Nästa nivås promptande (Kontextuella exempel och iteration)

När du väl har bemästrat den 6-stegsmodell vi gick igenom tidigare i kursen, har du ett enormt försprång. Dina texter kommer att bli skarpare och dina resultat mer träffsäkra. Men för att du ska kunna kalla dig en riktig “AI-pilot” finns det två lite mer avancerade koncept inom prompting som du måste känna till. Dessa tekniker tar dig från att vara en god beställare till att bli en strategisk ingenjör över ditt eget arbetsflöde. Teknikerna kallas ofta för “Few-shot prompting” och “Chain of Thought”.

Few-shot prompting (Att leda med exempel)

Även med en perfekt instruktion kan det ibland vara svårt att få AI:n att pricka exakt den unika tonalitet eller struktur som just ditt företag använder. “Few-shot prompting” löser detta. Istället för att bara beskriva vad du vill ha (vilket kallas Zero-shot), skickar du med ett par exempel (shots) på hur ett perfekt slutresultat ser ut. AI-modeller är formidabla på mönsterigenkännande, och när de ser dina exempel kopierar de omedelbart det “DNA” du har angett.

Föreställ dig att du vill skriva produktbeskrivningar för din webbshop. Du kan skriva: “Skriv en säljande text om våra nya ullstrumpor.” AI:n kommer att göra ett hyfsat jobb. Men om du istället skriver: “Här är två exempel på hur våra produktbeskrivningar brukar låta. Exempel 1: (Klistra in en tidigare, bra text). Exempel 2: (Klistra in en annan tidigare, bra text). Nu, skriv en text om våra nya ullstrumpor i exakt samma format och ton som de två exemplen.” Resultatet blir nu häpnadsväckande exakt, anpassat till er företagskultur och direkt redo för publicering. Du har inte bara gett AI:n en uppgift, du har gett den en färdig mall att härma.

Chain of Thought (Tänk steg för steg)

Ett av de största problemen med generativ AI är som bekant hallucinationer (när den gissar fel men låter säker). Detta händer oftast när man ställer en mycket komplex fråga där AI:n måste hoppa direkt till ett svårt slutsvar utan att resonera på vägen. “Chain of Thought” (tankekedja) är en extremt kraftfull metod för att tvinga AI:n att sänka tempot och bryta ner sitt eget arbete.

Metoden är skrattretande enkel: du lägger helt enkelt till frasen “Tänk steg för steg” eller “Förklara hur du kom fram till detta innan du ger svaret” i din prompt. Föreställ dig att du planerar en logistiskt komplicerad konferens där flera talare, pauser och resor ska klicka i varandra. Om du ber AI:n att ta fram ett detaljerat schema, kan den lätt räkna fel på restider eller dubbelboka ett rum. Men om du avslutar din prompt med “Förklara din logik steg för steg för varje tidslott”, tvingar du sannolikhetsmotorn att först räkna ut steg ett, vilket gör att steg två blir mer korrekt, och så vidare. Du ber maskinen att visa sina uträkningar, precis som en mattelärare gör.

Genom att använda kontextuella exempel (Few-shot) för att styra stil, och tankekedjor (Chain of Thought) för att styra logik och minska felmarginaler, tar du ditt promptande till en professionell nivå. Det handlar om att iterera, lära känna verktygets begränsningar och aktivt bygga ramverk som garanterar kvalitet.