Indlæser... En praktisk prompt engineering guide på dansk — med konkrete teknikker, eksempler og skabeloner du kan bruge med det samme.
Prompt engineering guide dansk
En LLM forsøger at forudsige den mest sandsynlige fortsættelse af din tekst. Jo mere præcis og konteksttung din prompt er, jo bedre forudsiger modellen hvad du faktisk har brug for. Start altid med at stille dig selv spørgsmålet: Hvad ved modellen, og hvad mangler den?
Giv modellen en rolle: "Du er en erfaren dansk erhvervsjurist..." eller "Du er en senior dataanalytiker...". Rolleprompting aktiverer relevante mønstre i modellen og resulterer i mere fagkompetent output. Det er en af de enkleste og mest effektive teknikker.
Angiv 2-3 eksempler på det output du ønsker. Few-shot prompting er konsekvent den teknik der forbedrer output mest. Format: Eksempel input og Eksempel output. Modellen kopierer mønstret.
For analytiske opgaver: tilføj "Tænk trin for trin" eller "Løs dette ved at gå igennem hvert punkt systematisk". Chain-of-thought (CoT) reducerer fejl ved logisk ræsonnering og matematik markant.
Prompt engineering er en empirisk disciplin. Log dine prompts og outputs. Identificer fejlmønstre. Modificer én variabel ad gangen. Byg et prompt-bibliotek der vokser med organisationens erfaring.
Vi holder workshops og udvikler prompt-biblioteker skræddersyet til jeres forretning og AI-platforme.
