Prompt engineering og bedste praksis forklaret
Prompt engineering og bedste praksis
Sådan får du AI til at arbejde for dig
Forestil dig, at du har adgang til en genial assistent, der kan skrive, analysere, kode, brainstorme og meget mere – men kun hvis du stiller de rigtige spørgsmål.
Velkommen til prompt engineering! I takt med at kunstig intelligens (AI) bliver en større del af vores hverdag, vokser behovet for at mestre kunsten at kommunikere med disse systemer.
Få det fulde potentiale af AI med prompting
Det er her, prompting og prompt engineering kommer ind i billedet – to sider af samme mønt, der tilsammen danner din overordnede strategi for at udnytte AI’s fulde potentiale.
Især værktøjer som chatgpt har vist, hvor effektivt det kan være, når man ved, hvordan man formulerer sine forespørgsler.
Hvordan blive du god til prompting?
Men hvad er prompt engineering egentlig, og hvordan bliver du god til det? Lad os dykke ned i emnet og udforske de bedste praksisser, så du kan tage styringen over din AI-assistent, eksempelvis chatgpt, og skabe resultater, der imponerer både dig selv og andre.
Hvad er prompt engineering?
Prompt engineering handler om at designe og formulere de spørgsmål, kommandoer eller instruktioner (prompts) du giver til en AI-model, så du får de mest relevante, præcise og brugbare svar.
Det lyder måske simpelt, men det er en disciplin, der kræver både kreativitet, struktur og forståelse for, hvordan AI – som chatgpt – tænker. Ved at anvende en gennemtænkt strategi og metoder inden for prompting kan du få AI-systemer til at levere svar, der er skræddersyet til dine behov.
Skriv specifikt og konkret til AI
Forestil dig, at du spørger en AI: “Skriv en tekst om kaffe.” Resultatet kan blive alt fra en opskrift på iskaffe til en historisk gennemgang af kaffens oprindelse.
Men hvis du i stedet skriver: “Skriv en engagerende blogpost på 500 ord om kaffens historie og dens betydning for moderne café-kultur,” så får du et langt mere målrettet og brugbart svar – især, hvis du benytter en velovervejet prompting-teknik som den, chatgpt er kendt for.
Arbejde med de rigtige promptstrategier
Det er essensen af prompt engineering: At stille de rigtige spørgsmål på den rigtige måde og inkorporere strategier, der sikrer, at resultatet afspejler dine forventninger.
Hvorfor er prompt engineering vigtigt?
AI-modeller som chatgpt, Google Gemini og andre store sprogmodeller er utroligt alsidige, men de er ikke tankelæsere. De reagerer på de input, du giver dem – og kvaliteten af outputtet afhænger direkte af kvaliteten af dit prompt.
Optimere dine samtaler med AI
Hvis du vil have AI til at løse komplekse opgaver, generere kreative idéer eller levere præcise analyser, skal du mestre kunsten at kommunikere klart og struktureret. Ved at benytte en målrettet strategi og effektiv prompting kan du f.eks. optimere dine samtaler med chatgpt og få endnu bedre resultater.
God prompt engineering kan:
- Spare dig tid ved at minimere behovet for efterfølgende rettelser.
- Forbedre kvaliteten af AI’s output, som når man arbejder med chatgpt.
- Gøre det lettere at automatisere opgaver.
- Hjælpe dig med at udnytte AI’s fulde potentiale – uanset om du arbejder med tekst, billeder, kode eller data – alt sammen som en del af din overordnede strategi.
De grundlæggende principper i prompt engineering
Lad os se på nogle af de vigtigste principper, der kan hjælpe dig med at skabe effektive prompts:
1. Vær specifik
Jo mere præcis og detaljeret din prompt er, desto bedre bliver resultatet. Undgå vage eller åbne spørgsmål, medmindre du bevidst ønsker et bredt svar.
Eksempel:
- Dårlig prompt: “Skriv om bæredygtighed.”
- God prompt: “Skriv en kort artikel på 300 ord om, hvordan danske virksomheder arbejder med bæredygtighed i produktionen.”
2. Giv kontekst
AI-modeller har ikke adgang til dine tanker eller baggrundsviden. Giv derfor altid den nødvendige kontekst, så modellen forstår, hvad du ønsker. Dette gælder også for chatgpt, som præsterer bedre, når den forstår sammenhængen fuldt ud.
Eksempel:
- “Du er en marketingekspert. Skriv et LinkedIn-opslag, der promoverer et nyt bæredygtigt produkt til unge voksne.”
3. Definér format og stil
Vil du have en liste, et essay, et digt eller måske en FAQ? Fortæl AI’en, hvilket format og hvilken stil du ønsker. Ved at bruge præcis prompting kan du få chatgpt til at antage den tone, der passer til formålet.
