Skrive effektive oppfølgingsledetekster
Slik korrigerer du kursen: «Gjør det kortere», «Vær mer spesifikk om X».
Skrive effektive oppfølgingsledetekster er en gratis leksjon i AI-prompt engineering på CoddyKit. Dette er leksjon 2 av 4. Du kan lese valgfritt 3 leksjoner fra denne læringsstien gratis i sin helhet – deretter låser CoddyKit PRO opp alle leksjoner, samt praktisk øving med en innebygd kodeeditor og en AI-veileder som er tilgjengelig døgnet rundt. Den er en del av læringsløpet i AI-prompt engineering, og fremdriften din synkroniseres mellom nettet og CoddyKit-appen. Kurset i AI-prompt engineering inneholder totalt 4 leksjoner.
Kunsten å korrigere kursen
En oppfølgingsprompt er ikke en klage – den er et korrigeringssignal som styrer modellen mot et bedre resultat.
Effektive oppfølgingsprompter er spesifikke om hva som var feil, og hva De ønsker i stedet. Vage oppfølginger som "Prøv igjen" eller "Det er ikke helt riktig" gir modellen ingenting nyttig å arbeide med.
Hvis De lærer et lite sett med mønstre for å korrigere kursen, kan De raskt løse nesten alle typer problemer med resultater.
Mønster 1: Gjør det kortere
Når et svar er for langt, ordrikt eller fylt med unødvendig innhold, kan De bruke mønstre for å redusere lengden:
- "Gjør det kortere – sikt mot 100 ord."
- "Fjern innledningsavsnittet og alle utfyllende setninger."
- "Oppsummer det ovenstående i tre setninger."
- "Kort ned dette til halvparten uten å miste hovedpoengene."
Spesifisitet hjelper: Det er mer effektivt å angi et ønsket ordantall eller noe bestemt som skal fjernes, enn bare å si "kortere".
Mønster 2: Vær mer spesifikk om X
Når et svar er for generelt eller overordnet, kan De bruke mønstre som tilfører spesifisitet:
- "Vær mer spesifikk om prismodellen."
- "Oppgi konkrete tall, ikke prosentandeler."
- "Fokuser på tilfellet der brukeren eier en liten bedrift, ikke store virksomheter."
- "Rådene om sikkerhet er for vage – angi den spesifikke sårbarheten og hvordan den kan løses."
Disse mønstrene snevrer inn modellens fokus til det området der De trenger mer dybde.
Mønster 3: Fjern delen om Y
Når et svar inneholder innhold De ikke ønsker, kan De bruke mønstre for å fjerne det:
- "Fjern delen om historisk bakgrunn – jeg trenger bare dagens situasjon."
- "Slett de to siste punktene; de er utenfor temaet."
- "Skriv det om uten ansvarsfraskrivelsen på slutten."
- "Fjern alt etter det tredje punktet, og avslutt der."
Henvis til den spesifikke delen som skal fjernes. Hvis De sier "fjern de irrelevante delene", blir det tvetydig – modellen er kanskje ikke enig i hva som er irrelevant.
Mønster 4: Legg til et eksempel for hvert punkt
Når et svar er korrekt, men abstrakt, kan De bruke mønstre for å legge til eksempler:
- "Legg til et konkret eksempel etter hvert punkt."
- "Illustrer det tredje punktet med et scenario fra virkeligheten."
- "Gi ett kodeeksempel før og etter for hver beste praksis."
- "Legg til et moteksempel som viser hva man IKKE skal gjøre, for hver anbefaling."
Eksempler gjør abstrakte råd handlingsrettede. Dette mønsteret er spesielt nyttig for instruksjonsinnhold og veiledninger.
Mønster 5: Skriv om som en punktliste
Når et svar har riktig innhold, men feil struktur, kan De bruke mønstre for å endre formatet:
- "Skriv dette om som en punktliste."
- "Gjør dette om til en nummerert trinnvis veiledning."
- "Del dette inn i seksjoner med H2-overskrifter."
- "Formater dette som en sammenligningstabell: Funksjon | Alternativ A | Alternativ B."
Oppfølginger som endrer format, bevarer innholdet og endrer bare presentasjonen. De innebærer lav risiko – innholdet er allerede godt.
Kombiner mønstre i én oppfølging
De kan kombinere flere korrigeringsmønstre i én oppfølgingsprompt:
"Skriv svaret ovenfor om som en punktliste, fjern delen om historisk bakgrunn, og legg til et kodeeksempel for hvert punkt. Hold det under 300 ord."
Dette er mer effektivt enn å sende fire separate oppfølgingsmeldinger. Den kombinerte oppfølgingen bør imidlertid være tydelig og lett å lese – hvis den blir for kompleks, bør De dele den opp i to oppfølginger i stedet for å sende én forvirrende oppfølging.
Oppfølgingsmønstre i kode
De kan automatisere korrigeringer i en Python-pipeline ved å legge korrigerende instruksjoner til samtalehistorikken:
import openai
client = openai.OpenAI(api_key='sk-...')
def apply_correction(conversation_history, correction_pattern):
# Append the follow-up prompt to the existing conversation
updated_history = conversation_history + [
{'role': 'user', 'content': correction_pattern}
]
response = client.chat.completions.create(
model='gpt-4o-mini',
messages=updated_history
)
assistant_reply = response.choices[0].message.content
# Return updated history for chaining
updated_history.append({'role': 'assistant', 'content': assistant_reply})
return assistant_reply, updated_history
# Example usage
history = [{'role': 'user', 'content': 'Explain REST APIs.'},
{'role': 'assistant', 'content': '... (long explanation) ...'}]
corrected, history = apply_correction(history, 'Make it shorter — 3 bullet points only.')
print(corrected)Forankre oppfølgingen i svaret
De mest effektive oppfølgingspromptene forankres i bestemte deler av det forrige svaret. Dette fjerner tvetydighet:
- Svakt: "Kan De forbedre den andre delen?"
