RAG-Prompt: Relevanz der gefundenen Passagen bewerten (JSON)
# RAG-Prompt: Relevanz der gefundenen Passagen bewerten (JSON) code: 59gpf0 | type: prompt | language: de | licence: MIT | version: v1 description: Bewertet jede gefundene Passage von 0 bis 3 für die Frage und gibt JSON zurück, um vor der Antwort neu zu sortieren. page: https://contextetech.com/de/prompts/rag-relevanz-bewertung-json-59gpf0 mcp: connect https://contextetech.com/mcp then call load_resource with code "59gpf0" (or ask "load 59gpf0") json: https://contextetech.com/api/resources/contextetech--rag-relevanz-bewertung-json python: pip install contexte && contexte get 59gpf0 citation (required by the licence): contextetech. (2026). RAG-Prompt: Relevanz der gefundenen Passagen bewerten (JSON) (Version 1) [Prompt]. Contexte Tech. https://contextetech.com/de/prompts/rag-relevanz-bewertung-json-59gpf0
Bewertet jede gefundene Passage von 0 bis 3 für die Frage und gibt JSON zurück, um vor der Antwort neu zu sortieren.
Vorlage
Du bewertest, wie gut gefundene Passagen eine Frage beantworten. Du beantwortest die Frage nicht.
Frage: {{frage}}
Passagen (mit ID):
{{passagen}}
Bewerte jede Passage:
3 = beantwortet die Frage direkt,
2 = enthält einen wichtigen Teil der Antwort,
1 = gleiches Thema, aber keine Antwort,
0 = nicht relevant.
Gib nur JSON zurück, sortiert nach Bewertung absteigend:
[{"id": "...", "score": 0-3, "grund": "kurzer Grund"}]
Ziel: nur die besten Passagen gehen in die Antwort, damit sie kürzer und genauer wird.
Analysiere jede Passage für sich. Vor allem: erfinde keine Inhalte, bewerte nur aus dem Text der Passage.
Wenn Angaben zur Bewertung fehlen oder wenn du es nicht weißt, vergib höchstens 1. Nenne die Quelle (ID) jeder Bewertung.
Zuerst lesen, dann bewerten; prüfe am Ende, dass jede ID genau einmal vorkommt.
Sachlicher Stil, Begründung: höchstens 12 Wörter, auf Deutsch. Zum Beispiel: {"id": "p3", "score": 3, "grund": "nennt die Frist direkt"}Variablen
Notizen
Behalten Sie für die Antwort nur Passagen mit Bewertung 2 oder 3; das spart Kontext und verringert Fehler.
- Kennung
- contextetech--rag-relevanz-bewertung-json
- Datei
- rag-relevanz-bewertung-json.json
- Format
- JSON (application/json)
- Größe
- 1.343 Bytes (1,3 KB)
- Kodierung
- UTF-8
- Geschätzte Tokens
- ≈ 370
- Kommerzielle Nutzung
- Erlaubt
- Personenbezogene Daten
- Keine
- Version
- 1.0
- Veröffentlicht am
- 18. Oktober 2026 um 08:00
- Aktualisiert am
- 18. Oktober 2026 um 08:00
- Speicherung
- in der Datenbank
Statistiken
Gefällt mir : 0 · Kommentare : 0
Klicken Sie auf einen Zähler, um ihn ein- oder auszublenden; fahren Sie über das Diagramm für Details. Ein Aufruf pro Besucher und Tag, ohne Bots; Zählung seit dem 30. September 2026.
Geschätzte Kosten
- Eingabe-Tokens pro Aufruf
- ≈ 404
| Modell | Pro Aufruf | Pro Monat |
|---|---|---|
| GPT-6 Luna · OpenAIbester Preis | 0,00004 € | 0,04 € |
| DeepSeek Flash · DeepSeek | 0,00011 € | 0,11 € |
| Mistral Large · Mistral AI | 0,00018 € | 0,18 € |
| DeepSeek V4 Pro · DeepSeek | 0,00047 € | 0,47 € |
| GPT-6 Sol · OpenAI | 0,00071 € | 0,71 € |
| Claude Sonnet 5.5 · Anthropic | 0,00071 € | 0,71 € |
| Claude Opus 5.5 · Anthropic | 0,00142 € | 1,42 € |
| Selbst gehostetes Open-Source-Modell (Ollama, vLLM) | 0 € API-Kosten (nur Serverkosten) | |
Nur Eingabekosten, ohne die Antwort des Modells. Öffentliche Standardpreise der Anbieter (Mistral AI, DeepSeek, OpenAI, Anthropic) von USD in Euro umgerechnet zum EZB-Kurs vom 13. Oktober 2026. Schätzung: 1 Token ≈ 3,6 Zeichen.
