Markdown in AI-Prompts kostet mehr Tokens als du denkst
TL;DR
Markdown in KI-Prompts ist nicht kostenlos: Jedes Sternchen, jede Raute und jedes Leerzeichen zählt als Token und treibt die Kosten in die Höhe.
Key Points
- Sam Witteveen zeigt, dass code-basierte Agent-Skills (Python, Bash) deutlich tokeneffizienter sind als markdown-lastige Instruktionen.
- Claude Skills nutzen diesen Ansatz bereits: Aufgaben werden direkt im Code definiert statt in ausschweifenden Textblöcken.
- Ein Python-Skript kann dieselbe Logik kompakter abbilden als ein mehrseitiges Markdown-Dokument mit Überschriften und Aufzählungen.
- Wer viele Agentenworkflows betreibt, kann durch den Wechsel zu Code-basierten Skills messbar Token und damit echtes Geld sparen.
Nauti's Take
Die Erkenntnis klingt simpel, wird aber von den meisten Teams konsequent ignoriert: Markdown wurde für Menschen gemacht, nicht für Sprachmodelle. Wer seine System-Prompts mit fetten Überschriften und verschachtelten Aufzählungen dekoriert, verschenkt Budget an Formatierungs-Overhead.
Code-basierte Instruktionen sind die logische Weiterentwicklung – sie sind präziser, kürzer und direkt ausführbar. Der eigentliche Vorteil liegt aber tiefer: Code zwingt zur Klarheit.
Vage Anforderungen, die sich in Markdown verstecken lassen, müssen in Python tatsächlich definiert werden.
Hintergrund
Token-Kosten sind die versteckte Betriebskosten-Falle bei KI-Agenten im Produktiveinsatz. Wer Markdown als universelles Instruktionsformat einsetzt, zahlt strukturell mehr – bei jedem einzelnen API-Call. Code-basierte Skills sind nicht nur effizienter, sondern auch deterministischer: Python oder Bash lassen weniger Interpretationsspielraum als natürlichsprachliche Markdown-Listen.
Das wird besonders relevant, wenn Workflows Hunderte oder Tausende von Aufrufen täglich generieren.
Video
Quellen
