Når du har brugt ChatGPT eller Claude et stykke tid, begynder du at se en genkendelig opbygning i både stærkere og svagere prompts. Når du kan sætte navn på de relevante dele, kan du diagnosticere et skuffende resultat i stedet for at omskrive prompten i blinde.
Nedenfor gennemgår vi de fem ingredienser med eksempler og viser derefter, hvordan de hænger sammen. Til sidst har du en skabelon, som du kan tilpasse til vigtige prompts i forskellige værktøjer, plus et valideringstrin til at kontrollere resultatet.
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: Hvilket perspektiv eller hvilken arbejdsmåde skal AI’en bruge 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, og eksempler eller kildemateriale kan være vigtigere end en rolle. Når resultatet betyder noget, bør du bruge listen som et diagnostisk redskab, ikke som en obligatorisk formel. Aktuel leverandørvejledning fremhæver tilsvarende klare instruktioner, relevant kontekst, eksempler, krav til output og evaluering, men ingen af leverandørerne definerer netop denne standard i fem dele (OpenAIs vejledning til prompt engineering; Anthropics oversigt over prompt engineering).
1. Rolle
Rollen er det perspektiv eller den arbejdsmåde, du vil have modellen til at bruge. Den kan hjælpe med at angive den forventede målgruppe, ordvalg og tilgang, men en direkte opgaveinstruktion kan fungere lige så godt. En rolle giver ikke modellen virkelige kvalifikationer eller en faglig dømmekraft, den ikke har.
Svag:
Forklar pensionsfonde.
Bedre:
Du er en dygtig formidler, der hjælper medarbejdere midt i karrieren i Estland med at forstå pensionsordninger. Du bruger klart dansk, definerer fagudtryk én gang og holder dig på begrebsniveau: ingen produktvalg, bidragsbeløb eller personlige pensionsplaner.
Forklar på et overordnet plan, hvordan pensionsfonde fungerer.
Modellen bliver ikke en rådgiver. Instruktionen beder den tilpasse sig stilen og detaljeringsgraden i en klar forklarende tekst. Det kan gøre svaret mere konkret uden at gøre et spørgsmål om forståelse til reguleret rådgivning.
Nogle bemærkninger om roller:
- Foretræk opgaverelevante detaljer. “En omhyggelig formidler af estisk virksomhedsregnskab, der skelner mellem begreber og vejledning om indberetning” angiver tydeligere grænser end “en ekspert”.
- Brug roller til målgruppe, tone og omfang, ikke til indberetning eller rådgivning. En rolle er ikke en autorisation eller dokumentation for ekspertise.
- En indstilling som “skeptisk kontrollant”, “tålmodig lærer” eller “omhyggelig redaktør” kan være nyttig, når den ændrer den ønskede adfærd. Test den mod tilsvarende konkrete instruktioner, hvis ensartethed er vigtig.
- Undgå opdigtede biografier og stablede statuspåstande. “Du er en verdensførende autoritet med tyve års erfaring” skaber ikke disse kvalifikationer. Angiv i stedet den nødvendige metode, målgruppe og begrænsninger.
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, som er værd at kontrollere:
- Hvem du er. Din rolle, dit erfaringsniveau og dit arbejde.
- Hvad der allerede er sket. Historikken, tidligere forsøg og beslutninger.
- Hvem outputtet er til. Målgruppens præferencer, ekspertise og begrænsninger.
Hvis du gentagne gange bruger samme type godkendte prompt, kan du gemme stabile instruktioner i en Custom GPT eller et Claude Project, når dit abonnement og dit arbejdsområde understøtter funktionen. Medtag ikke fortrolige eller regulerede data, medmindre konto, kontrakt og organisationens politik tillader det, og gennemgå de gemte instruktioner igen, når arbejdsgangen ændrer sig.
3. Opgave
Opgaven er selve anmodningen. Det er den del, de fleste begynder med, og den kan ofte skrives, som du plejer, for eksempel “skriv en e-mail”, “opsummér dokumentet” eller “giv mig tre muligheder”, hvis resten af prompten gør sit arbejde.
Nogle nyttige opgavemønstre:
- Skab varianter. “Giv mig tre udkast.” “Lav fem muligheder.” Varianter giver dig alternativer at sammenligne i stedet for at lade ét udkast bære hele beslutningen.
