Der Artikel von Payal Patel auf Towards Data Science liefert acht konkrete Handlungsempfehlungen für Teams, die System-Instructions für AI Agents schreiben und pflegen. Als Grundlage skizziert Patel zunächst die zentralen Bausteine eines Agenten: LLM als Verarbeitungseinheit, System-Instructions als Playbook, Tools als Aktionsebene sowie Kurz- und Langzeitgedächtnis – letzteres beispielhaft über Vektordatenbanken wie Milvus für RAG. Tipp 1 empfiehlt, vor dem Schreiben jeder Instruction zunächst einen Flowchart des Geschäftsprozesses zu erstellen, etwa mit draw.io oder Mermaid.js, um Teamalignment und Debugging zu erleichtern. Tipp 2 hebt den Einsatz von AI-Developer-Tools hervor – namentlich IBM Bob – zum automatischen Generieren von Mermaid.js-Diagrammen sowie zum Verfassen, Verfeinern und Prüfen der Instructions selbst. Tipp 3 fokussiert auf Fehlerszenarien: Instruktionen müssen explizit regeln, wie der Agent mit Tool-Ausfällen, fehlenden Datenbankrückgaben, Wiederholungsversuchen und Eskalationssituationen umgeht. Tipp 4 verlangt, dass Tools und Knowledge Bases in den Instructions namentlich referenziert werden und dass Parameter sowie die Verarbeitung von Tool-Outputs klar beschrieben sind. Der Artikel richtet sich explizit an Teams, die Agenten in Produktionsumgebungen betreiben, und betont Wartbarkeit und Lesbarkeit der Instructions als zentrale Qualitätskriterien.