55 minuterSå sätter du systematiskt upp LLM-utvärderingar (mätvärden, enhetstester, LLM som bedömare)
Utforma en utvärderingsstege som upptäcker regressioner innan ändringar av prompt eller modell når användarna.
Anthropic. Fyra promptingenjörer på Anthropic – inom forskning, anpassning, tillämpning och utvecklarrelationer – talar utförligt om vad de faktiskt gör till vardags: hur de redigerar prompter under press, hur de ser på ”ärlighet” i instruktioner, när XML-strukturer hjälper och när de inte gör det. Artikelns lagermodell stämmer väl överens med hur de beskriver arbetet. Det här är det bästa sättet att höra den mentala modellen formuleras högt.
Behandla den som en lång podd – värdet ligger i att höra människor som redigerar prompter under verklig press beskriva artikelns mentala lagermodell högt.
Hör hur promptingenjörer i produktion omarbetar instruktioner, exempel och beteendemässiga begränsningar under verklig press i stället för att behandla prompter som engångstexter.
Du bör redan driftsätta prompter någonstans – det här är ett rundabordssamtal för praktiker, inte en kurs.
Senast granskad: 18 maj 2026
Fortsätt längs samma lärstig med nästa kurerade kompletterande video.
55 minuterUtforma en utvärderingsstege som upptäcker regressioner innan ändringar av prompt eller modell når användarna.
9 minuterDu kan navigera bland spår, projekt och datamängder i LangSmith och läsa av tokenkostnad, latens, felfrekvens och detaljer per spann.
75 minuterBygg en första MCP-server och förstå hur verktyg, scheman, prompter, resurser och transporter hänger ihop.
Externa kurser som är handplockade och går djupare in i detta ämne.
Isa Fulford · Andrew Ng
Nittio minuter som ger dig intuition motsvarande ett års erfarenhet. Om du har börjat skriva kod som anropar en LLM – eller står i begrepp att göra det – är detta nätets effektivaste kurs för att överbrygga klyftan mellan att ”leka med ChatGPT” och att ”lansera en funktion som anropar en LLM”.
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.