Spring til hovedindhold
Dansk— Vælg et sprog
Menu

Bedste praksis for multi-agent-prompting

Lektion 12 af 14 Opdateret 29. juli 2026 Udvikler
På denne side
  1. Prompting til en multi-agent-arkitektur
  2. Angiv hvad der skal søges efter, og hvor dybt
  3. Bed om formen, ikke kun indholdet
  4. Anmod eksplicit om kilder
  5. Fordel researchen over flere omgange
  6. Giv kontekst, som modellen ikke kan gætte sig til
  7. Vigtige pointer

Prompting til en multi-agent-arkitektur

Når du skriver en prompt til flere agenter, handler det ikke længere om at tale til en model, men om at briefe en teamleder, der skal fordele arbejdet mellem flere forskere. En prompt, der fungerede godt med en enkelt model, giver her ofte et længere svar, men ikke et dybere, fordi lederen ikke vidste, hvordan emnet skulle opdeles i separate spor. Tre indstillinger styrer kvaliteten af briefingen.

Omfang
Definér omfanget
Struktur
Anmod om et format
Kilder
Angiv referencer

Angiv hvad der skal søges efter, og hvor dybt

Lederen har brug for to oplysninger, før rollerne fordeles: hvad forskningen dækker, og hvilket detaljeringsniveau der kræves. Uden disse markører vil den producere et overblik – og seksten agenter vil blot gøre et overblik seksten gange mere verbost. Sammenlign:

Fortæl mig om AI i Europa.

Sammenlign de 3 største europæiske producenter af AI-chips ud fra teknologi, ydeevne, finansiering og industrielle partnerskaber i 2026.

Den anden prompt navngiver emnet, afgrænser omfanget til tre europæiske aktører, lister analysedimensionerne op og fastsætter tidsrammen. Disse fire elementer oversættes til en arbejdsnedbrydning: én agent pr. producent eller én agent pr. dimension. Den første tilbyder ingen brudlinjer, og det er netop det, der producerer et fladt svar.

Bed om formen, ikke kun indholdet

Lederen syntetiserer bedre, når den ved, hvordan resultatet skal se ud. En formatinstruktion til sidst i prompten forbedrer ofte læsbarheden mere end en omformulering af spørgsmålet.

Præsenter resultaterne som en sammenligningstabel med én række pr. producent og én kolonne pr. kriterium. Tilføj et analyseafsnit under tabellen.

Afhængigt af dine behov kan du bede om en sammenligningstabel med faste kategorier, en nummereret liste med et specificeret detaljeringsniveau, sektioner hierarkiseret med H2- og H3-overskrifter eller en konklusion ledsaget af anbefalinger. Alle disse instruktioner har samme effekt: de tvinger lederen til at organisere materialet i stedet for blot at række det op.

Anmod eksplicit om kilder

Uden instruktioner kan lederen levere en flydende syntese uden mulighed for at spore noget tilbage til dets oprindelse. Hvis referencer er vigtige for dig, så kræv dem i prompten.

Citér dine kilder for hver påstand. Prioriter nyere akademiske artikler og officielle pressemeddelelser.

Denne instruktion sætter forventningerne tidligt: underagenter ved fra starten, at de skal gemme referencer på det, de finder. At anmode om kilder efterfølgende får dem ikke til at dukke op igen.

Fordel researchen over flere omgange

Multi-agent-systemer håndterer samtaler over flere omgange, hvilket er en løftestang for både kvalitet og økonomi. I stedet for at stille ét monumentalt spørgsmål, bør du arbejde med forfinelser: én omgang til at skitsere landskabet af enterprise RAG-løsninger i 2026, en anden til at uddybe det punkt, der interesserer dig – f.eks. hybride arkitekturer – og en tredje til at sammenligne to løsninger på dit use case. Hver omgang arver konteksten fra den foregående, og fordelen står endnu klarere med use_encrypted_content=True.

Giv kontekst, som modellen ikke kan gætte sig til

En agent, der ignorerer din situation, producerer anbefalinger, der gælder for alle, hvilket betyder, at de gælder for ingen. De begrænsninger, du allerede kender, er mere værd end enhver stilinstruktion.

Jeg bygger en fintech-applikation til det asiatiske marked. Min tekniske stack er Python/FastAPI med PostgreSQL. Mit månedlige budget til AI-API’er er 500 euro.

Hvilke AI-baserede løsninger til svindeldetektering ville være mest velegnede?

Med disse tre linjer udelukker agenterne løsninger, der er uforenelige med din stack, justerer deres forslag til dit budget og prioriterer ud fra dit marked. Uden dem vil du modtage den generiske rangering, som findes i enhver online sammenligning.

Der er to modsatte faldgruber, du skal undgå. En prompt, der er for vag, spreder agenterne og øger forbruget uden at tilføje værdi; en prompt, der er for låst, fratager dem det udforskningsrum, der retfærdiggjorde brugen af multi-agent i første omgang. Den rette balance fastsætter destinationen og overlader valget af vej til underagenterne.

Vigtige pointer

  • Definér altid omfang, dybde og output-format
  • Bed eksplicit om kilder, hvis du ønsker dem
  • Opdel i omgange ved kompleks research
  • Sørg for kontekst for relevante anbefalinger
  • En god multi-agent-prompt guider lederen uden at begrænse underagenterne