GPT-6.1 Terra Prompts: 5 E-Commerce- und Büro-Szenarien mit echten Ausgaben

TL;DR

• 5 E-Commerce- und Büro-Szenarien, jedes mit echten Ausgaben von GPT-6.1 Terra, vollständigem Prompt und den Kosten dieses Durchlaufs.
• Die Kosten pro Aufruf liegen zwischen $0,0001 und $0,002; mit $1 lassen sich diese 5 Szenarien jeweils mehrere Hundert Mal durchlaufen.
• Prompt kopieren, die Modellseite von GPT-6.1 Terra öffnen, einfügen und loslegen. Bei der Registrierung gibt es bis zu 2.000 Credits ($1).

Szenario 1: Produktbild ansehen und Listungsinformationen schreiben

{"product_name":"Orangefarbene Roboter-Plüschpuppe","category":"Plüschtier","material":null,"main_color":"Orange","selling_points":["Roboter-Design, niedliches Aussehen","Orangefarbener Korpus mit schwarzen Details, auffällige Farbgebung","Runde, dreidimensionale Form, geeignet als Deko oder Kuscheltier"],"target_buyer":null}

Dies ist ein Produktbild. Schreibe die Listungsinformationen gemäß der vorgegebenen JSON-Struktur: Produktname, Kategorie, Material, Hauptfarbe, 3 Verkaufsargumente, Zielgruppe. Felder, die nicht erkennbar sind, mit null füllen, nicht raten.

Prompt kopieren, Modellseite öffnen und ein Bild hochladen, um es einmal auszuprobieren →

gpt-6.1-terra, medium, Bild + striktes JSON-Schema, 438 Input- / 163 Output-Token, 10 Sekunden, $0,0003.

Der Satz „Felder, die nicht erkennbar sind, mit null füllen“ ist entscheidend: Material und Zielgruppe lassen sich aus dem Bild nicht ableiten, und das Modell ließ sie ehrlich leer, statt etwas zu erfinden. Wie man ein JSON-Schema schreibt, steht im Integrationsleitfaden.

Szenario 2: Meeting-Notizen in Action Items umwandeln

Aufgabe	Verantwortlich	Frist	Status
Designentwurf für die Double-11-Aktionsseite fertigstellen	Xiao Li	bis 5. November	Noch nicht begonnen
Ursache für gestiegene Zahlungsfehlerquote ermitteln und Fazit liefern	Lao Zhang	bis Mittwoch	Noch nicht begonnen
Rückerstattungseingang auf die Bestelldetailseite verschieben	Offen	Offen	Noch nicht begonnen
App-Version 3.2 testen und zur Prüfung einreichen	Xiao Wang	bis nächsten Donnerstag	Noch nicht begonnen
Kennzahl „Wiederkaufrate“ ins Daten-Dashboard aufnehmen	A Ming	bis Ende dieser Woche	Noch nicht begonnen

Wandle die folgenden Meeting-Notizen in eine Action-Item-Tabelle um, Spalten: Aufgabe, Verantwortlich, Frist, Status. Fehlende Verantwortliche oder Daten mit „Offen“ markieren.

Notizen: Montag, wöchentliches Produktmeeting. 1) Double-11-Aktionsseite: Xiao Li ist verantwortlich, Designentwurf bis 5. November. 2) Zahlungsfehlerquote ist letzte Woche auf 2,3 % gestiegen, Lao Zhang untersucht die Ursache und liefert bis Mittwoch ein Fazit. 3) Der Kundenservice sagt, der Rückerstattungseingang liegt zu tief, er soll auf die Bestelldetailseite verschoben werden; wer das übernimmt, ist noch nicht entschieden. 4) App-Version 3.2 wird nächsten Donnerstag zur Prüfung eingereicht, Tests verantwortet Xiao Wang. 5) Ins Daten-Dashboard soll „Wiederkaufrate“ aufgenommen werden, A Ming sagt, das schafft er diese Woche.

Prompt kopieren, Modellseite öffnen und einmal ausprobieren →

gpt-6.1-terra, medium, 161 Input- / 294 Output-Token, 29 Sekunden, $0,0004.

Da Spaltennamen und Schreibweise für fehlende Werte fest vorgegeben sind, lässt sich die Ausgabe direkt in Feishu- oder Notion-Tabellen einfügen. Punkt 3 hatte niemand übernommen, das Modell markierte ihn wie gefordert mit „Offen“.

Szenario 3: Kundenservice-Antwort zur Beruhigung eines Kunden, der auf die Lieferung drängt

Es tut uns sehr leid, dass Sie so lange warten mussten und Ihnen Unannehmlichkeiten entstanden sind. Wir werden uns umgehend mit dem Logistikdienstleister in Verbindung setzen, den Sachverhalt prüfen und Ihnen innerhalb von 24 Stunden ein eindeutiges Ergebnis mitteilen. Sie können wählen: 1. Kostenlose Nachlieferung eines Exemplars, voraussichtliche Zustellung in 3–5 Tagen; 2. sofortige vollständige Rückerstattung, die in der Regel innerhalb von 1–3 Werktagen eingeht. Bitte antworten Sie uns, welche Option Sie wünschen, wir kümmern uns umgehend darum.

Du bist Kundenservice eines Online-Shops. Schreibe eine Antwort an den folgenden Kunden: zuerst entschuldigen, dann die Lösung erläutern (Nachlieferung oder Rückerstattung, eine der beiden Optionen), einen Zeitrahmen nennen, im Ton aufrichtig, höchstens 150 Zeichen.

Kunde: Ich warte seit 12 Tagen auf das Paket, seit 5 Tagen tut sich bei der Sendungsverfolgung nichts. Kümmert ihr euch überhaupt darum? Wenn es nicht bald ankommt, beschwere ich mich.

