Iterera och förfina dina prompts
På denna sida
Prompting är en iterativ process
En prompt är sällan perfekt vid första försöket. Erfarna utövare vet att det verkliga arbetet börjar efter det första svaret: du analyserar resultatet, identifierar luckor mellan utmatningen och dina förväntningar, och justerar prompten därefter.
Denna metodiska iteration är kärnan i prompt engineering. Den förvandlar ett godkänt resultat till ett utmärkt.
Förbättringsloopen
Iterationscykeln sker i fyra steg:
- Formulera: Skriv den initiala prompten med dina tre pelare (tydlighet, kontext, struktur)
- Testa: Skicka prompten och observera svaret
- Diagnostisera: Identifiera vad som är fel (format, innehåll, ton, längd, precision)
- Justera: Ändra prompten för att åtgärda det identifierade problemet
Upprepa denna cykel tills du får ett tillfredsställande resultat. Varje iteration bör bara ändra en aspekt i taget för att förstå effekten av varje ändring.
Diagnostisera vanliga problem
Svaret är för långt
Modellen genererar stycken när du förväntade dig en kort lista.
Före:
What are the advantages of remote work?
Efter:
List the 5 main advantages of remote work. Maximum 1 sentence per advantage.
Svaret är irrelevant
Modellen svarar vid sidan av din fråga. Lägg till kontext och specificera omfattningen.
Före:
Explain limits.
Efter:
Explain mathematical limits for an advanced high school student. Focus on limits of polynomial functions, not sequences.
Formatet är inte som förväntat
Modellen returnerar fritext när du ville ha JSON. Var explicit med formatet och ge ett exempel.
Före:
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 är olämplig
Modellen är för formell eller för vardaglig. Specificera registret i systemmeddelandet eller i instruktionen.
Före:
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.
Tekniker för förfining
Lägg till negativa begränsningar
När modellen gör något du inte vill ha, förbjud det explicit:
Explain machine learning to a beginner.
Do not use technical jargon.
Do not mention mathematical formulas.
Do not refer to other AI models.
Ge ett motexempel
Visa modellen vad du inte vill ha:
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.
Omformulera progressivt
När en omskrivning inte räcker, gå vidare stegvis:
- Testa din basprompt
- Lägg till önskat utdataformat
- Lägg till innehållsbegränsningar
- Lägg till tonbegränsningar
- Lägg till exempel vid behov
Använd seed-parametern för att jämföra
Med samma seed kan du jämföra effekten av två olika formuleringar genom att eliminera variabilitet på grund av slumpmässighet:
{"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"}]}
Dokumentera dina iterationer
Håll koll på dina prompts och deras resultat. Notera för varje version:
- Den exakta prompttexten
- Använda parametrar (modell, temperatur, seed)
- Vad som fungerade
- Vad som behöver förbättras
Denna dokumentation sparar dig avsevärd tid när du behöver återgå till en prompt eller anpassa den till ett nytt användningsområde.
Övning
Ta en prompt du redan har använt som inte gav ett perfekt resultat. Tillämpa förbättringsloopen i tre iterationer:
- Identifiera huvudproblemet med det nuvarande svaret
- Ändra en enda aspekt av prompten för att lösa detta problem
- Testa och jämför med föregående resultat
Upprepa tills du får ett tillfredsställande resultat.
Viktiga punkter
- Prompting är iterativt: det första försöket är sällan det sista
- Ändra bara en aspekt per iteration för att förstå effekten av varje ändring
- Vanliga problem (längd, ämne, format, ton) har var sina specifika lösningar
- Negativa begränsningar och motexempel är kraftfulla verktyg för förfining
- Använd parametern
seedför att objektivt jämföra två formuleringar - Dokumentera dina iterationer för att dra nytta av din erfarenhet