Eksempel:
- “Lav en punktliste med fem fordele ved at bruge solenergi, skrevet i et letforståeligt sprog.”
4. Sæt begrænsninger
Hvis du har krav til længde, tone, målgruppe eller andet, så nævn det i prompten. Dette skaber en fast ramme for den overordnede strategi bag din kommunikation med AI.
Eksempel:
- “Skriv en e-mail på maks. 150 ord til en potentiel kunde, hvor du præsenterer vores nye softwareløsning.”
5. Brug eksempler
Hvis du ønsker et bestemt output, kan du inkludere et eksempel i din prompt. Det hjælper AI’en med at forstå din forventning, hvilket er en central del af effektiv prompting med chatgpt.
Eksempel:
- “Skriv en produktbeskrivelse som denne: ‘Vores økologiske kaffe er dyrket med omtanke for både miljø og smag. Nyd en fyldig kop kaffe, der gør en forskel.’”
Bedste praksis for prompt engineering
Nu hvor du kender de grundlæggende principper, er det tid til at tage dine prompts til næste niveau. Her får du en række bedste praksisser, der kan gøre dig til en sand prompt-mester:
1. Iterér og eksperimentér
AI er ikke perfekt, og dine første prompts skal ikke nødvendigvis være det heller. Prøv dig frem, justér og lær af resultaterne. Ofte skal der kun små ændringer til for at forbedre outputtet markant – en tilgang, der fungerer særligt godt med chatgpt.
2. Brug “chain-of-thought”-prompts
Hvis du vil have AI til at løse komplekse opgaver eller tænke i flere trin, kan du bede den om at forklare sin tankegang undervejs. Denne metode er et kerneelement i avanceret prompting.
Eksempel:
- “Forklar trin for trin, hvordan man opretter en hjemmeside fra bunden.”
3. Kombinér flere instruktioner
Du kan sagtens bede AI’en om at gøre flere ting på én gang, hvis du formulerer det klart. Ved at anvende denne strategi, kan du få omfattende svar fra chatgpt.
Eksempel:
- “Skriv en introduktion til et blogindlæg om elbiler, og lav derefter en liste over de tre største fordele ved elbiler.”
4. Brug “persona”-prompts
Bed AI’en om at indtage en bestemt rolle eller persona for at få mere målrettede svar. Dette gør det nemmere at følge en bestemt strategi, uanset om du bruger chatgpt eller andre modeller.
Eksempel:
- “Forestil dig, at du er en erfaren HR-chef. Hvordan ville du præsentere fordelene ved fleksible arbejdstider for ledelsen?”
5. Stil opfølgende spørgsmål
Hvis du ikke er tilfreds med det første svar, så stil opfølgende spørgsmål eller bed om uddybning. Denne iterative (gentagende) fremgangsmåde i prompting kan hjælpe med at finjustere resultaterne betydeligt.
Eksempel:
- “Kan du uddybe punkt 2 og give konkrete eksempler?”
6. Brug negative instruktioner
Hvis du vil undgå bestemte elementer i svaret, så sig det direkte. Dette forhindrer, at uønskede oplysninger indgår i outputtet.
Eksempel:
- “Skriv en produktbeskrivelse uden at nævne pris eller rabatter.”
7. Udnyt AI’ens styrker
AI er fantastisk til at generere idéer, strukturere information, skrive udkast og meget mere. Brug den til det, den er bedst til, og tag selv over, når det kræver menneskelig finesse – en strategi, der kan forbedres yderligere med målrettet prompting.
Populære frameworks til effektive prompts: RGC, CO-STAR og flere
Når du vil tage din prompt engineering til næste niveau, er det en kæmpe fordel at bruge gennemtestede frameworks.
De hjælper dig med at strukturere dine prompts, så du får mere præcise, relevante og brugbare svar fra AI’en – uanset om du arbejder med tekst, kode eller analyse.
Her får du et overblik over to af de mest populære metoder: RGC og CO-STAR.
RGC: Role-Goal-Context
RGC står for Role-Goal-Context og er en enkel, men effektiv model til at bygge prompts, der guider AI’en til at forstå både din hensigt og situationen.
Sådan bruger du RGC:
- Role: Definér, hvilken rolle AI’en skal indtage (fx ekspert, underviser, programmør).
- Goal: Beskriv det ønskede mål eller output.
- Context: Giv den nødvendige baggrundsinformation eller ramme.
Eksempel – Tekst:
Du er en erfaren HR-chef. Skriv en kort e-mail til en medarbejder, der skal motiveres til at deltage i et nyt kursus. Medarbejderen har tidligere været skeptisk over for efteruddannelse.
Eksempel – Kode:
Du er en Python-udvikler. Skriv en funktion, der tager en liste af tal og returnerer gennemsnittet. Listen kan indeholde både positive og negative tal.
