Diagnosticering af en Dårlig Prompt

Selv med et solidt kendskab til teknikker og komponenter vil du skrive prompts, der ikke giver det ønskede resultat. Dette er normalt. Færdigheden ligger ikke i at undgå dårlige outputs — men i at kunne læse dem, forstå hvad der gik galt, og løse problemet effektivt.

Dette kapitel giver en systematisk metode til at gøre netop dette.

De fem mest almindelige fejl i prompts

Fejl 1 — Opgaven er uklar

Modellen fortolker din anmodning anderledes end du havde tænkt, fordi instruktionen var tvetydig.

Tegn: outputtet besvarer en anden version af dit spørgsmål, eller modellen beder om præcisering.

Løsning: omformuler opgaven med et specifikt handlingsverbum. Udskift "hjælp mig med" med "skriv", "opsummer", "oplist" eller "sammenlign".

Fejl 2 — Manglende kontekst

Modellen har ikke de nødvendige oplysninger for at tilpasse outputtet til din situation. Den producerer noget generisk, fordi den ikke har andre muligheder.

Tegn: outputtet er teknisk korrekt, men kunne være skrevet til hvem som helst om hvad som helst.

Løsning: tilføj kontekst — hvem du er, hvem outputtet er til, hvilken situation du står i, og hvad der allerede er sket.

Fejl 3 — Intet format angivet

Modellen vælger en struktur, der ikke matcher, hvordan du vil bruge outputtet.

Tegn: du havde brug for punktform, men fik afsnit; du havde brug for en tabel, men fik en liste; svaret er fem gange længere, end du havde brug for.

Løsning: angiv præcist, hvilket format du ønsker — og hvis længden er vigtig, angiv et tal.

Fejl 4 — For mange opgaver i én prompt

Du bad modellen om at udføre flere forskellige ting på én gang, og den gjorde dem alle dårligt.

Tegn: outputtet dækker alt, du bad om, men intet af det er godt nok til at bruge direkte.

Løsning: opdel prompten i separate, fokuserede forespørgsler. Udfør én opgave pr. prompt, og byg derefter videre på outputtet.

Fejl 5 — Forkert retning fra starten

Den grundlæggende tilgang, modellen tog, var forkert — ikke udførelsen, men selve retningen.

Tegn: outputtet er velskrevet og velstruktureret, men løser det forkerte problem eller tager den forkerte vinkel.

Løsning: iterér ikke på et fejlbehæftet grundlag. Start en ny prompt med erfaringerne fra det mislykkede forsøg eksplicit indarbejdet som begrænsninger.

En praktisk diagnostisk sekvens

Når et svar ikke rammer plet, gennemgå disse spørgsmål inden du skriver din opfølgning:

• Var opgaven eksplicit? Kunne modellen have fortolket den på en anden, men lige så gyldig måde?
• Gav du nok kontekst? Hvad antog du, at modellen vidste, som den ikke kunne vide?
• Angav du format og længde? Hvis ikke — fungerede modellens valg for dit formål?
• Bad du om én ting eller flere? Hvis flere — hvilken er vigtigst lige nu?
• Er retningen grundlæggende forkert? Hvis ja — stop med at iterere og start forfra.

Du behøver ikke besvare alle fem hver gang. De fleste mislykkede prompts har én primær årsag — identificér den, ret den, og gå videre.

Øvelse: Identificér fejlkategorien

Tag en prompt, du for nylig har brugt, som gav et skuffende resultat — eller skriv en nu og gør den med vilje vag.

Læs outputtet og brug de fem fejlkategorier ovenfor til at identificere, hvad der gik galt. Skriv derefter prompten om, så den kun adresserer netop denne fejl — ingen andre ændringer.

Sammenlign de to outputs. I de fleste tilfælde er én målrettet rettelse nok til at gå fra ubrugelig til brugbar.

I afsnit 3 anvender du alt fra de første to afsnit på de specifikke opgaver, du oftest møder på arbejdet — med start i skrivning.