Das Werkzeug

Dein Spec im laufenden System

Was du bekommst: eine strukturierte Diagnose einer Lernenden-Antwort durch die Brille deines eigenen Specs. Das Werkzeug zeigt, welche Skills die Antwort demonstriert, welche fehlen und welche Misconceptions sichtbar sind, jeweils mit Zitaten als Evidenz. Ist die Diagnose generisch oder daneben, ist dein Spec an dieser Stelle zu vage: schärfe es und lass es erneut laufen.

Wie: Füge dein Markdown-Spec aus Block 2 ein, dazu eine echte oder konstruierte Antwort einer Lernenden. Klick auf Diagnose erstellen. Ohne eigenes Spec: klick im Werkzeug auf Beispiel laden.

App in neuem Tab öffnen Auf Hugging Face öffnen

Was passiert hier?

Das Werkzeug zeigt jede Stufe seiner Pipeline an, damit du nicht nur das Ergebnis siehst, sondern auch den Mechanismus dahinter.

• Stufe 1: Eingabe. Du fügst Spec und Antwort in zwei Textfelder ein.
• Stufe 2: Markdown wird zu strukturierten Daten. Dein Markdown-Spec wird in ein Pydantic-Objekt mit drei Feldern (Lernaufgabe, Skills, Misconceptions) überführt. Wenn ein Eintrag falsch zugeordnet ist, hat das Markdown-Format das Parsing verwirrt.
• Stufe 3: Was an die API gesendet wird. Das Werkzeug zeigt dir den System Prompt, den fertig gerenderten User Prompt und das Pydantic-Schema. Genau diese drei Teile gehen an die Anthropic-API.
• Stufe 4: Strukturierte Antwort. Das Modell antwortet in der vom Schema vorgegebenen Form: welche Skills demonstriert sind, welche fehlen, welche Misconceptions erkannt wurden, mit Evidenz-Zitaten aus der Antwort.

Das Pydantic-Schema ist der eigentliche Mechanismus. Es zwingt das Modell, exakt die Felder zurückzugeben, die wir spezifiziert haben. Die Architektur dahinter ist im Take-Home ausführlicher dokumentiert.

→ Wie das Werkzeug funktioniert

Die pragmatische Test-Frage

Wenn du den Output in Stufe 4 liest, stell dir eine Frage: Stimmt das mit dem überein, was deine echten Lernenden produzieren würden?

• Ja: dein Spec hat für diese Aufgabe funktioniert.
• Nein: dein Spec ist zu vage oder lückenhaft. Notiere, was im Output fehlt oder falsch ist, und schärfe den entsprechenden Eintrag in deinem Spec.