Exempel på prompt engineering, tekniker och praktiska tillämpningar

Du skulle inte ringa en pizzeria och beställa en "pizza". För att få den middag du önskar skulle du ange ditt val av deg, toppings, kryddor, dryck och eventuella allergier.

Moralen av den historien är: Ju mer detaljerade dina instruktioner är, desto närmare dina önskemål blir pizzan. Detta gäller även vid användning av generativa AI-verktyg som Open AI:s ChatGPT eller Googles Gemini.

I det här blogginlägget visar vi hur du ger tydliga instruktioner och ställer specifika frågor till gen-AI-verktyg – en process som också kallas prompt engineering.

Vad är prompt engineering?

Prompt engineering är processen att utforma och förfina den inmatade texten till AI-modeller, särskilt språkmodeller, för att få fram de mest exakta, relevanta och kreativa svaren.

Varför du bör lära dig prompt engineering

Generativ AI håller på att bli ett av de mest kraftfulla och inflytelserika verktygen inom ett brett spektrum av tillämpningar – från innehållsskapande till arkitektonisk modellering. McKinsey har konstaterat att upp till 30 % av de timmar som för närvarande arbetas inom den amerikanska ekonomin skulle kunna automatiseras med hjälp av Gen AI-baserade tekniker fram till 2030.

För att utnyttja Gen AI på bästa sätt måste du behärska prompt engineering.

Accelerera interaktioner: Prompt engineering fungerar som den primära gränssnittet mellan mänsklig avsikt och maskinens resultat. För att maskininlärningsmodellen (ML) ska kunna förstå din fråga i naturligt språk måste du känna till prompt engineering.

Främja AI-kreativitet: Det som skiljer generativ AI från andra typer av AI är att den ”genererar”, dvs. skapar text, bilder eller data som svar på uppmaningar. För att få kreativa svar måste du ange tydliga uppmaningar.

Framkalla korrekta svar: En stor utmaning inom Gen AI har varit hallucination – ett fenomen där AI-modellen producerar felaktig eller vilseledande information baserat på felaktiga antaganden eller inneboende fördomar. För att eliminera detta behöver du goda kunskaper inom prompt engineering.

Maximera avkastningen: Generativ AI består av stora språkmodeller som bearbetar enorma mängder data. För att utnyttja modellens kapacitet på bästa sätt – och kringgå dess begränsningar – är god prompt engineering grundläggande.

Förbättra relevansen: Allt som genereras av AI måste vara relevant för den avsedda målgruppen. Du kan till exempel förbättra relevansen av dina AI-genererade inlägg på sociala medier för din målgrupp genom att ange deras demografi, intressen, behov, utmaningar osv.

För att dra nytta av dessa fördelar måste du förstå hur du kan använda prompt engineering för att få önskade resultat från generativ AI. Låt oss börja med några exempel

Exempel på prompt engineering

Det finns många tips och råd, bästa praxis och AI-promptmallar som hjälper dig att göra rätt. Men innan vi går in på några AI-hack är det bästa sättet att lära sig en så praktisk färdighet som prompt engineering att se den i praktiken.

Här är några exempel på prompt engineering inom olika arbetsområden.

Prompt engineering för mjukvaruutveckling

Oavsett om du programmerar, fixar buggar eller skriver dokumentation kan AI-verktyg för utvecklare göra ditt arbete mycket enklare. Så här fungerar det.

Hjälp med kodgranskning

”Skapa en checklista för kodgranskning för en RPA-applikation (Robotic Process Automation) som är byggd med Python. Fokusera särskilt på läsbarhet och företagssäkerhet.”

Teknisk dokumentation

”Skriv en omfattande guide om implementering av OAuth 2.0 i en webbapplikation med Node.js. Inkludera steg-för-steg-instruktioner och kodsnuttar för varje steg.”

Felkorrigering

”Beskriv en systematisk metod för att identifiera och åtgärda minnesläckor i en Java-applikation, inklusive verktyg som ska användas och vanliga områden som ska kontrolleras.” Om du är nybörjare och tycker att detta är lite för komplicerat har vi hjälp att erbjuda. Använd ClickUps ChatGPT-prompts för teknik för att generera idéer, processplaner och mycket mer.

Gen AI-prompts för produktledning

Agila mjukvaruutvecklingsteam saknar ofta produktchefer som kan klargöra färdplanen och driva utvecklingen framåt. AI-verktyg som ChatGPT kan vara till hjälp.

Prioritering av funktioner

”Använd RICE-poängmodellen (Reach, Impact, Confidence, Effort) och prioritera följande funktioner för vårt kommande projektledningsverktyg: Kanban-tavlor, realtidssamarbete, automatiserad rapportering och tredjepartsintegrationer.”

Skapande av användarpersonlighet

”Utveckla en detaljerad användarprofil för en fitness-app som riktar sig till upptagna yrkesverksamma som är nybörjare inom personlig träning. Inkludera demografiska detaljer, mål, utmaningar och hur de kan tänkas använda appen.”

Utveckling av produktplan

”Skissa på en 6-månaders produktplan för en utökning av en e-handelsplattform, med fokus på att integrera AI för personaliserade shoppingupplevelser. Beskriv faserna, viktiga milstolpar och förväntade resultat i detalj.” Eller välj bland över 130 ClickUp ChatGPT-prompter för produktledning och kom igång direkt.

Exempel på prompt engineering inom projektledning

Du kan be Gen AI att skapa en projektplan som du kan anpassa. Eller bara ta hjälp med att optimera delar av den. Vi kommer att se båda nedan.

