Przejdź do treści
promptowy.com / KI-ordbok / Iterativ prompting
Prompter

Iterativ prompting

Iterativ prompting er en arbeidsmetode der du forbedrer en ledetekst steg for steg gjennom løpende tilbakemeldinger til den kunstige intelligensen.

Iterativ prompting er en arbeidsmetode der du utvikler og finjusterer en ledetekst gjennom en trinnvis dialog med en språkmodell, i stedet for å forsøke å skrive den perfekte instruksen ved første forsøk. Prosessen minner om en vanlig samtale mellom to kolleger: du gir en innledende oppgave, vurderer resultatet, peker på hva som mangler eller må endres, og ber modellen justere teksten videre i samme samtalevindu.

Mange som begynner med kunstig intelligens, bruker unødvendig mye tid på å konstruere enorme, innviklede instrukser på forhånd. Iterativ prompting snur opp ned på denne vanen. Ved å starte enkelt og bygge på med mer kontekst, formateringskrav eller konkrete eksempler etter hvert som du ser hva modellen forstår og misforstår, sparer du tid og oppnår langt mer presise resultater.

Slik fungerer den iterative sirkelen

Kjernen i iterativ prompting handler om en enkel tilbakemeldingssløyfe. Du behandler modellens første svar som et råutkast, ikke som et endelig produkt. Gjennomgangen foregår vanligvis i fire enkle steg:

  1. Første utkast: Du sender en enkel og tydelig oppgave som beskriver hva du ønsker å oppnå i grove trekk.
  2. Evaluering: Du leser svaret kritisk og merker deg hva som traff godt, og hva som ble for generelt, feilaktig eller unøyaktig.
  3. Målrettet justering: Du ber modellen om å endre på de spesifikke svakhetene, for eksempel ved å endre tonefall, kutte avsnitt eller legge til faguttrykk.
  4. Gjenta etter behov: Du fortsetter dialogen til svaret tilfredsstiller kvalitetskravene dine.

Et praktisk eksempel: Nyhetsbrev for et lokalt bakeri

Tenk deg at du driver et lite håndverksbakeri på Bakklandet i Trondheim og vil skrive et kort nyhetsbrev til faste kunder om ferske kanelsnurrer og endrede åpningstider i høstferien.

Hvis du prøver å planlegge alt i én enorm ledetekst, kan resultatet lett bli overlesset eller stivt. Med en iterativ tilnærming gjør du det heller slik:

Først ber du om et enkelt utkast: Skriv et kort nyhetsbrev til kundene våre om at vi har rykende ferske kanelsnurrer klare hver formiddag neste uke.

Svaret du får er kanskje litt for formelt og minner mer om en pressemelding fra et stort konsern. I neste melding i samme samtale korrigerer du retningen: Gjør tonen varmere, mer personlig og lokal. Nevn at bakeriet ligger på Bakklandet, og legg til at vi åpner dørene klokken sju hver morgen.

Når teksten nå har funnet riktig stemning, gjør du den siste formateringen: Veldig bra. Kutt ned teksten til under hundre ord, og lag en punktliste helt nederst med åpningstidene for mandag til fredag.

I løpet av tre korte meldinger har du gått fra en vag idé til en fiks ferdig tekst som passer bedriftens profil, uten at du måtte kaste bort tid på å gjette hvordan modellen ville tolke en komplisert instruks i utgangspunktet.

Hvorfor du bør holde deg i samme samtale

En av de største fordelene med moderne språkmodeller er evnen til å huske hva som har blitt skrevet tidligere i samtalen. Når du justerer svaret i samme tråd, slipper du å gjenta all bakgrunnsinformasjon på nytt. Modellen forstår konteksten og ser hvilke retninger du allerede har forkastet.

Å starte en helt ny samtale hver gang du skal rette en liten detalj, er en av de vanligste grunnene til at folk blir frustrerte over kunstig intelligens. Da nullstilles maskinens minne, og du må mate inn premissene på nytt. Hold deg derfor til én tråd per arbeidsoppgave helt til du har nådd målet ditt.

Vanlige feil ved trinnvis forbedring

Selv om iterativ prompting er intuitivt, er det lett å gå i noen klassiske feller. En vanlig feil er å endre altfor mange parametere samtidig i én tilbakemelding. Hvis du ber om et nytt tonefall, en helt ny målgruppe, et annet format og nye kilder på én gang, er det vanskelig å se hvilken instruks som fungerte, og modellen kan lett overse deler av tilbakemeldingen din.

En annen feil er å være vag i kritikken. Å skrive dette var for dårlig, prøv igjen gir ikke modellen noen reell veiledning. Forklar i stedet konkret hva som mangler, for eksempel ved å skrive at språket inneholder for mange floskler, eller at setningene er for lange for målgruppen din.

Ofte stilte spørsmål

Må jeg starte en ny chat hver gang svaret ikke blir helt perfekt?

Nei, tvert imot bør du fortsette i samme samtale. Modellen husker tidligere meldinger og tilpasser seg raskere når du forklarer hva som må justeres der og da.

Hvorfor er iterativ prompting mer effektivt enn én lang ledetekst?

Det er vanskelig å forutse nøyaktig hvordan modellen tolker komplekse instrukser. Ved å justere steg for steg ser du raskt hvor skoen trykker, og du sparer tid på unødvendig forarbeid.

Hva gjør jeg hvis modellen gjentar samme feil i flere svar på rad?

Vær helt eksplisitt på hva du ikke vil ha. Sitér gjerne den uønskede setningen direkte og be modellen omformulere uten å bruke de spesifikke ordene eller formuleringene.

← Alle begreper i KI-ordboken

🛒 Sklep Kinetyka CapCut Pro 460 zł/rok Lovable Pro 450 zł/rok Replit Core 119 zł/rok Zobacz wszystko →
× ‹ powiększenie ›