuff (für kurze Texte), Map-Reduce (für große, strukturierte Dokumente) und Refine (für zusammenhängende, narrative Inhalte).

Basic Prompting Beispiel

Aufgaben & Übungen¶

Aufgabe 1: Finanzprodukt-Namensgenerator¶

Ziel: Entwicklung einer einfachen Sequential Chain zur automatischen Namensgenerierung

Starter-Code: finanzprodukt_namensgenerator.json

Aufgabenstellung: 1. Laden Sie die LangFlow-Konfiguration in Ihre LangFlow-Umgebung 2. Testen Sie den Workflow mit verschiedenen Finanzprodukten 3. Erweitern Sie den Prompt um spezifische Namensrichtlinien (z.B. Länge, Stil) 4. Experimentieren Sie mit verschiedenen Input-Beispielen aus dem Bereich nachhaltiger Investments

Sequential Chain Workflow

Aufgabe 2: Risiko-Router implementieren¶

Ziel: Aufbau eines Router-Chain-Systems für verschiedene Risikokategorien

Starter-Code: risiko_router.json

Aufgabenstellung: 1. Analysieren Sie die Router-Logik für Markt-, Kredit- und operationale Risiken 2. Testen Sie mit verschiedenen Risikoszenarien (z.B. "Zinsanstieg", "Lieferantenausfall", "IT-Systemausfall") 3. Erweitern Sie die Templates um spezifische Handlungsempfehlungen 4. Fügen Sie eine vierte Risikokategorie "Compliance-Risiko" hinzu

Router Chain Visualisierung

Aufgabe 3: Dokumentenanalyse-Methoden¶

Ziel: Vergleich und Anwendung verschiedener Analysemethoden

Worksheets: LangFlow Übungen

Aufgabenstellung: 1. Implementieren Sie alle drei Methoden (Stuff, Map-Reduce, Refine) in LangFlow 2. Testen Sie mit einem Beispiel-Geschäftsbericht 3. Vergleichen Sie Ergebnisqualität und Performance 4. Dokumentieren Sie Vor- und Nachteile jeder Methode

Benötigte Daten & Assets¶

Visualisierungen: - Chain-Arten Übersicht - Dokumentenanalyse Methoden

Beispieldaten: - Beispiel-Finanzprodukte: "Grüner Rentenfonds mit ESG-Filter", "Hochzins-Anleihe Europa" - Risikoszenarien: "Zinsanstieg in den USA", "Inflation über 5%", "Cyber-Angriff auf Zahlungssystem"

Templates: - Prompt-Template Beispiele

Setup & Konfiguration¶

LangFlow-Installation:

pip install langflow
langflow run --host 0.0.0.0 --port 7860

Benötigte API-Keys: - OpenAI API Key für GPT-3.5-turbo/GPT-4 - Optional: Anthropic Claude für Vergleichstests

Konfigurationsdateien: - Backup des Router-Workflows - Zusätzliche Slide-Materialien

Musterlösung & Lehrmaterial¶

🔒 Nur für Lehrende

**Architekturdokumentation:** - [Technische Architektur-Übersicht](teacher-data/block03/architecture_overview.md) - [Mermaid-Diagramme für alle Workflows](teacher-data/block03/architecture_overview.pdf) **Beispiel-Outputs:** - [ChatGPT Beispiel-Ausgabe 1](teacher-data/block03/example_chatgpt_output_1.png) - [ChatGPT Beispiel-Ausgabe 2](teacher-data/block03/example_chatgpt_output_2.png) **Bewertungskriterien:** - Funktionalität der implementierten Chains (40%) - Kreativität bei der Prompt-Gestaltung (30%) - Dokumentation und Reflexion der Ergebnisse (30%) **Häufige Fehler der Teilnehmenden:** - Zu komplexe Prompts in ersten Versuchen - Vergessen der Input-Variable-Deklaration in Templates - Falsche Router-Bedingungen bei komplexen Entscheidungslogiken

Hinweise & Troubleshooting¶

Häufige Probleme: - API-Rate-Limits: Nutzen Sie Delays zwischen Anfragen oder verschiedene API-Keys - LangFlow-Verbindungsfehler: Überprüfen Sie die Node-Verbindungen und Input-Variablen - Template-Syntax: Verwenden Sie geschweifte Klammern {variable} für dynamische Inhalte

Performance-Tipps: - Beginnen Sie mit einfachen Sequential Chains vor komplexen Router-Systemen - Testen Sie Prompts einzeln, bevor Sie sie in Chains integrieren - Verwenden Sie aussagekräftige Node-Namen für bessere Übersichtlichkeit

Best Practices: - Dokumentieren Sie Ihre Prompt-Logik in den Node-Beschreibungen - Speichern Sie Zwischenstände regelmäßig als JSON-Export - Nutzen Sie die Preview-Funktion zum Debugging einzelner Schritte