Eksempel – Analyse:
Du er dataanalytiker. Lav en kort analyse af, hvordan salget har udviklet sig de sidste 12 måneder, og identificér de tre vigtigste tendenser. Brug følgende datasæt: [indsæt data].
CO-STAR: Context, Objective, Style, Tone, Audience, Requirements
CO-STAR er et mere detaljeret framework, der hjælper dig med at specificere flere aspekter af din prompt. Det står for Context, Objective, Style, Tone, Audience og Requirements.
Sådan bruger du CO-STAR:
- Context: Hvad handler opgaven om?
- Objective: Hvad vil du opnå?
- Style: Hvilken stil skal svaret have?
- Tone: Hvilken tone skal bruges?
- Audience: Hvem er målgruppen?
- Requirements: Er der særlige krav eller begrænsninger?
Eksempel – Tekst:
Context: Du skal skrive et blogindlæg om bæredygtig mode.
Objective: Målet er at inspirere unge til at vælge mere bæredygtigt tøj.
Style: Let og inspirerende.
Tone: Positiv og motiverende.
Audience: Unge voksne mellem 18 og 30 år.
Requirements: Inddrag mindst to konkrete tips og undgå tekniske termer.
Eksempel – Kode:
Context: Du arbejder på et webprojekt.
Objective: Skriv en JavaScript-funktion, der validerer e-mailadresser.
Style: Kort og veldokumenteret kode.
Tone: Professionel.
Audience: Andre udviklere på teamet.
Requirements: Funktionen skal returnere true eller false og håndtere almindelige fejl.
Eksempel – Analyse:
Context: Du skal analysere kundetilfredshed baseret på en spørgeskemaundersøgelse.
Objective: Identificér de tre vigtigste forbedringsområder.
Style: Præcis og letforståelig.
Tone: Objektiv.
Audience: Ledelsen i virksomheden.
Requirements: Brug konkrete tal fra undersøgelsen og foreslå én handling pr. område.
Sådan får du frameworks til at arbejde for dig
Når du bruger frameworks som RGC eller CO-STAR, sikrer du, at din prompt er gennemtænkt og dækker alle de nødvendige aspekter. Det gør det lettere for AI’en at levere det ønskede output – og for dig at få præcis det, du har brug for.
Prøv at eksperimentere med begge metoder, og find ud af, hvilken der passer bedst til dine opgaver. Med lidt øvelse bliver det hurtigt en naturlig del af din AI-værktøjskasse!
Zero-shot, one-shot og few-shot prompting: Hvad er forskellen – og hvornår bruger du hvad?
Når du arbejder med AI og prompt engineering, er det vigtigt at forstå, hvordan du kan guide modellen med eksempler – eller helt uden.
Her kommer begreberne zero-shot, one-shot og few-shot prompting ind i billedet. De beskriver, hvor mange eksempler du giver AI’en, før den skal løse en opgave.
Valget af metode har stor betydning for, hvor præcist og relevant et svar du får.
Zero-shot prompting
Hvad er det? Du giver ingen eksempler – kun en klar instruktion. AI’en skal løse opgaven ud fra din beskrivelse alene.
Hvornår bruger du det?
- Når opgaven er simpel eller veldefineret.
- Når du vil teste, hvad AI’en kan “ud af boksen”.
- Når du ikke har brug for specifik struktur eller stil.
Eksempel – Zero-shot:
Skriv en kort produktbeskrivelse af en økologisk chokoladebar.
Typisk output:
Vores økologiske chokoladebar er lavet af de fineste kakaobønner og naturlige ingredienser. Perfekt til dig, der ønsker en lækker og bæredygtig snack.
One-shot prompting
Hvad er det? Du giver ét eksempel på, hvordan opgaven skal løses. AI’en bruger dette som skabelon for sit svar.
Hvornår bruger du det?
- Når du ønsker en bestemt stil, struktur eller tone.
- Når opgaven kræver et specifikt format.
- Når du vil minimere misforståelser.
Eksempel – One-shot:
Eksempel:
“Vores økologiske energibar er sprængfyldt med naturlig smag og giver dig et sundt boost i hverdagen. Perfekt til dig, der vil have energi på farten.”Skriv en kort produktbeskrivelse af en økologisk chokoladebar.
Typisk output:
Vores økologiske chokoladebar byder på intens kakaosmag og naturlige ingredienser. Ideel til dig, der vil forkæle dig selv med god samvittighed.
Few-shot prompting
Hvad er det? Du giver flere eksempler (typisk 2-5), så AI’en kan identificere mønstre og levere et svar, der matcher både stil og format.
Hvornår bruger du det?
- Når opgaven er kompleks eller kræver nuance.
- Når du vil sikre ensartethed på tværs af flere outputs.
- Når du arbejder med specialiserede eller kreative opgaver.