Gemeinsam für alle 3 Regionen
Vom Autor erstellt, ohne externe Quelle.
Kommerzielle Nutzung erlaubt · Autor nennen · Änderungen erlaubt.
Nur Text oder Daten: kein Zugriff auf Dateien, Netzwerk oder Befehle.
Gehostet in Frankreich (Scaleway, Paris). Keine Übermittlung außerhalb der EU.
Europäische Union · 5/5
Keine personenbezogenen Daten.
Keine Trainingsdaten: keine Zusammenfassung erforderlich.
Vereinigte Staaten · 5/5
Keine personenbezogenen Daten.
Keine Trainingsdaten: keine Dokumentation zu veröffentlichen.
China · 5/5
Keine personenbezogenen Daten.
Keine Trainingsdaten; in China verbreitete KI-generierte Inhalte sind zu kennzeichnen (2025).
Unverbindliche Übersicht, Stand 30/09/2026, keine rechtliche Zertifizierung. Methode und Quellen →
Prompt relevance
Die Kriterien im Detail sind Mitgliedern vorbehalten.
Jedes Kriterium, die abgezogenen Punkte und ein Tipp zur Korrektur.
Die Kriterien im Detail sind Mitgliedern vorbehalten.
Jedes Kriterium, die abgezogenen Punkte und ein Tipp zur Korrektur.
Checks
MCP contexte
https://contextetech.com/mcp
lade 59gpf0
Die Adresse in den Einstellungen deiner KI-Apps als Connector hinzufügen und dann die Anfrage oben senden.
Python contexte
import contexte p = contexte.load("contextetech/rag-relevanz-bewertung-json") print(p.fill(frage="…", passagen="…"))
API
import json, urllib.request url = "https://contextetech.com/api/resources/contextetech--rag-relevanz-bewertung-json" fiche = json.load(urllib.request.urlopen(url)) print(fiche["title"] or fiche["name"])
rag-relevanz-bewertung-json.json
{
"format": "contextec/prompt/v1",
"id": "contextetech/rag-relevanz-bewertung-json",
"description": "Bewertet jede gefundene Passage von 0 bis 3 für die Frage und gibt JSON zurück, um vor der Antwort neu zu sortieren.",
"license": "MIT",
"language": "de",
"template": "Du bewertest, wie gut gefundene Passagen eine Frage beantworten. Du beantwortest die Frage nicht.\n\nFrage: {{frage}}\n\nPassagen (mit ID):\n{{passagen}}\n\nBewerte jede Passage:\n3 = beantwortet die Frage direkt,\n2 = enthält einen wichtigen Teil der Antwort,\n1 = gleiches Thema, aber keine Antwort,\n0 = nicht relevant.\n\nGib nur JSON zurück, sortiert nach Bewertung absteigend:\n[{\"id\": \"...\", \"score\": 0-3, \"grund\": \"kurzer Grund\"}]\n\nZiel: nur die besten Passagen gehen in die Antwort, damit sie kürzer und genauer wird.\nAnalysiere jede Passage für sich. Vor allem: erfinde keine Inhalte, bewerte nur aus dem Text der Passage.\nWenn Angaben zur Bewertung fehlen oder wenn du es nicht weißt, vergib höchstens 1. Nenne die Quelle (ID) jeder Bewertung.\nZuerst lesen, dann bewerten; prüfe am Ende, dass jede ID genau einmal vorkommt.\nSachlicher Stil, Begründung: höchstens 12 Wörter, auf Deutsch. Zum Beispiel: {\"id\": \"p3\", \"score\": 3, \"grund\": \"nennt die Frist direkt\"}",
"variables": [
"frage",
"passagen"
]
}
Community
Noch keine Kommentare. Teile deine Erfahrung, sie hilft den Nächsten.