PricingLoginStart free
Promptteknik til AI · Lektion

Diagnosticér og løs dårlige prompts

En systematisk debugging-tjekliste til forbedring af prompts, der ikke fungerer godt.

Lektion 4 af 413 trin

Diagnosticér og løs dårlige prompts er en gratis Promptteknik til AI-lektion på CoddyKit. Dette er lektion 4 af 4. Du kan læse alle 3 lektioner i dette læringsspor gratis i deres fulde længde — derefter låser CoddyKit PRO alle lektioner op samt praktiske øvelser med en indbygget kodeeditor og en AI-underviser døgnet rundt. Den er en del af læringsforløbet i Promptteknik til AI, og dine fremskridt synkroniseres på tværs af nettet og CoddyKit-appen. Promptteknik til AI-kurset indeholder 4 lektioner i alt.

Tankegangen ved fejlfinding

Når en prompt giver et dårligt resultat, er de flestes første instinkt at give modellen skylden. Men i de fleste tilfælde ligger problemet i prompten – og modellen opfører sig præcis, som den bør ud fra de instruktioner, den har modtaget.

Det er mere produktivt at behandle fejl i prompts som fejlfindingsproblemer. Ligesom ved fejlfinding af kode identificerer du systematisk den grundlæggende årsag, opstiller en hypotese om en løsning, afprøver den og kontrollerer resultatet. Denne tankegang giver hurtigere forbedringer end frustreret prøve-og-fejle.

Tjekliste til fejlfinding af prompts

Når en prompt mislykkes, skal du systematisk gennemgå denne tjekliste med fem dimensioner:

  1. Præcision — Er den for vag? Kræver opgaven en mere præcis afgrænsning?
  2. Kontekst — Mangler der baggrundsoplysninger, som modellen har brug for?
  3. Format — Er det ønskede format og den ønskede længde for resultatet angivet?
  4. Begrænsninger — Er begrænsningerne tydeligt angivet? Er nogle af dem i konflikt?
  5. Eksempler — Ville et eksempel på et godt resultat fjerne tvetydigheden?

Hver dimension peger på en bestemt type løsning. Identificer, hvilken dimension der svigtede, og anvend den tilsvarende løsning.

Dimension 1: Tjek af præcision

Manglende præcision giver: forkert emne, forkert vinkel, forkert niveau for målgruppen og manglende centrale aspekter af opgaven.

Diagnostiske spørgsmål:

  • Kunne en fornuftig person, der ikke kender konteksten, fortolke denne prompt anderledes, end jeg har tænkt?
  • Har jeg brugt vage ord (god, bedre, passende, professionel), som bør erstattes?
  • Er opgavetypen angivet (artikel? e-mail? resumé? analyse)?
  • Er målgruppen defineret tilstrækkeligt præcist?

Løsning: Erstat vage ord med præcise ord. Angiv opgavetypen. Beskriv målgruppens baggrund. Tilføj et eksempel på én sætning af det resultat, du ønsker.

Dimension 2: Tjek af kontekst

Manglende kontekst giver: generelle råd, der ignorerer din konkrete situation, forkerte antagelser om din teknologistak, virksomhed eller målgruppe samt svar, der ville fungere i en anden kontekst, men ikke i din.

Diagnostiske spørgsmål:

  • Hvad har modellen brug for at vide om min konkrete situation, som den ikke kan vide ud fra generelle træningsdata?
  • Har jeg angivet den relevante kode, det relevante dokument eller de relevante data, som opgaven handler om?
  • Har jeg beskrevet begrænsningerne i mit miljø?

Løsning: Tilføj en sektion med baggrund før opgaveinstruktionen. Indsæt relevant kode eller indhold direkte i prompten.

Dimension 3: Tjek af format

Formatfejl giver: det rigtige indhold i den forkerte struktur – løbende tekst, når du havde brug for punktlister, et essay, når du havde brug for en trinvis vejledning, eller ingen overskrifter, når der var brug for navigation.

Diagnostiske spørgsmål:

  • Angav jeg resultatformatet (punktliste, nummereret liste, løbende tekst, tabel eller kodeblok)?
  • Angav jeg længden?
  • Angav jeg de nødvendige sektioner eller en struktur?

Løsning: Tilføj tydelige formatinstruktioner. Brug mønsteret: "Format: [struktur]. Længde: [mål]. Sektioner: [liste]." Ved komplekse formater skal du angive en skabelon med pladsholdertekst, som modellen skal udfylde.