Eksempel – Few-shot:
Eksempel 1:
“Vores økologiske energibar er sprængfyldt med naturlig smag og giver dig et sundt boost i hverdagen. Perfekt til dig, der vil have energi på farten.”
Eksempel 2:
“Vores glutenfri müslibar kombinerer sprøde nødder og søde bær for en lækker snack, du kan tage med overalt.”Skriv en kort produktbeskrivelse af en økologisk chokoladebar.
Typisk output:
Vores økologiske chokoladebar forener fyldig kakaosmag med naturlige ingredienser. En lækker snack, du kan nyde med god samvittighed – uanset hvor du er.
Sådan vælger du den rigtige metode
- Zero-shot: Bruges til simple, generelle opgaver eller når du vil spare tid.
- One-shot: Ideel, når du har én klar skabelon, du vil have AI’en til at følge.
- Few-shot: Perfekt til komplekse eller kreative opgaver, hvor konsistens og nuance er vigtig.
Ved at vælge den rette prompting-metode kan du styre, hvor tæt AI’ens output rammer dine ønsker – og gøre din prompt engineering endnu mere effektiv!
Sådan arbejder du med prompts i ChatGPT, Gemini, Copilot og andre sprogmodeller
Selvom grundprincipperne i prompt engineering gælder på tværs af platforme, har hver AI-model sine egne styrker, svagheder og særpræg.
For at få det bedste ud af din AI-assistent er det vigtigt at tilpasse dine prompts til den konkrete model, du arbejder med.
Her får du et overblik over de mest populære sprogmodeller – og konkrete tips til at ramme plet med dine prompts.
ChatGPT
Styrker:
- Meget alsidig og god til naturligt sprog, kreativ skrivning og samtaler.
- Kan håndtere både korte og lange prompts og levere sammenhængende svar.
- Velegnet til brainstorming, tekstforfatning, forklaringer og dialog.
Svagheder:
- Kan finde på information (“hallucinere”), hvis du ikke er tydelig.
- Kan miste fokus i meget lange eller komplekse opgaver.
Tips:
- Vær konkret og præcis i din instruktion.
- Angiv format, stil og målgruppe, hvis du har særlige ønsker.
- Brug opfølgende prompts for at styre samtalen og få uddybet svar.
Gemini (Googles nye AI-platform)
Styrker:
- Multimodal: Kan forstå og kombinere tekst, billeder og data.
- Særlig stærk til analyse, strukturering og integration med Googles økosystem.
- Hurtig til at levere faktuelle og velstrukturerede svar.
Svagheder:
- Kan kræve mere kontekst for at levere præcise eller kreative outputs.
- Mindre velegnet til fri, kreativ tekstforfatning end ChatGPT.
Tips:
- Udnyt muligheden for at inkludere både tekst og billeder i dine prompts.
- Giv tydelig baggrund og formål, især ved komplekse opgaver.
- Brug Gemini til opgaver, hvor struktur, data og analyse er i centrum.
Copilot
Styrker:
- Specialiseret i kodegenerering og udvikleropgaver.
- Forstår tekniske prompts og kan foreslå kode, dokumentation og tests.
- Integrerer direkte i udviklingsmiljøer som Visual Studio Code.
Svagheder:
- Mindre egnet til generel tekstforfatning eller kreative opgaver.
- Kan foreslå kode, der ikke altid er optimal eller sikker.
Tips:
- Vær meget specifik omkring sprog, rammer og ønsket funktionalitet.
- Giv eksempler på input og forventet output for at styre resultatet.
- Brug Copilot til at accelerere kodning, men gennemgå altid koden manuelt bagefter.
Andre sprogmodeller (fx Claude, Llama)
Styrker:
- Nogle modeller er ekstra gode til lange tekster, komplekse analyser eller bestemte brancher.
- Kan have unikke features, fx bedre forståelse af bestemte sprog eller domæner.
Svagheder:
- Begrænset adgang eller funktionalitet afhængigt af platform.
- Kan have særlige “quirks” i forståelsen af prompts.
Tips:
- Læs dokumentationen for den specifikke model, du arbejder med.
- Eksperimentér med forskellige prompt-strukturer for at finde det, der virker bedst.
- Udnyt eventuelle specialfunktioner, fx integration med eksterne data eller API’er.
Sammenfatning: Få det bedste ud af hver AI-model
- Match din prompt til platformens styrker: Brug ChatGPT til kreativitet og samtale, Gemini til analyse og struktur, Copilot til kode.
- Vær opmærksom på svagheder: Tilføj ekstra kontekst, hvor det er nødvendigt, og vær kritisk over for outputtet.
- Test og tilpas: Prøv forskellige formuleringer og lær, hvordan hver model reagerer – det er nøglen til at mestre prompt engineering på tværs af platforme.