Prompt kopieren, Modellseite öffnen und einmal ausprobieren →

gpt-6.1-terra, low, 88 Input- / 83 Output-Token, 11 Sekunden, $0,0001.

Für kurze Antworten reicht die Stufe low – schnell und günstig. Die Nachlieferzeit „3–5 Tage“ und die Rückerstattung „1–3 Werktage“ hat das Modell selbst ergänzt; trage vor dem Produktiveinsatz die tatsächlichen Zeiten deines Shops in den Prompt ein.

Szenario 4: Bestellungen aus Kunden-E-Mails extrahieren

{"order_id":"HX-20481","order_date":"20. Oktober","items":[{"name":"Kapuzenpullover","color":"Dunkelgrau (hellgrau erhalten)","size":"L","qty":2},{"name":"Sporthose","color":"Schwarz","size":"M","qty":1}],"total":"¥586","issue":"Zwei Kapuzenpullover kamen tatsächlich in Hellgrau an, bestellt war Dunkelgrau; die Sporthose ist in Ordnung.","requested_action":"Die beiden Pullover gegen dunkelgraue in Größe L tauschen; falls nicht vorrätig, Rückerstattung.","phone":"138-0000-1234","contact_time":"nachmittags"}

Extrahiere die Bestellinformationen aus der folgenden Kunden-E-Mail.

E-Mail: Hallo, ich habe letzten Dienstag (20. Oktober) bestellt, Bestellnummer HX-20481, zwei dunkelgraue Kapuzenpullover in L und eine schwarze Sporthose in M, insgesamt ¥586 bezahlt. Heute kam die Lieferung, und die Pullover sind hellgrau, die Hose ist in Ordnung. Ich möchte die beiden Pullover gegen dunkelgraue tauschen, falls nicht vorrätig, bitte Rückerstattung. Meine Telefonnummer ist 138-0000-1234, am besten nachmittags anrufen. – Frau Wang

Prompt kopieren, Modellseite öffnen und einmal ausprobieren →

gpt-6.1-terra, medium, striktes JSON-Schema, 240 Input- / 202 Output-Token, 11 Sekunden, $0,0003.

Bestellnummer, Betrag, Telefonnummer und Kontaktzeit wurden alle korrekt extrahiert. Im Feld color ist „hellgrau erhalten“ hineingeraten: Wenn die Daten in eine Datenbank sollen, in der Schema-Feldbeschreibung festlegen, dass nur die bestellte Farbe einzutragen ist.

Szenario 5: Verkaufsargumente für ein Produkt schreiben

Titel: Tragbarer Entsafterbecher, frisch gepresst jederzeit

• 380 ml Tritan-Becher, mit 420 g leicht und tragbar
• USB-C-Aufladung, voll geladen für 15 Becher
• 6 Klingen aus 304-Edelstahl, IPX7 wasserdicht, das ganze Gerät ist abspülbar

Schreibe anhand der folgenden Parameter einen Verkaufsargument-Text für eine Taobao-Produktdetailseite: 3 Verkaufsargumente, jeweils höchstens 25 Zeichen, dazu einen Titel mit höchstens 15 Zeichen. Verwende keine Wörter wie „extrem“ oder „erstklassig“.

Parameter: Tragbarer Entsafterbecher, Fassungsvermögen 380 ml, USB-C-Aufladung, voll geladen für 15 Becher, 6 Klingen aus 304-Edelstahl, Becher aus Tritan, Gewicht 420 g, IPX7 wasserdicht, das ganze Gerät ist abspülbar.

Prompt kopieren, Modellseite öffnen und einmal ausprobieren →

gpt-6.1-terra, medium, 125 Input- / 1.486 Output-Token (davon 1.411 fürs Reasoning), 59 Sekunden, $0,0019.

Zeichenzahl und verbotene Wörter wurden eingehalten. Für einen so kurzen Text wurden jedoch 1.411 Reasoning-Token verbraucht: Bei der Massenproduktion von Texten auf low oder none umstellen, dann sinken Kosten und Laufzeit.

Wie man Prompts schreibt

1. Format fest vorgeben: Spaltennamen, Zeichenzahl und JSON-Struktur klar angeben, dann ist die Ausgabe direkt verwendbar.
2. Sagen, was bei Unbekanntem zu tun ist: „Nicht erkennbar → null“, „nicht angegeben → Offen“ ist zuverlässiger, als das Modell frei improvisieren zu lassen.
3. Geschäftsfakten selbst liefern: Zeiten, Preise und Richtlinien in den Prompt schreiben, nicht vom Modell ergänzen lassen.

Häufige Fragen

Welche Reasoning-Stufe sollte man für diese Szenarien verwenden?

Für Extraktion, Strukturierung und kurze Antworten low oder medium; für kurze Ausgaben wie Werbetexte kann man none ausprobieren. Den Kostenvergleich der Stufen findet man unter GPT-6.1 Terra API-Preise.

Kann man auf der Modellseite direkt Bilder hochladen?

Ja. Im Playground sind bis zu 4 Bilder gleichzeitig möglich, jedes höchstens 10 MB; nach dem Hochladen werden sie zusammen mit dem Text gesendet.

Wie bindet man die Massenverarbeitung an?

Über die API. Derselbe Key, POST /v1/responses, Code siehe Integrationsleitfaden. Wer die Ergebnisse mit Sol vergleichen möchte, sieht sich GPT-6.1 Terra vs GPT-6.1 Sol an.

Wähle ein Szenario, das deiner aktuellen Arbeit am ähnlichsten ist, kopiere den Prompt, öffne die Modellseite von GPT-6.1 Terra und ersetze den Inhalt durch deine eigenen Daten, um es einmal durchlaufen zu lassen.