Prompt engineering
Prompt engineering er kunsten og teknikken bak å formulere presise instruksjoner til en språkmodell for å få mest mulig nyttige, korrekte og relevante svar.
Prompt engineering handler om å utforme og finpusse instruksjonene du gir til en språkmodell, slik at du oppnår best mulig resultat. På norsk kalles det ofte ledetekstutforming eller spørringsteknikk. I stedet for å stille et tilfeldig eller vagt spørsmål og håpe på et godt svar, innebærer denne metoden at du bevisst styrer modellens fokus, tonefall, kunnskapsgrunnlag og format.
Selv om ordet engineering peker mot ingeniørfag og programmering, minner arbeidet i praksis mye mer om et presist kommunikasjonshåndverk. Det dreier seg om å forstå hvordan en kunstig intelligens tolker tekst, hva den trenger av bakgrunnsinformasjon for å løse oppgaven, og hvilke føringer som hindrer den i å spore av eller finne på usannheter.
Kjerneteknikker for gode ledetekster
For å flytte en modell fra generiske svar til skreddersydde leveranser, benytter man seg av en rekke etablerte metoder. Disse kan kombineres etter behov:
- Tildeling av rolle: Ved å be modellen opptre som en spesifikk ekspert, for eksempel en erfaren regnskapsfører eller en norsklærer på videregående skole, setter du en tydelig faglig standard og tone.
- Kontekst og bakgrunn: Modellen kjenner ikke din situasjon. Gi nødvendige fakta om hvem målgruppen er, hva målet med teksten er, og hvilke rammer som gjelder.
- Bruk av eksempler (few-shot): Hvis du viser modellen ett eller to eksempler på hvordan du vil at svaret skal se ut, forstår den stilen og mønsteret langt raskere enn gjennom lange forklaringer.
- Styring av format: Vær eksplisitt på hvordan svaret skal leveres, enten det er som en punktliste, en tabell, en kort e-post eller ren JSON-kode.
- Stegvis oppgaveløsning: Be modellen tenke trinn for trinn eller bryte opp komplekse oppgaver i mindre deler før den trekker en konklusjon.
Et praktisk eksempel: Kajakkutleie i Lofoten
Tenk deg en liten bedrift som driver med havkajakk og guiding i Henningsvær. De mottar daglig henvendelser fra turister som lurer på værforhold, sikkerhetskrav og bekledning. En dårlig utformet instruksjon vil typisk se slik ut: Skriv et svar til en kunde om kajakktur i morgen. Resultatet blir ofte en lang, upersonlig tekst full av amerikansk friluftssjargong.
Med bevisst prompt engineering formuleres oppgaven annerledes: Du jobber i kundeservice hos en lokal kajakkarrangør i Lofoten. Svar på en e-post fra en familie på fire som er nybegynnere og skal på formiddagstur i morgen. Værmeldingen tilsier frisk bris og ti grader. Forklar vennlig og trygt hva de må ha på seg av ullundertøy og vindtett tøy, bekreft at vi stiller med våtdrakt og redningsvest, og hold teksten under 150 ord. Avslutt med en personlig hilsen fra turlederen.
Forskjellen i resultat er dramatisk. Den siste instruksen sparer bedriften for manuell omskriving og sikrer at informasjonen treffer lokale norske forhold nøyaktig.
Arbeidsprosessen: prøv, vurder og juster
Prompt engineering er sjelden en engangsoperasjon. De beste resultatene oppstår gjennom en iterativ prosess hvor du tester en instruksjon, oppdager svakheter i svaret, og justerer ledeteksten fortløpende. Hvis svaret blir for langt, legger du til en lengdegrense. Hvis modellen bruker for mange fremmedord, spesifiserer du at språket skal være enkelt og tilgjengelig for vanlige lesere.
Det er også nyttig å etablere en fast mal for oppgaver du gjør ofte. Mange norske bedrifter samler sine mest effektive ledetekster i et felles dokument, slik at ansatte i administrasjon, kundestøtte eller markedsføring kan gjenbruke gjennomarbeidede strukturer for referater, pressemeldinger eller anbudssvar.
Vanlige feil som ødelegger resultatet
Den vanligste feilen er å gi for mange motstridende instrukser på én gang. Hvis du ber modellen om å være både ekstremt kortfattet og samtidig inkludere alle mulige detaljer, må den gjette hva du prioriterer høyest, og resultatet blir ofte middelmådig.
En annen felle er å anta at modellen forstår underforståtte norske begreper uten forklaring. Selv om moderne modeller behersker norsk godt, må du spesifisere om du forholder deg til norske regler for personvern, spesifikke læreplaner i skolen eller lokale rutiner i en kommune. Tydelighet trumfer alltid antakelser.
Ofte stilte spørsmål
Må man kunne programmere for å drive med prompt engineering?
Nei, du trenger ingen teknisk bakgrunn eller kodekunnskap. Det viktigste er et presist språk, evne til å tenke logisk og god forståelse for oppgaven du vil ha løst.
Hva er forskjellen på en prompt og prompt engineering?
En prompt er selve teksten eller spørsmålet du skriver inn til modellen, mens prompt engineering er den bevisste metoden og strategien du bruker for å bygge opp denne teksten for best mulig resultat.
Blir prompt engineering overflødig når modellene blir smartere?
En del enkle triks mister betydning etter hvert som modellene blir flinkere til å tolke hensikten din, men evnen til å formulere tydelige krav, gi riktig kontekst og definere mål forblir avgjørende uansett hvor avansert teknologien blir.
