Bedste praksis og almindelige fejl
På denne side
Opdateret 3. november 2026. Baseret på xAI API-referencen:
max_completion_tokenssætter kun loftet over det synlige svar; ræsonnementstokens tæller ikke med heri, ogreasoning_effortstyrer deres mængde. Kilde: Chat Completions.
Opsamling og sikkerhedsforanstaltninger
Denne sidste lektion dækker essentielle bedste praksisser og de hyppigste fejl, når du skriver prompts til Grok. Betragt den som en tjekliste, du kan konsultere, hver gang du opretter eller forfiner en prompt.
Bedste praksis
1. Strukturér dine prompts systematisk
Adskil altid kontekst, opgave og begrænsninger. Modellen har sværere ved at fortolke en stor tekstblok end en prompt, der er organiseret i sektioner.
2. Brug systembeskeden til permanente instrukser
Placér alt, der skal gælde for hver eneste udveksling (sprog, format, tone, begrænsninger), i systembeskeden. Placér situationsbestemte instrukser i brugerbeskeder.
3. Giv eksempler i stedet for beskrivelser
Når outputformatet er komplekst, er et eksempel tusind ord værd. Few-shot prompting er næsten altid mere effektivt end en detaljeret forklaring af det forventede format.
4. Match modellen til opgaven
- Enkel og hurtig opgave:
grok-4.3ellergrok-build-0.1(til kode) - Kompleks ræsonnementsopgave:
grok-4.20-0309-reasoningmed høj indsats - Billedanalyse:
grok-4.5med detaljeindstilling (low/high)
5. Justér temperaturen efter målet
- Uddrag, klassificering, fakta: temperatur 0 til 0,3
- Professionel skrivning, resumé: temperatur 0,4 til 0,7
- Brainstorming, kreativitet: temperatur 0,8 til 1,5
6. Test ved hjælp af seed-parameteren
For objektivt at sammenligne to prompt-formuleringer skal du bruge samme seed. Dette eliminerer variabilitet forårsaget af tilfældighed og lader dig måle effekten af din ændring.
7. Opbyg et prompt-bibliotek
Gem dine bedste prompts i et bibliotek organiseret efter brugssag. En god prompt er en investering: den vokser i værdi ved hver genbrug.
Almindelige fejl
Fejl 1: Uklare prompts
Modellen er ikke telepatisk. Jo mere specifik du er, desto bedre bliver resultatet.
Fejl 2: Ignorering af begrænsninger hos ræsonnementsmodeller
Grok-ræsonnementsmodeller understøtter ikke visse parametre: frequency_penalty, presence_penalty og stop udløser en fejl. Afsæt en timeout på 3.600 sekunder til komplekse opgaver.
Fejl 3: Ændring af historik midt i en samtale
Grok-API’en er stateless. Ændring af historikken bryder inference-cachen og forringer ydeevnen.
Fejl 4: Brug af temperatur og top_p samtidig
Ændring af både temperatur og top_p på samme tid giver uforudsigelige resultater. Vælg det ene eller det andet.
Fejl 5: Overser ræsonnementstokens i budgettet
På ræsonnementsmodeller lægges ræsonnementstokens oven i det synlige svar og faktureres til output-satsen, men max_completion_tokens sætter ikke loft over dem: det begrænser kun det synlige svar. For at styre denne omkostning skal du indstille ræsonnementsindsatsen (reasoning_effort) og overvåge reasoning_tokens i forbruget.
Fejl 6: Ikke at specificere outputformat
Uden formatinstruktioner vælger modellen det format, den finder passende. Specificér altid det forventede format.
Fejl 7: For meget irrelevant kontekst
xAI-dokumentationen anbefaler eksplicit at udelukke irrelevant information fra konteksten.
Fejl 8: Lagring af historik med billeder
Brug store: false ved forespørgsler, der indeholder billeder, for at undgå fejl.
Kursusopsamling
I løbet af disse 14 lektioner har du lært at:
- Strukturere dine prompts med klarhed, kontekst og format (lektion 1-4)
- Udnytte avancerede teknikker: few-shot, chain of thought, systeminstruktioner, iteration, multimodal (lektion 5-9)
- Anvende prompting på virkelige eksempler: skrivning, analyse, kode (lektion 10-12)
- Bygge ekspert-prompts ved at følge en metodisk proces (lektion 13)
Prompting er en færdighed, der forbedres med øvelse. Hver prompt, du forfiner, beriger din erfaring og dit bibliotek af genanvendelige skabeloner.
Vigtige pointer
- Strukturér altid dine prompts i distinkte sektioner
- Match modellen og parametrene til hver enkelt opgave
- Giv eksempler frem for lange beskrivelser
- Undgå klassiske fejl: inkompatible parametre, ændret historik, overdreven kontekst
- Dokumentér og genbrug dine bedste prompts
- Prompting er iterativt: test, diagnosticér, justér
Test din viden
Efter ekspert-workshoppen følger en endelig kontrol af Grok-prompting-teknikker.
1. Hvad er systemrollen sammenlignet med bruger- og assistentrollerne?
Svar: Systemrollen sætter den varige ramme for samtalen – identitet, regler, format – mens bruger stiller anmodninger, og assistent leverer svar: applikationsinstruktioner blandes ikke med dialogen.
2. Hvornår skal temperaturen sænkes?
Svar: Ved faktabaserede opgaver, uddrag og kode, hvor variation er en fejl; hæv den ved kreativitet – indstillingen følger prisen for et andet svar fra den ene kørsel til den næste.
3. Hvad vinder du ved chain of thought?
Svar: Ved ræsonnementsopgaver reducerer det at bede om trin før konklusionen fejlene markant – modellen folder ud i stedet for at hoppe direkte til det plausible.
4. Hvordan prompter man multimodalt (tekst + billede)?
Svar: Ved at ramme analysen ind som tekst: præcist spørgsmål, kriterier, outputformat – billedet er data, prompten forbliver metoden.
5. Nævn to almindelige fejl, der skal undgås.
Svar: Altomfattende anmodninger uden struktur eller format og manglende iteration – at acceptere det første output i stedet for at forfine det; kursussens bedste praksis er præcis det modsatte.
Klar ramme, tilpassede indstillinger, iterationer: teknikkerne koges ned til tre træk – workshoppen lod dig øve dem, dine projekter vil høste gevinsten.