Når du tilpasser dine prompts til den konkrete AI-model, får du både bedre svar og en mere effektiv oplevelse – uanset om du skriver, analyserer eller koder.
Cases: Sådan skaber prompt engineering værdi i forskellige brancher
Prompt engineering er ikke kun for tekniknørder eller AI-entusiaster – det er et værktøj, der kan skabe konkret værdi i næsten enhver branche.
Her får du fire illustrative cases fra marketing, sundhed, uddannelse og softwareudvikling, der viser, hvordan målrettede prompts kan løfte både kvalitet og effektivitet i dit arbejde.
Marketing: Skab engagerende kampagner på rekordtid
Situation: Du arbejder i et marketingteam og skal hurtigt udvikle idéer til en kampagne for et nyt bæredygtigt produkt.
Prompt-eksempel:
Du er en kreativ tekstforfatter. Giv fem forslag til fængende slogans for en kampagne, der promoverer et nyt bæredygtigt rengøringsmiddel. Slogansene skal være korte, positive og henvende sig til miljøbevidste familier.
Værdi: Med et velstruktureret prompt får du lynhurtigt flere relevante og målrettede slogans, som kan bruges direkte eller danne grundlag for videre idéudvikling. Det sparer tid og sikrer, at kampagnen rammer målgruppen.
Sundhed: Forbedre patientkommunikation og forståelse
Situation: Du arbejder som sundhedsformidler og skal forklare en kompleks diagnose til en patient uden medicinsk baggrund.
Prompt-eksempel:
Du er en erfaren læge. Forklar diagnosen “type 2-diabetes” på et letforståeligt dansk til en voksen patient, der ikke har medicinsk viden. Brug konkrete eksempler fra hverdagen og undgå fagudtryk.
Værdi: Prompt engineering hjælper dig med at få AI’en til at levere forklaringer, der er tilpasset patientens niveau. Det øger forståelsen, trygheden og patientens mulighed for at tage ansvar for egen sundhed.
Uddannelse: Differentieret undervisning og feedback
Situation: Du er underviser og vil give personlig feedback til elever på forskellige niveauer.
Prompt-eksempel:
Du er dansklærer i 8. klasse. Giv konstruktiv feedback på følgende elevtekst (indsæt tekst), så eleven både får ros og konkrete forslag til forbedringer. Feedbacken skal være motiverende og let at forstå.
Værdi: AI’en kan hurtigt generere individuel feedback, som du kan tilpasse og supplere. Det frigør tid til mere nærværende undervisning og sikrer, at alle elever får relevant respons.
Softwareudvikling: Effektiv kodning og fejlfinding
Situation: Du er udvikler og skal hurtigt finde en fejl i en Python-funktion.
Prompt-eksempel:
Du er en erfaren Python-udvikler. Her er en funktion, der ikke virker som forventet (indsæt kode). Find fejlen og forklar, hvordan den kan rettes. Svar kort og præcist.
Værdi: Med et præcist prompt kan AI’en hurtigt identificere fejl og foreslå løsninger, hvilket sparer tid og minimerer frustration. Det gør det lettere at komme videre i udviklingsprocessen.
Opsummering
Uanset om du arbejder med markedsføring, sundhed, uddannelse eller softwareudvikling, kan målrettet prompt engineering hjælpe dig med at løse opgaver hurtigere, mere præcist og med større kvalitet.
Det handler om at stille de rigtige spørgsmål – og bruge AI som din intelligente sparringspartner i hverdagen.
Integrér prompt engineering i automatiserede workflows
Prompt engineering bliver ekstra kraftfuldt, når du kobler det sammen med automatisering. Ved at integrere AI-modeller i dine workflows – fx via API’er, Zapier eller interne scripts – kan du automatisere gentagne opgaver og frigøre tid til det, der virkelig kræver din opmærksomhed.
Her får du en guide til, hvordan du gør, og konkrete eksempler på, hvordan prompts kan drive automatiseringen.
Sådan gør du: Fra prompt til automatisering
- Vælg din AI-platform: De fleste større sprogmodeller (fx OpenAI’s GPT, Google Gemini) tilbyder API-adgang, så du kan sende prompts og modtage svar programmatisk.
- Definér dine gentagne opgaver: Identificér de opgaver, du ofte gentager – fx tekstgenerering, e-mail-respons, rapportskrivning, dataanalyse eller kundesupport.
- Byg dit workflow: Brug værktøjer som Zapier, Make (Integromat) eller interne scripts til at koble dine systemer sammen. Du kan fx sætte et workflow op, hvor en ny e-mail automatisk udløser et AI-kald med et prædefineret prompt.
- Design dine prompts: Skriv klare, strukturerede prompts, der passer til den automatiserede opgave. Test og justér, indtil du får det ønskede output.
