Når du har brugt ChatGPT eller Claude i nogle uger, begynder du at se, at gode og dårlige prompts har hver sin form. De gode indeholder bestemte ingredienser, som de dårlige udelader. Når du kan sætte navn på ingredienserne, holder du næsten automatisk op med at skrive dårlige prompts.
Nedenfor gennemgår vi de fem ingredienser med eksempler og viser derefter, hvordan de hænger sammen. Til sidst har du en skabelon, som kan bruges til enhver prompt i ethvert værktøj og løfter svaret fra “tja” til “nyttigt”.
Ved tilbagevendende arbejde bør du betragte prompten som en opgavekontrakt. Den skal angive rolle, kontekst, opgave, begrænsninger, outputformat og håndtering af usikkerhed. Det gør prompten genanvendelig og mulig at kvalitetssikre.
De fem dele
I denne rækkefølge:
- Rolle — hvem skal AI’en være i denne prompt?
- Kontekst — hvem du er, situationen og det hidtidige forløb.
- Opgave — præcis hvad AI’en skal gøre.
- Begrænsninger — længde, tone, ting der skal undgås, og ting der skal med.
- Format — den ønskede form på outputtet.
Alle fem behøver ikke optræde i hver prompt. Et uformelt spørgsmål kræver dem ikke alle. Men når resultatet betyder noget, skyldes et skuffende svar ofte, at én af dem mangler.
1. Rolle
Rollen er den persona, ekspertise eller position, du vil have modellen til at indtage. Den får modellen til at bruge en bestemt type mønster fra sin træning frem for gennemsnittet.
Svag:
Forklar pensionsfonde.
Bedre:
Du er finansiel rådgiver i Estland og hjælper især medarbejdere midt i karrieren med pensionsplanlægning. Du forklarer ting i et enkelt sprog uden at tale ned til læseren.
Forklar pensionsfonde.
Modellen bliver ikke reelt finansiel rådgiver. Den efterligner stilen og informationstætheden i tekster skrevet af finansielle rådgivere. Svaret bliver mere konkret, mindre forbeholdent og bruger en fagpersons ordforråd.
Nogle bemærkninger om roller:
- Vær konkret. “En ekspert” er svagere end “en erfaren skatterevisor, der har indsendt estiske selskabsselvangivelser i femten år.”
- Angiv hvilken slags ekspert. “En direkte personlig træner uden omsvøb” giver et andet resultat end “en empatisk personlig træner med speciale i begyndere.”
- Rollen kan også beskrive en indstilling. “Djævlens advokat”, “en skeptisk journalist”, “en tålmodig lærer” og “en omhyggelig redaktør” er alle gyldige.
- Undgå at stable roller. “Du er seniorekspert, verdensførende autoritet og topkonsulent med tyve års erfaring…” er støj. Én konkret rolle er bedre end tre abstrakte.
2. Kontekst
Kontekst er alt det om din situation, som modellen har brug for at vide, men ikke kan udlede af opgaven: din rolle, dit team, projektet, tidligere forsøg, det der mislykkedes, målgruppen og alt andet, der påvirker et godt svar.
Svag:
Skriv en projektopdatering til min chef.
Bedre:
Om mig: Jeg er produktchef i en B2B SaaS-virksomhed i Tallinn. I to måneder har jeg ledet et projekt, der skal migrere vores autentificeringssystem.
Det, der er sket: I sidste uge stødte vi på et alvorligt problem med en ekstern identitetsudbyder. Løsningen betyder, at vi leverer to uger senere end planlagt. Teamet klarer sig ellers godt.
Min chef: En erfaren produktdirektør, der foretrækker meget direkte opdateringer, ikke bryder sig om undskyldninger eller fyld som “vi er engagerede i”, og vil kende risiciene samt mine tiltag.
Skriv en projektopdatering.
Bemærk, hvor meget svaret ændrer sig, når modellen ved, hvem du er, hvad der skete, og hvem der skal læse teksten. Det er ikke kontekst for kontekstens skyld. Hver linje former outputtet.
Tre kontekstoplysninger glemmes særligt ofte:
- Hvem du er. Din rolle, dit anciennitetsniveau og dit arbejde.
- Hvad der allerede er sket. Historikken, tidligere forsøg og beslutninger.
- Hvem outputtet er til. Målgruppens præferencer, ekspertise og begrænsninger.
