Spring til hovedindhold
Dansk— Vælg et sprog
Menu

Grundlæggende om Grok-prompting

Lektion 1 af 14 Opdateret 28. juli 2026 Begynder
På denne side
  1. Dine første skridt med Grok
  2. Hvordan Grok behandler dine prompts
  3. De tre søjler i en god prompt
  4. Tilgængelige Grok-modeller
  5. Praktisk øvelse
  6. Vigtige pointer

Opdateret 3. november 2026 baseret på xAI’s side Models: grok-4.7 (september 2026) erstatter grok-4.5 som den anbefalede model. Kilder: Models · Release notes.

Dine første skridt med Grok

Grok er xAI’s kunstige intelligens-model. For at interagere med den bruger du prompts: tekstinstruktioner, du sender til modellen for at få et svar. Kvaliteten af dine prompts afgør direkte relevansen og nøjagtigheden af de svar, du modtager.

En prompt kan tage mange former: et simpelt spørgsmål, en detaljeret instruktion, kontekst efterfulgt af en anmodning eller endda et struktureret sæt, der kombinerer tekst og billeder. At lære at formulere dine prompts godt er den grundlæggende færdighed for at låse op for Groks fulde potentiale.

Hvordan Grok behandler dine prompts

Grok-modeller arbejder via sekventiel tokengenerering. Et token svarer til et ord eller en ordfragment. Når du sender en prompt, sker følgende:

  1. Din tekst opdeles i input-tokens
  2. Modellen analyserer hele konteksten
  3. Den genererer svaret token for token og vælger den mest sammenhængende fortsættelse ved hvert skridt
  4. Svaret returneres til dig, enten som en blok eller via streaming (token for token i realtid)

Denne mekanisme forklarer, hvorfor en klar, velstruktureret instruktion giver bedre resultater end en vag anmodning.

De tre søjler i en god prompt

For at få relevante svar fra Grok skal du fokusere på tre essentielle principper:

Klarhed

En klar prompt efterlader ingen plads til tvetydighed. Sammenlign disse to formuleringer:

  • Vag: “Fortæl mig om Python”
  • Klar: “Forklar de tre vigtigste forskelle mellem lister og tuples i Python med et kodeeksempel for hver”

Den anden formulering guider modellen mod et præcist, struktureret svar.

Kontekst

At give kontekst hjælper modellen med at kalibrere sit svar. Angiv dit niveau, mål eller relevante domæne:

  • “Jeg er juniorudvikler. Forklar Python-decorators for mig med simple eksempler og detaljerede kommentarer i koden.”

Struktur

Organisér dine instruktioner med distinkte sektioner. Brug lister, bindestreger eller nummerering til at adskille forskellige dele af din anmodning:

  • Kontekst (hvem du er, hvad projektet handler om)
  • Opgave (hvad du forventer)
  • Begrænsninger (format, længde, tone, sprog)
500K
Context tokens (Grok 4.5)
5
SDKs available
20 MB
Max size per image
128
Max tools per request

Tilgængelige Grok-modeller

xAI tilbyder flere modeller, der hver især er velegnede til forskellige formål:

  • grok-4.7: den model, xAI anbefaler; alsidig og ideel til komplekse opgaver (grok-4.6 og grok-4.5, dens forgængere, forbliver tilgængelige)
  • grok-4.20-0309-reasoning: avanceret model med dyb ræsonnementsevne
  • grok-4.3: hurtig og økonomisk model til rutineopgaver
  • grok-build-0.1: letvægtsmodel specialiseret til kode

Valg af model påvirker svarets kvalitet og hastighed. Til at starte med er grok-4.7 xAI’s anbefalede valg; grok-4.3 koster mindre til rutineopgaver. Eksemplerne i dette kursus, skrevet med grok-4.5, fungerer også med grok-4.7.

Praktisk øvelse

Prøv disse tre prompts og observer forskellene i resultaterne:

Prompt 1 (minimal):

Write an email

Prompt 2 (med kontekst):

Write a professional email to reschedule a team meeting from Tuesday to Thursday, same time. Polite but direct tone.

Prompt 3 (struktureret):

Context: I'm a project manager at a 15-person tech startup.
Task: Write an email to reschedule our weekly team meeting.
Details: From Tuesday 2 PM to Thursday 2 PM, same room.
Tone: Professional but relaxed, typical of a startup.
Format: Subject + email body, maximum 5 lines.

Du vil opdage, at den tredje prompt giver et meget mere målrettet resultat, der er klar til brug.

Vigtige pointer

  • En prompt er den instruktion, du sender til Grok for at få et svar
  • De tre søjler i en god prompt er klarhed, kontekst og struktur
  • Grok genererer svar token for token baseret på hele den givne kontekst
  • Jo mere præcis din prompt er, desto mere relevant og brugbart er svaret
  • Vælg den Grok-model, der passer til din opgave: ræsonnement til komplekse opgaver, hurtig til rutineopgaver