Dimension 4: Tjek af begrænsninger

Fejl i begrænsninger giver: indhold, som burde være udeladt, eller resultater, der virker robotagtige, fordi begrænsningerne er i konflikt.

Diagnostiske spørgsmål:

  • Er mine begrænsninger tydeligt angivet, eller er de kun underforståede?
  • Er nogle af begrænsningerne i konflikt med hinanden?
  • Er mine begrænsninger i konflikt med indholdets omfang eller længde?
  • Findes der en prioriteringsinstruktion for begrænsninger, der næsten er i konflikt?

Løsning: Gør underforståede begrænsninger tydelige. Tilføj en prioriteringsinstruktion. Løs konflikter ved at vælge, hvilken begrænsning der har forrang. Kontrollér, at omfang og længde er forenelige.

Dimension 5: Tjek af eksempler

Når de første fire dimensioner ser fine ud, men resultatet stadig er forkert, er eksempler ofte den manglende brik. De kommunikerer det, som ord ikke kan.

Diagnostiske spørgsmål:

  • Ville et eksempel på et godt resultat tydeliggøre den forventede stil, tone eller det forventede format?
  • Ville et negativt eksempel (det, der IKKE skal produceres) hjælpe?
  • Findes der eksisterende resultater fra denne opgavetype, som du kan bruge som reference?

Løsning: Tilføj ét eller to eksempler på det ideelle resultat til prompten. Brug mønsteret: "Her er et eksempel på det, jeg leder efter: [eksempel]. Gør nu det samme for [din faktiske opgave]."

En arbejdsgang til fejlfinding af prompts

Her er en komplet diagnostisk arbejdsgang, som du kan anvende på enhver prompt, der ikke fungerer:

def diagnose_prompt(original_prompt, failed_output, problem_description):
    '''
    Use a second LLM call to diagnose why a prompt produced a bad output.
    Returns a diagnosis and an improved prompt.
    '''
    import openai
    client = openai.OpenAI(api_key='sk-...')

    diagnosis_prompt = f'''You are a prompt engineering expert.

A user ran this prompt:
---PROMPT---
{original_prompt}
---END PROMPT---

It produced this output (which was unsatisfactory):
---OUTPUT---
{failed_output[:500]}...
---END OUTPUT---

The problem the user identified: {problem_description}

Diagnose the prompt failure using this framework:
1. Specificity: Is anything too vague?
2. Context: What background information is missing?
3. Format: Is the desired format/length unclear?
4. Constraints: Are there missing or conflicting constraints?
5. Examples: Would an example help?

Then write an improved version of the prompt that addresses the root cause.
Format: Diagnosis: [analysis] || Improved prompt: [new prompt]'''

    response = client.chat.completions.create(
        model='gpt-4o-mini',
        messages=[{'role': 'user', 'content': diagnosis_prompt}]
    )
    return response.choices[0].message.content

Grundlæggende årsag kontra symptom

En almindelig fejl ved fejlfinding er at behandle symptomet i stedet for den grundlæggende årsag.

Symptom: Resultatet er for generelt.

Løsning på symptomet: Tilføjelse af "vær mere specifik" til prompten.

Grundlæggende årsag: Målgruppen blev ikke defineret, så modellen valgte som udgangspunkt en generel målgruppe.

Løsning på den grundlæggende årsag: Tilføjelse af en præcis målgruppebeskrivelse.

Behandling af symptomer giver kun marginale forbedringer. Behandling af grundlæggende årsager giver pålidelige forbedringer. Spørg "hvorfor opstår dette symptom?" og gå ét niveau dybere, før du skriver løsningen.

Før en log over promptfejl

For tilbagevendende opgavetyper kan en log over promptfejl fremskynde forbedringer over tid. Hver post registrerer:

  • Den oprindelige prompt
  • Det dårlige resultat (eller en beskrivelse af, hvad der var forkert)
  • Den diagnosticerede grundlæggende årsag (præcision / kontekst / format / begrænsninger / eksempler)
  • Den anvendte løsning
  • Resultatet

Efter 10-20 poster begynder mønstre at vise sig. Du opdager måske, at den samme grundlæggende årsag (f.eks. manglende kontekst om målgruppen) står for 60 % af fejlene i en kategori. Ret det i skabelonen, så forsvinder mønsteret.