- Godt: "I delen med tittelen 'Sikkerhetshensyn' er rådene for generelle. Skriv denne delen om med tre spesifikke brannmurregler."
Når De forankrer oppfølgingen ved å sitere eller navngi en bestemt del, setning eller punkt, tvinger De modellen til å fokusere på akkurat det De mener.
Når oppfølginger slutter å fungere
Noen ganger gir ikke et oppfølgingsmønster den forbedringen De ønsker. Tegn på en fastlåst samtale er:
- Modellen går tilbake til den samme strukturen etter to korrigeringer
- Den bekrefter korrigeringen, men gjør fortsatt den samme feilen
- Hver korrigering skaper et nytt problem samtidig som det gamle løses
På dette tidspunktet er det ofte raskere å begynne på nytt med en omskrevet originalprompt enn å fortsette korrigeringene. Vi skal ta for oss denne avgjørelsen i en senere leksjon.
Bygg opp et personlig bibliotek med oppfølginger
Fordi korrigeringsmønstre kan brukes om igjen, er det verdt å opprette et lite personlig bibliotek med oppfølgingsfraser De ofte bruker:
- "Gjør det kortere – sikt mot X ord."
- "Legg til et konkret eksempel for hvert punkt."
- "Skriv om som en punktliste med et sammendrag på én linje øverst."
- "Fjern ansvarsfraskrivelsen / den historiske bakgrunnen / det unødvendige innledningsstoffet."
- "Vær mer spesifikk om [X] – oppgi faktiske tall / trinn / kode."
Hvis De lagrer disse i en tekstfil eller en notatapp, sparer De tid i alle fremtidige økter.
Kunnskapssjekk: Korrigeringsmønstre
De ba modellen skrive en produktbeskrivelse for en app for prosjektstyring. Den returnerte et essay på 600 ord som dekket appens historie, filosofi, kjernefunksjoner, priser og sammenligning med konkurrenter. De trengte bare en beskrivelse på 100 ord av kjernefunksjonene til en hero-seksjon på et nettsted.
Hvilken oppfølgingsprompt er mest effektiv?
Oppsummering: Skrive effektive oppfølgingsprompter
Oppfølgingsprompter er korrigeringssignaler, ikke klager. De fem grunnleggende mønstrene – forkort, spesifiser, fjern, legg til eksempler og endre format – dekker de aller fleste problemene med resultater som De vil møte.
De viktigste prinsippene er å være spesifikk om hva som var feil, forankre oppfølgingen i den relevante delen og kombinere mønstre ved behov. Når oppfølginger slutter å fungere, bør De vurdere å begynne på nytt.
I neste leksjon skal De øve på samtaler med flere runder, der De bygger videre på tidligere svar i stedet for å korrigere dem.
Lær deg AI-prompt engineering med en AI-veileder – gratis
Skriv og kjør ekte kode i nettleseren, få umiddelbar hjelp fra en AI-veileder som er tilgjengelig døgnet rundt, og fortsett der du slapp – på nettet eller i appen.
- Kurs
- 53
- Leksjoner
- 199
Ofte stilte spørsmål
Er leksjonen «Skrive effektive oppfølgingsledetekster» gratis?
Ja – du kan lese valgfritt 3 av leksjonene i læringsstien AI-prompt engineering, inkludert «Skrive effektive oppfølgingsledetekster», gratis i sin helhet her på nettet. Deretter låser CoddyKit PRO opp alle leksjoner, samt interaktiv øving med en innebygd kodeeditor og en AI-veileder som er tilgjengelig døgnet rundt. Kurset i AI-prompt engineering inneholder totalt 4 leksjoner.
Hva lærer jeg i «Skrive effektive oppfølgingsledetekster»?
Slik korrigerer du kursen: «Gjør det kortere», «Vær mer spesifikk om X». Du øver på AI-prompt engineering med praktisk kode som du kjører direkte i nettleseren, mens en AI-veileder som er tilgjengelig døgnet rundt, svarer på spørsmålene dine mens du jobber deg gjennom leksjonen.
Trenger jeg erfaring for å begynne med AI-prompt engineering?
Ingen tidligere erfaring er nødvendig. AI-prompt engineering på CoddyKit er lagt opp for både nybegynnere og viderekomne, så De kan begynne her eller helt fra start og lære i Deres eget tempo. Dette er leksjon 2 av 4.
Hvor lang tid tar leksjonen «Skrive effektive oppfølgingsledetekster»?
De fleste CoddyKit-leksjoner tar omtrent 5–10 minutter. Hver leksjon er kort og interaktiv, slik at De gjør jevne fremskritt og kan fortsette akkurat der De slapp – både på nettet og i appen.
Kan jeg skrive og kjøre kode i denne AI-prompt engineering-leksjonen?
Ja. Alle AI-prompt engineering-leksjoner har en innebygd kodeeditor, slik at De kan skrive og kjøre ekte kode direkte i nettleseren og få umiddelbar tilbakemelding fra AI – uten lokal konfigurering.
Alle leksjonene i dette kurset
- Lese og evaluere AI-resultater
- Skrive effektive oppfølgingsledetekster
- Bygge videre på tidligere svar
- Når du bør forbedre eller begynne på nytt