- Automatisér og overvåg: Sæt workflowet i drift og overvåg outputtet, så du kan optimere og rette til efter behov.
Eksempler på automatiserede opgaver med prompts
1. Automatisk e-mailbesvarelse
Workflow: Når en kunde sender en support-e-mail, trigger Zapier et kald til AI’en med et prompt, der genererer et svar baseret på e-mailens indhold.
Prompt-eksempel:
Du er kundeservicemedarbejder. Svar venligt og professionelt på følgende kundehenvendelse: [indsæt e-mailtekst]. Giv et konkret svar og afslut med at tilbyde yderligere hjælp.
Resultat: Kunden får hurtigt et relevant svar, og supportteamet sparer tid på rutinebesvarelser.
2. Automatisk opsummering af mødenotater
Workflow: Efter et møde uploades notater til Google Docs. Et script sender teksten til AI’en via API, som returnerer en kort opsummering.
Prompt-eksempel:
Opsummer følgende mødenotat i tre hovedpunkter. Brug et letforståeligt sprog og fremhæv de vigtigste beslutninger.
Resultat: Du får hurtigt et overblik over mødet, som kan deles med teamet eller bruges til opfølgning.
3. Generering af produktbeskrivelser til webshop
Workflow: Når et nyt produkt tilføjes i webshoppen, trigger et internt script et AI-kald, der genererer en fængende produktbeskrivelse ud fra produktdata.
Prompt-eksempel:
Skriv en kort og inspirerende produktbeskrivelse til følgende produkt: [indsæt produktnavn og egenskaber]. Beskriv fordelene og henvend dig til miljøbevidste forbrugere.
Resultat: Produktbeskrivelser oprettes automatisk, så du sparer tid og sikrer ensartet kvalitet.
4. Automatisk analyse af kundeanmeldelser
Workflow: Nye kundeanmeldelser samles i et regneark. Et script sender dem til AI’en, som kategoriserer dem og fremhæver de vigtigste temaer.
Prompt-eksempel:
Analyser følgende kundeanmeldelser og identificér de tre mest nævnte styrker og svagheder ved produktet. Svar kort og overskueligt.
Resultat: Du får løbende indsigt i kundernes oplevelser uden manuel gennemgang.
Fordelene ved automatiseret prompt engineering
- Tidsbesparelse: Gentagne opgaver klares lynhurtigt uden manuel indsats.
- Skalerbarhed: Du kan håndtere langt flere opgaver, end det ville være muligt manuelt.
- Konsistens: Outputtet bliver ensartet og professionelt, hver gang.
- Fleksibilitet: Du kan tilpasse og udvide workflows efter behov.
Når du først har sat automatiseringen op, bliver AI’en din usynlige kollega, der arbejder i baggrunden og løser opgaver, mens du fokuserer på det, der virkelig gør en forskel.
Avancerede teknikker: Chain-of-thought, self-refinement og prompt-biblioteker
Når du har styr på de grundlæggende principper i prompt engineering, åbner der sig en verden af avancerede teknikker, der kan løfte dine resultater til et helt nyt niveau.
Her får du et indblik i tre af de mest værdifulde metoder: chain-of-thought prompting, self-refinement og opbygning af et prompt-bibliotek.
Chain-of-thought prompting: Få AI’en til at tænke højt
Chain-of-thought prompting handler om at få AI’en til at “tænke højt” og forklare sine mellemregninger, før den leverer det endelige svar. Det er især nyttigt ved komplekse opgaver, hvor processen er lige så vigtig som resultatet.
Eksempel:
Forklar trin for trin, hvordan man kan beregne den gennemsnitlige karakter for en klasse, hvis karaktererne er: 7, 10, 4, 12 og 7.
Typisk output:
- Læg alle karaktererne sammen: 7 + 10 + 4 + 12 + 7 = 40
- Tæl, hvor mange karakterer der er: 5
- Divider den samlede sum med antallet af karakterer: 40 / 5 = 8
- Den gennemsnitlige karakter er 8.
Værdi: Du får ikke bare et svar, men også indblik i processen – og kan lettere spotte fejl eller misforståelser undervejs.
Self-refinement: AI’en forbedrer selv sine svar
Self-refinement er en teknik, hvor du beder AI’en om at evaluere og forbedre sit eget output. Det kan være særligt effektivt, hvis du ønsker høj kvalitet eller flere iterationer uden manuel indgriben.
Eksempel:
Skriv et kort blogindlæg om fordelene ved fjernarbejde. Læs derefter dit eget indlæg igennem og forbedr det, så det bliver endnu mere engagerende og let at forstå.
Typisk output: AI’en skriver først et udkast, læser det igennem, identificerer svage punkter og leverer derefter en forbedret version – ofte med bedre flow, klarere pointer og mere målrettet sprog.