Hvis du gentager samme type prompt med samme rolle og situation, kan du lægge konteksten i en Custom GPT eller et Claude Project én gang i stedet for at skrive den igen.
3. Opgave
Opgaven er selve anmodningen. Det er den del, de fleste begynder med, og den kan ofte skrives, som du plejer — “skriv en e-mail”, “opsummér dokumentet” eller “giv mig tre muligheder” — hvis resten af prompten gør sit arbejde.
Nogle opgavemønstre virker konsekvent godt:
- Skab varianter. “Giv mig tre udkast.” “Lav fem muligheder.” Varianter er næsten altid mere nyttige end ét svar, der skuffer.
- Interview først, handl bagefter. “Inden du skriver, skal du stille mig fem spørgsmål, som du behøver svar på. Vent på mine svar.” Denne opgavestruktur bruges alt for lidt.
- Kritiser, men omskriv ikke. “Find fejlene i dette. Citér konkrete linjer. Omskriv ikke.” Nyttigt, når modellen skal skærpe dit arbejde frem for at erstatte det.
- Sammenlign og anbefal. “Sammenlign X og Y på disse fire dimensioner. Anbefal derefter én, og fortæl, hvad der ville ændre anbefalingen.”
- Anvend en metode. “Analysér dette med [STAR / SWOT / RACI / Five Whys / ICE]-metoden.”
Mønstret er det samme: Vær præcis om den handling, modellen skal udføre.
4. Begrænsninger
Begrænsninger styrer outputtet: længde, tone, format, ordvalg samt det, der skal med eller udelades.
Uden begrænsninger vælger modeller ofte det sikreste, længste og mest intetsigende svar. De fylder ud, tager forbehold og skriver unødvendige indledninger. Begrænsninger giver dig det svar, du faktisk ønsker.
Nyttige begrænsninger:
- Længde. “Under 100 ord.” “Højst tre sætninger.” “Ét afsnit.” “To sider.” Længde er den største enkeltstående kvalitetsfaktor og bruges for lidt.
- Tone. “Varm, men professionel.” “Skarp og direkte.” “Samtalende og let selvironisk.” “Match tonen i [indsæt eksempel].”
- Ordvalg. “Brug ikke ordene ‘leverage’, ‘utilize’ eller ‘going forward’.” “Undgå fagsprog.” “Brug kun ord, en 12-årig forstår.”
- Begrænsninger på formatet. “Ingen indledning.” “Ingen afsluttende opsummering.” “Begynd ikke med ‘Great question.’”
- Det, der skal med. “Medtag ét konkret eksempel.” “Henvis til de data, jeg netop gav dig.”
- Det, der skal udelades. “Bed mig ikke overveje professionel rådgivning — det ved jeg.” “Tag ikke forbehold — jeg vil have et klart svar.” “Skriv ikke en undskyldende indledning.”
Negative begrænsninger med “ikke” er ofte stærkere end positive. Modellen har stærke standardmønstre for bestemte fraser (“I hope this finds you well”, “Great question!”, “It’s important to note…”). Det er markant mere effektivt at forbyde dem end blot at beskrive et alternativ.
5. Format
Format er outputtets form: punktopstilling, tabel, nummereret liste, afsnit, JSON, markdown, kodeblok eller ren tekst. Et angivet format sparer efterfølgende oprydning.
Eksempler:
Returnér som en markdown-tabel med tre kolonner: mulighed, fordele og ulemper.
Returnér som et JSON-objekt med nøglerne “summary”, “decisions” og “open_questions”.
Returnér som tre korte afsnit uden overskrifter.
Returnér som en nummereret liste med fem punkter på én sætning hver.
Når outputtet skal bruges videre — indsættes i et dokument, gives til en anden prompt eller offentliggøres — er det særligt nyttigt at vise formatet med en kort skabelon:
Returnér i dette format:
Beslutning: […]
De tre vigtigste argumenter for:
- […]
- […]
- […]
De tre vigtigste argumenter imod:
- […]
- […]
- […]
Det, der ville ændre din vurdering: […]
Modellen udfylder felterne. Resultatet bliver ensartet og kan behandles maskinelt.
6. Validering
Den sjette del står ikke altid i selve prompten, men hører til enhver seriøs arbejdsgang: Hvordan ved du, om svaret er godt nok?
