Iterér og forfin dine prompts
På denne side
Prompting er en iterativ proces
En prompt er sjældent perfekt ved første forsøg. Erfarne brugere ved, at det egentlige arbejde først begynder efter det første svar: Du analyserer resultatet, identificerer huller mellem outputtet og dine forventninger og justerer prompten derefter.
Denne metodiske iteration er kernen i prompt engineering. Den forvandler et acceptabelt resultat til et fremragende ét.
Forbedringssløjfen
Iterationscyklussen foregår i fire trin:
- Formulér: Skriv den oprindelige prompt med dine tre søjler (klarhed, kontekst, struktur)
- Test: Send prompten og observer svaret
- Diagnosér: Identificér hvad der er galt (format, indhold, tone, længde, præcision)
- Justér: Modificér prompten for at løse det identificerede problem
Gentag denne cyklus, indtil du får et tilfredsstillende resultat. Hver iteration bør kun ændre ét aspekt ad gangen for at forstå effekten af hver ændring.
Diagnosticering af almindelige problemer
Svaret er for langt
Modellen genererer afsnit, når du forventede en kort liste.
Før:
What are the advantages of remote work?
Efter:
List the 5 main advantages of remote work. Maximum 1 sentence per advantage.
Svaret er irrelevant
Modellen svarer uden for dit spørgsmål. Tilføj kontekst og specificér omfanget.
Før:
Explain limits.
Efter:
Explain mathematical limits for an advanced high school student. Focus on limits of polynomial functions, not sequences.
Formatet er ikke som forventet
Modellen returnerer fritekst, når du ønskede JSON. Vær eksplicit omkring formatet og giv et eksempel.
Før:
Analyze this text and extract the entities.
Efter:
Analyze this text and return the entities in JSON format:
{"entities": [{"name": "...", "type": "person|location|organization"}]}
Return only the JSON, no additional text.
Tonen er upassende
Modellen er for formel eller for uformel. Specificér registret i systembeskeden eller i instruktionen.
Før:
Write a response to this unhappy client.
Efter:
Write an empathetic and professional response to this unhappy client. Warm tone but not informal. Start by acknowledging the problem, then propose a concrete solution.
Forfiningsteknikker
Tilføj negative begrænsninger
Når modellen gør noget, du ikke ønsker, skal du eksplicit forbyde det:
Explain machine learning to a beginner.
Do not use technical jargon.
Do not mention mathematical formulas.
Do not refer to other AI models.
Giv et mod-eksempel
Vis modellen, hvad du ikke ønsker:
Write a summary of this document.
Good summary: "The report shows a 15% increase in sales in Q3, driven by the B2B segment."
Bad summary: "This report presents the company's financial results for the third quarter of the current year, including various metrics..."
Adopt the style of the good summary.
Omformulér gradvist
Når én omskrivning ikke er nok, så fortsæt i trin:
- Test din basis-prompt
- Tilføj det ønskede output-format
- Tilføj indholdsbegrænsninger
- Tilføj tonebegrænsninger
- Tilføj eksempler hvis nødvendigt
Brug seed-parameteren til sammenligning
Med samme seed kan du sammenligne effekten af to forskellige formuleringer ved at eliminere variabilitet forårsaget af tilfældighed:
{"seed": 42, "temperature": 0.5, "messages": [{"role": "user", "content": "Version A of the prompt"}]}
{"seed": 42, "temperature": 0.5, "messages": [{"role": "user", "content": "Version B of the prompt"}]}
Dokumentér dine iterationer
Hold styr på dine prompts og deres resultater. Notér for hver version:
- Den nøjagtige prompt-tekst
- Brugte parametre (model, temperatur, seed)
- Hvad der fungerede
- Hvad der skal forbedres
Denne dokumentation sparer dig for betydelig tid, når du skal vende tilbage til en prompt eller tilpasse den til et nyt brugstilfælde.
Øvelse
Tag en prompt, du allerede har brugt, som ikke gav et perfekt resultat. Anvend forbedringssløjfen i tre iterationer:
- Identificér hovedproblemet med det nuværende svar
- Modificér ét enkelt aspekt af prompten for at løse dette problem
- Test og sammenlign med det tidligere resultat
Gentag indtil du får et tilfredsstillende resultat.
Vigtige pointer
- Prompting er iterativt: Det første forsøg er sjældent det sidste
- Ændr kun ét aspekt per iteration for at forstå effekten af hver ændring
- Almindelige problemer (længde, emne, format, tone) har hver deres specifikke løsninger
- Negative begrænsninger og mod-eksempler er kraftfulde værktøjer til forfining
- Brug
seed-parameteren til objektivt at sammenligne to formuleringer - Dokumentér dine iterationer for at kapitalisere på din erfaring