- Interview først, handl bagefter. “Inden du skriver, skal du stille mig fem spørgsmål, som du behøver svar på. Vent på mine svar.” Brug dette, når manglende oplysninger ville ændre udkastet væsentligt.
- 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.” Brug dette til valg med begrænsede konsekvenser, eksempelvis formulering, layout eller mødedagsorden. Brug det ikke til at vælge lån, medicinske muligheder eller juridiske standpunkter.
- Anvend en metode. “Analysér dette med [STAR / SWOT / RACI / Five Whys / ICE]-metoden.”
Mønstret er det samme: Vær præcis med, hvilken handling modellen skal udføre.
4. Begrænsninger
Begrænsninger styrer outputtet: længde, tone, format, ordvalg samt det, der skal med eller udelades.
Uden relevante begrænsninger må modellen selv udlede længde, tone, omfang og målgruppe. Tydelige rammer reducerer den tvetydighed og gør resultatet lettere at vurdere.
Nyttige begrænsninger:
- Længde. “Under 100 ord.” “Højst tre sætninger.” “Ét afsnit.” “To sider.” Vælg en grænse, der passer til formålet, i stedet for at antage, at flere detaljer altid er bedre.
- Tone. “Varm, men professionel.” “Skarp og direkte.” “Samtalende og let selvironisk.” “Match tonen i [paste example].”
- 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. “Skriv ikke en undskyldende indledning.” “Begynd ikke med ‘Godt spørgsmål’.” Ved udkast med begrænsede konsekvenser kan du bede om færre forbehold. Fjern dog ikke markeringer af usikkerhed eller grænser for professionel rådgivning, når emnet er økonomi, sundhed, jura eller sikkerhed.
Foretræk positive, konkrete instruktioner, der beskriver det ønskede resultat, og tilføj derefter snævre udelukkelser, hvor en tilbagevendende fejl skal blokeres. For eksempel: “Begynd direkte med anbefalingen. Indled ikke med ‘Godt spørgsmål’.” Lange forbudslister kan være sværere at følge end en kort beskrivelse af, hvad et godt output skal indeholde.
5. Format
Format er outputtets form: punktopstilling, tabel, nummereret liste, afsnit, JSON, markdown, kodeblok eller ren tekst. Et angivet format kan reducere 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, for eksempel indsættes i et dokument, bruges som input i 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 kan udfylde felterne, så outputtet bliver mere ensartet og lettere at gennemgå. Hvis software skal behandle resultatet, bør du bruge produktets funktion til struktureret output eller skemaer, hvor den findes, og validere de returnerede data i stedet for kun at stole på en visuel skabelon.
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 modellen om at producere et output. Den fortæller modellen, hvordan den skal synliggøre usikkerhed, manglende input og kontrolpunkter.
Sådan samler du delene: et gennemarbejdet eksempel
Lad os kombinere alle fem i en konkret 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: Hjælp mig med at skrive som en direkte og venlig freelancedesigner, der sætter en tydelig projektgrænse uden at opfinde politikker, kontraktvilkår eller kundehistorik.
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 modellen en tydeligere defineret skriveopgave. Gennemgå alle tre versioner, kontrollér, at ingen af dem opfinder fakta eller forpligtelser, vælg den, der kommer tættest på, og redigér den, før du sender.
Nogle mønstre, der kombinerer de fem
Nogle promptformer, der er værd at prøve:
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.
Udkastet i tre varianter. Rolle + kontekst + “skriv tre versioner” + begrænsninger på længde og tone + nummereret format. Nyttigt, når sammenligning af alternativer er en del af opgaven.
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. De er variationer af samme skabelon: fem ingredienser i en praktisk startrækkefølge, ikke en universel lov.
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, hvilken rolle den skulle bruge? → rolle.
- Manglede den min situation? → kontekst.
- Misforstod den handlingen? → opgave.
- Var outputtet for langt, for formelt eller for omstændeligt? → begrænsninger.
- Havde svaret den forkerte form? → format.
Du finder måske en manglende ingrediens, en uklar instruktion eller et svagt eksempel. Ret netop det hul, og prøv igen. Vanen lærer dig af dine egne prompts og resultater i stedet for kun af en generel formel.
Fem dele plus validering. Brug dem bevidst, indtil de falder dig naturligt.