Den forbedrede promptskabelon

De fleste velstrukturerede prompts følger en ensartet skabelon, der proaktivt tager højde for alle fem dimensioner ved fejlfinding:

ROBUST_PROMPT_TEMPLATE = '''
## Role
[Who the model should act as — establishes expertise level and perspective]

## Context
[Background the model needs: company, audience, product, prior decisions, constraints]

## Task
[Specific, precise description of what to produce]

## Format
[Output structure: bullet points / prose / numbered list / table]
[Length: word count or sentence count]
[Required sections: list them if the output needs specific sections]

## Constraints
[What to include: required elements]
[What to exclude: off-limits content or approaches]
[Priority: if constraints conflict, X takes priority over Y]

## Example
[One example of good output for this task type — optional but powerful]
'''

print(ROBUST_PROMPT_TEMPLATE)

Videnstjek: Fejlfinding af prompts

En prompt giver et velskrevet resultat, men fokuserer på generelle bedste fremgangsmåder for emnet i stedet for den konkrete situation, der er beskrevet i opgaven. Format og længde er korrekte. Begrænsningerne er ikke overtrådt. Hvilken fejlfindingsdimension er den grundlæggende årsag?

Besvar den i den interaktive lektion

Opsummering: Sådan diagnosticerer og løser du dårlige prompts

Fejlfinding af prompts er en systematisk proces, ikke blot en proces, hvor man prøver sig frem. Tjeklisten med fem dimensioner — Præcision, Kontekst, Format, Begrænsninger og Eksempler — knytter hver almindelig fejltype til en bestemt løsning.

Den robuste promptskabelon tager proaktivt højde for alle fem dimensioner og forebygger de fleste fejl, før de opstår. Fejlfindingsarbejdsgangen (identificer symptomet → find den grundlæggende årsag → anvend løsningen → kontrollér) giver pålidelige forbedringer. En log over promptfejl fremskynder læringen på tværs af sessioner.

Med disse værktøjer kan du diagnosticere og løse enhver promptfejl metodisk og konsekvent.

Gratis at komme i gang

Lær Promptteknik til AI med en AI-underviser — gratis

Skriv og kør rigtig kode i din browser, få øjeblikkelig hjælp fra en AI-underviser døgnet rundt, og fortsæt, hvor du slap, på web eller i appen.

Kurser
53
Lektioner
199
Start gratisSe hele kurset

Ofte stillede spørgsmål

Er lektionen “Diagnosticér og løs dårlige prompts” gratis?

Ja — alle 3 lektioner i læringssporet Promptteknik til AI, inklusive “Diagnosticér og løs dårlige prompts”, kan læses gratis i deres fulde længde her på webstedet. Derefter låser CoddyKit PRO alle lektioner op samt interaktive øvelser med en indbygget kodeeditor og en AI-underviser døgnet rundt. Promptteknik til AI-kurset indeholder 4 lektioner i alt.

Hvad lærer jeg i “Diagnosticér og løs dårlige prompts”?

En systematisk debugging-tjekliste til forbedring af prompts, der ikke fungerer godt. Du øver dig i Promptteknik til AI med praktisk kode, som du kører direkte i browseren, og en AI-vejleder døgnet rundt besvarer dine spørgsmål, mens du arbejder dig gennem lektionen.

Skal jeg have erfaring for at begynde på Promptteknik til AI?

Der kræves ingen tidligere erfaring. Promptteknik til AI på CoddyKit er tilrettelagt for både begyndere og øvede, så du kan starte her eller fra begyndelsen og lære i dit eget tempo. Dette er lektion 4 af 4.

Hvor lang tid tager lektionen “Diagnosticér og løs dårlige prompts”?

De fleste CoddyKit-lektioner tager cirka 5–10 minutter. Hver lektion er kort og interaktiv, så du gør løbende fremskridt og kan fortsætte, hvor du slap – på både web og app.

Kan jeg skrive og køre kode i denne Promptteknik til AI-lektion?

Ja. Alle Promptteknik til AI-lektioner har en indbygget kodeeditor, så du kan skrive og køre rigtig kode direkte i din browser og få øjeblikkelig feedback fra AI – uden lokal opsætning.

Alle lektioner i dette kursus

  1. Alt for vage instruktioner
  2. Modstridende krav
  3. Fejl på grund af manglende kontekst
  4. Diagnosticér og løs dårlige prompts
← Tilbage til Promptteknik til AI