Context Rot: Hvordan flere inputtokens påvirker LLM-performance
Chroma.
Hvad du bør få ud af dette
Læs artiklen for at få en praktisk mental model, og vælg derefter ét sikkert næste skridt.
Gå i dybden
Håndplukkede eksterne kurser, der går i dybden med dette emne.
DeepLearning.AIPrompt engineering med ChatGPT for udviklere
Isa Fulford · Andrew Ng
Halvfems minutter, der giver dig et års praktisk intuition. Hvis du er begyndt at skrive kode, som kalder en LLM — eller står foran at gøre det — er dette det mest effektive onlinekursus til at lukke hullet mellem "at lege med ChatGPT" og "at sætte en funktion, der kalder en LLM, i produktion."
Coursera · Vanderbilt UniversityPrompt Engineering for ChatGPT
Dr. Jules White
Det akademiske supplement til DeepLearning.AI's korte kursus — samme disciplin, men et længere forløb skrevet til personer, der ikke programmerer. Dr. White underviser i prompting som genanvendelige mønstre som Ask for Input, Outline Expansion, Fact Check List og Menu Actions, ikke som tricks. Bagefter prompter du LLM'er som en designer i stedet for at gætte.
Microsoft LearnWork Smarter with AI: Craft Effective Prompts for Microsoft Copilot
Microsoft Learn
Prompt engineering, but for the tool most office workers will actually touch first. Microsoft's own four-part prompting framework (goal, context, source, expectation) is a genuinely useful mental model, and unlike the generic ChatGPT prompting courses already in our catalog, this one is grounded entirely in Microsoft 365 Copilot's specific quirks and grounding behavior.