Værdi: Du får automatisk et mere gennemarbejdet resultat, og AI’en kan rette op på egne fejl eller uklarheder.
Opbygning af et prompt-bibliotek: Din AI-værktøjskasse
Når du arbejder regelmæssigt med AI, vil du opdage, at visse prompts fungerer ekstra godt til bestemte opgaver.
Ved at opbygge et bibliotek af dine bedste prompts, kan du hurtigt genbruge og tilpasse dem, når lignende opgaver dukker op.
Sådan gør du:
- Gem dine mest effektive prompts i et delt dokument, en database eller et dedikeret værktøj.
- Organisér dem efter kategori, fx “produktbeskrivelser”, “kundeservice”, “dataanalyse” eller “brainstorming”.
- Notér, hvilke platforme og formål de fungerer bedst til, og tilføj evt. eksempler på output.
Eksempel på prompt-bibliotek:
- Produktbeskrivelse: “Skriv en kort og inspirerende produktbeskrivelse til [produktnavn], der fremhæver fordelene for miljøbevidste forbrugere.”
- Opsummering: “Opsummer følgende tekst i tre hovedpunkter, så det er let at forstå for en travl leder.”
- Fejlfinding i kode: “Gennemgå denne Python-funktion, find eventuelle fejl, og forklar, hvordan de kan rettes.”
Værdi: Et prompt-bibliotek sparer dig tid, sikrer ensartet kvalitet og gør det let at onboarde kolleger eller eksperimentere med nye AI-værktøjer.
Ved at mestre avancerede teknikker som chain-of-thought prompting, self-refinement og opbygning af et prompt-bibliotek, får du ikke bare bedre AI-svar – du får også en mere effektiv, kreativ og professionel tilgang til alt, hvad du laver med kunstig intelligens.
Typiske fejl i prompt engineering (og hvordan du undgår dem)
Selv de bedste kan falde i fælderne! Her er nogle klassiske fejl – og tips til at undgå dem:
- For vage prompts: Gør dine instruktioner mere specifikke.
- Manglende kontekst: Tilføj baggrundsinformation, så AI’en forstår opgaven.
- For mange krav på én gang: Del store opgaver op i mindre bidder.
- Ignorerer outputtet: Læs altid svaret igennem og justér din prompt, hvis det ikke rammer plet.
- Glemmer målgruppen: Husk at tilpasse stil og sprog til dem, der skal læse resultatet.
Eksempler på gode prompts
Lad os gøre det konkret! Her er nogle eksempler på gode prompts, du kan lade dig inspirere af:
- Til blogindlæg:
“Skriv et blogindlæg på 800 ord om fordelene ved fjernarbejde for små virksomheder. Brug et let og engagerende sprog, og inkluder konkrete eksempler. Tænk på din strategi, og overvej, hvordan chatgpt kan hjælpe med at generere ideer.” - Til produktbeskrivelser:
“Lav en kort og fængende produktbeskrivelse af en ny elcykel, der henvender sig til pendlere i byen. Beskriv både design, funktioner og miljøfordele, og benyt en klar prompting-teknik som den, der bruges med chatgpt.” - Til brainstorming:
“Giv mig fem kreative idéer til, hvordan en café kan tiltrække flere unge kunder i vintermånederne. Brug din evne til at tænke i flere trin og anvend strategisk prompting.” - Til analyse:
“Analyser de største udfordringer ved at implementere AI i sundhedssektoren, og foreslå mulige løsninger. Overvej, hvordan chatgpt kan assistere i denne proces ved at udnytte en veldefineret strategi.”
Fremtidens prompt engineering: Hvad kan vi forvente?
Prompt engineering er stadig et ungt felt, men det udvikler sig lynhurtigt. I fremtiden vil vi se endnu mere avancerede AI-modeller, der forstår nuancer og kontekst bedre – men det vil stadig være afgørende at kunne formulere klare og målrettede prompts.
Med den rette prompting-teknik og en solid strategi vil værktøjer som chatgpt fortsætte med at revolutionere, hvordan vi interagerer med teknologi.
Prompt engineers som job
Derudover vil der opstå nye værktøjer og platforme, der hjælper dig med at designe og teste dine prompts, så du kan optimere outputtet endnu mere.
Måske vil vi endda se “prompt engineers” som en officiel jobtitel i virksomheder, der arbejder intensivt med AI.
Kom i gang med prompt engineering i dag
Nu er det din tur! Uanset om du arbejder med marketing, HR, undervisning, udvikling eller noget helt andet, kan du få glæde af at mestre prompt engineering og effektiv prompting.
Start med at eksperimentere, lær af dine fejl, og bliv ved med at forfine dine prompts. Jo bedre du bliver til at kommunikere med AI – eksempelvis via chatgpt – desto mere får du ud af teknologien. Husk at en solid strategi kombineret med præcis prompting kan være din superkraft!