Nyttige valideringsinstruktioner:
Hvis du fremsætter en faktuel påstand, skal du angive, om den kommer fra den kildetekst, jeg gav dig, eller fra generel baggrundsviden.
Hvis et obligatorisk felt mangler, skal du skrive
[missing]i stedet for at gætte.
Før det endelige svar skal du angive de tre antagelser, du har gjort.
Giv mig efter udkastet en kort tjekliste over det, jeg skal kontrollere, før jeg bruger teksten.
Validering er vigtig, fordi et poleret svar stadig kan være forkert. En god prompt beder ikke blot om et output. Den fortæller modellen, hvordan den skal synliggøre usikkerhed, manglende input og kontrolpunkter.
Samlet: et gennemarbejdet eksempel
Lad os kombinere alle fem i en virkelig opgave. Antag, at du skal skrive et venligt, men fast svar til en kunde, som beder om gratis ekstraarbejde i et projekt.
Uden skabelonen:
Skriv et svar til min kunde, der vil have mere arbejde gratis.
Resultatet bliver generisk. Med skabelonen:
Rolle: Du er en erfaren projektleder, der har arbejdet med B2B-bureaukunder i ti år. Du er direkte, venlig og god til at sige nej uden at skade relationen.
Kontekst: Jeg er freelancedesigner. En kunde, en startupstifter, som jeg har arbejdet med i et år, har bedt mig føje to nye sider til et projekt, der allerede er i slutfasen. Omfanget var tydeligt fastlagt i kontrakten. Relationen er ellers god. Jeg vil ikke miste kunden, men jeg vil heller ikke arbejde gratis.
Opgave: Skriv tre svarversioner.
Begrænsninger:
- Under 150 ord hver
- Varm, men utvetydig — jeg siger nej til gratis arbejde, jeg forhandler ikke
- Tilbyd en tydelig alternativ vej, eksempelvis en lille tillægsopgave
- Ingen “I hope this finds you well” og ingen undskyldning for grænsen
- Medtag ikke “Best regards” eller anden afsluttende hilsen — den tilføjer jeg selv
Format: Tre nummererede versioner, hver mærket med sin tone, eksempelvis “1. Varm og forklarende”, samt en note på én linje under hver om, hvornår den bør sendes.
Den anden prompt giver tre reelt brugbare udkast. Læs dem, vælg ét, redigér let, og send.
Det er hele metoden, hver gang.
Nogle mønstre, der kombinerer de fem
Visse promptformer går igen i gode prompts:
Det omvendte interview. Rolle + kontekst og derefter en opgave, der begynder med “Stil mig fem spørgsmål, som du skal have svar på for at gøre dette godt.” Modellen hjælper dig med at skærpe selve prompten.
Forfatteren med tre varianter. Rolle + kontekst + “skriv tre versioner” + begrænsninger på længde og tone + nummereret format. Det er den pålidelige arbejdshest ved skriveopgaver med AI.
Den strukturerede analytiker. Rolle + kontekst + “anvend denne metode” + “brug præcis denne afsnitsstruktur” + format. Den rette form til analytiske opgaver.
Den tålmodige underviser. Rolle (underviser) + kontekst (dig og dit niveau) + opgave (undervis og test mig) + begrænsninger (“ét spørgsmål ad gangen, vent på mig”) + format (opdelt i faser). Den kombinerer alle fem og skaber et nyttigt undervisningsforløb.
Du udvikler dine egne mønstre. Pointen er, at de alle er variationer af samme skabelon: fem ingredienser i den rækkefølge, der virker.
En lille vane, hvis effekt vokser
Stop i to sekunder efter et middelmådigt AI-svar. Spørg: Hvilken af de fem dele udelod jeg?
- Vidste modellen ikke, hvem den skulle være? → rolle.
- Manglede den min situation? → kontekst.
- Misforstod den handlingen? → opgave.
- Var outputtet for langt, formelt eller fyldt med tomgang? → begrænsninger.
- Havde svaret den forkerte form? → format.
Du finder næsten altid en manglende ingrediens. Tilføj den, og generér igen. Tilføjelserne lærer dig mere om prompting end noget kursus, fordi du diagnosticerer dine egne prompts i virkelige situationer.
Fem dele plus validering. Brug dem bevidst, indtil de falder dig naturligt.