Husk: AI er kun så god som de prompts, du giver den. Så tag styringen, vær nysgerrig, og gør prompt engineering til din superkraft!
Prompt teknikker inden for markedsføring
Når du arbejder med AI i markedsføring, kan de rigtige prompt teknikker gøre hele forskellen på generiske outputs og indhold, der virkelig rammer din målgruppe.
Her får du en række konkrete teknikker og eksempler, der hjælper dig med at få maksimal værdi ud af AI – uanset om du arbejder med kampagner, content, annoncer eller kundeservice.
1. Persona-baserede prompts
Teknik: Bed AI’en om at indtage en specifik rolle, fx “Du er en erfaren marketingchef” eller “Du er en kreativ tekstforfatter”. Det sikrer, at outputtet matcher den ønskede vinkel og tone.
Eksempel:
Du er en digital marketingekspert. Skriv et LinkedIn-opslag, der præsenterer vores nye bæredygtige produkt for unge professionelle.
2. Målgruppefokuserede prompts
Teknik: Angiv tydeligt, hvem indholdet skal henvende sig til. Jo mere præcis målgruppe, desto mere relevant bliver outputtet.
Eksempel:
Skriv en kort og inspirerende e-mail til små virksomhedsejere, der overvejer at investere i digital markedsføring.
3. Format- og kanal-specifikke prompts
Teknik: Fortæl AI’en, hvilket format og hvilken kanal indholdet skal bruges til – fx blogindlæg, Facebook-annonce, Instagram-story eller pressemeddelelse.
Eksempel:
Skriv en fængende Facebook-annonce for vores nye online kursus i e-mail marketing. Brug et let og humoristisk sprog.
4. Call-to-action (CTA) prompts
Teknik: Bed AI’en om at inkludere en stærk og relevant CTA, så indholdet driver handling.
Eksempel:
Skriv en produktbeskrivelse til vores webshop og afslut med en opfordring til at tilmelde sig vores nyhedsbrev.
5. Storytelling og følelsesmæssig appel
Teknik: Instruér AI’en i at bruge storytelling eller vække følelser for at engagere læseren.
Eksempel:
Skriv en kort historie om, hvordan vores service har hjulpet en kunde med at spare tid og få mere overskud i hverdagen.
6. A/B test prompts
Teknik: Bed AI’en om at generere flere varianter af samme budskab, så du kan teste, hvad der virker bedst.
Eksempel:
Skriv tre forskellige overskrifter til en landingsside, der skal få besøgende til at booke en gratis marketingkonsultation.
7. Data- og analysebaserede prompts
Teknik: Brug AI til at analysere data og generere markedsføringsindsigter eller rapporter.
Eksempel:
Analyser følgende kundedata og identificér de tre vigtigste trends, vi bør fokusere på i vores næste kampagne: [indsæt data].
Ved at kombinere disse teknikker kan du skabe markedsføringsindhold, der er målrettet, engagerende og effektivt – og du får AI til at arbejde som en ægte marketingassistent, der forstår både strategi og kreativitet.
Hvad handler prompt engineering om?
Prompt engineering handler om at stille de rigtige spørgsmål til AI, så du får præcise og brugbare svar – uanset om du arbejder med tekst, kode, analyse eller markedsføring.
I blogindlægget har du fået en introduktion til, hvad prompt engineering er, og hvorfor det er vigtigt. Du har lært om bedste praksis, populære frameworks som RGC og CO-STAR, og hvordan forskellige typer prompts (zero-shot, one-shot, few-shot) kan bruges til at styre AI’ens output.
Fagområder for prompt engineering
Derudover har du fået konkrete eksempler fra marketing, sundhed, uddannelse og softwareudvikling, så du kan se, hvordan prompt engineering skaber værdi i hverdagen. Du har også fået tips til at automatisere opgaver med AI og til at bruge avancerede teknikker som chain-of-thought og self-refinement.
Kort sagt: Med de rette prompts kan du få AI til at arbejde smartere for dig – og gøre din hverdag nemmere, sjovere og mere effektiv.
Vil du have flere tips og konkrete eksempler på, hvordan du kan bruge AI og prompt engineering i dit arbejde?
Så tag fat i mig på 41434455 eller enghuus@enghuus.com
Ham med skrivekløe
Mit navn er Claus Enghuus, og jeg er forfatter af dette blogindlæg om “prompt engineering og bedste praksis” så er jeg også ham med skrivekløe. Jeg har arbejdet med hjemmesider og online synlighed siden 2014 og har siden 2018 haft fokus på digital marketing, SEO og markedsføringstrategier. Du finder flere informationer om mig på min personlige profil på LinkedIn.
De bedste hilsner
Claus Enghuus
Tlf. 41434455