Skapande av projektplan

”Utarbeta en detaljerad projektplan för lansering av en ny online-marknadsplats, inklusive faser som marknadsundersökning, design och utveckling, testning och strategi för lansering. Ange viktiga aktiviteter, nödvändiga resurser och tidsplaner för varje fas.”

Resursoptimering

”Analysera den aktuella resursfördelningen för ett mjukvaruutvecklingsprojekt och föreslå optimeringar för att säkerställa leverans i tid utan att kompromissa med kvaliteten. Beakta faktorer som kompetens, arbetsfördelning och kritiska uppgifter.”

Över 190 ChatGPT-prompts för projektledning, exklusivt utvalda för dig av ClickUp.

Läs mer om ClickUp Brain här:

Prompts för innehållsskapande

De bästa verktygen för att skapa AI-innehåll kan hjälpa dig att förbättra dina marknadsföringsresultat avsevärt. Prova följande för att se själv.

Kampanj i sociala medier

”Utforma en kampanj i sociala medier för lanseringen av ett nytt miljövänligt schampo. Inkludera tre olika Instagram-inlägg och tre olika Twitter-inlägg. Lägg till relevanta hashtags för varje plattform.”

Innehåll i nyhetsbrev via e-post

”Skapa engagerande innehåll för ett månatligt nyhetsbrev för ett teknikstartup som innehåller produktuppdateringar, en presentation av en teammedlem, kommande evenemang och en uppmaning till läsarna att prova en ny funktion.”

Du kan också ge mer information om produktuppdateringen eller en teammedlem för att få ett exakt resultat. Exempel nedan.

”Sätt strålkastarljuset på en teammedlem. Han heter Jake och är en fantastisk utvecklare. Han har varit hos oss i ett år nu. Under sin tid hos oss har han hjälpt till att lösa några av våra största kundproblem. En kund sa en gång: ”Utan Jake hade vi fastnat i en loop av förvirring. Han gjorde ett fantastiskt jobb genom att hjälpa oss att slå två flugor i en smäll.”

Använd ClickUp Brain som din skrivassistent, utför stavningskontroller, sammanfatta längre dokument, skapa tabeller, mallar, transkriptioner och mycket mer.

Kom ihåg att de flesta företag ännu inte föredrar AI-genererat innehåll, vilket har gett upphov till flera AI-detekteringsverktyg. Det bästa sättet att använda Gen AI för innehåll är som ett brainstormingverktyg eller en utgångspunkt som eliminerar problemet med tomma sidor.

Prompt engineering i chatbot-applikationer

Tekniskt sett är ChatGPT eller Google Gemini en chattbot som vi pratar med. Den förstår våra inmatningar och genererar svar. Den är tränad på stora språkmodeller med en uppsjö av data.

Du kan ta dessa modeller och träna dem ytterligare med egen eller branschspecifik information för att möjliggöra nyanserade, kontextmedvetna och personaliserade konversationer med användaren. I det här fallet kan kunden bara ställa frågor som "hur mycket kostar den här ryggsäcken?"

En bra chatbot för kundservice kan dock utnyttja organisatoriska data om köphistorik, plats, preferenser, tidigare klagomål etc. för att ge svar och sälja produkter, vilket avsevärt förbättrar användarupplevelsen.

Prompt engineering för datorprogrammering och versionshanteringssystem

Prompt engineering kan hjälpa utvecklare att generera specifika kodsnuttar i olika programmeringsspråk.

”Skriv en Python-funktion för att ansluta till en SQL-databas och utföra en SELECT-fråga baserat på parametrar som skickas till funktionen.”

Integrering av AI i versionshanteringsarbetsflöden ger rekommendationer för kodgranskning baserat på commit-historik, föreslår områden i kodbasen som kan behöva refaktorisering och automatiserar rutinmässiga versionshanteringsuppgifter, vilket förbättrar kodkvaliteten och teamets produktivitet.

Promptande AI-kreativa tekniker

Prompt engineering, särskilt med modeller som DALL-E, frigör oöverträffade möjligheter att generera fantasifulla och komplexa bilder utifrån textbeskrivningar.

En spelutvecklare kan till exempel använda en prompt som ”Generera en bild av en huvudgata med modebutiker på båda sidor, i skymningen, i modern arkitekturstil och svala färger”. Resultaten möjliggör snabb visualisering av spelmiljöer utan att det krävs omfattande manuell ritning.

Prompt engineering för databasanalys

Vanligtvis krävs det att någon med SQL-kunskaper skriver komplexa programmeringsspråksfrågor för att extrahera information från databaser. Generativ AI har förändrat detta och gör det möjligt att skriva frågor på naturligt språk för att hämta data från ostrukturerade eller halvstrukturerade datakällor.

Databehandling

”Var en datavetare och skriv kod för att rensa och förbehandla mina data för analys. Min dataset innehåller shoppinginformation för alla kunder under de senaste 30 dagarna.”

Här kan du be Gen AI att utföra specifika rengöringsuppgifter, såsom att eliminera tomma rader, ta bort rader med varukorgsvärden under 50 dollar och så vidare.

Datavisualisering

”Skriv kod i Python för att visualisera min dataset. Min dataset innehåller shoppinginformation för alla kunder över 50 år under de senaste 30 dagarna.”

Ange ytterligare specifikationer för visualisering och finjustering, till exempel ”visa mig shoppingtrender” eller ”organisera efter kategori”.

Sentimentanalys med Gen AI-prompts

Sentimentanalys är oerhört populärt i användargenererat innehåll online, särskilt från inlägg på sociala medier. Din prompt för att förstå kundernas åsikter om din produkt kan se ut som följer.

”Baserat på min dataset som innehåller inlägg på sociala medier som nämner [varumärke], klassificera dem som positiva, negativa eller neutrala. Identifiera de specifika egenskaper/aspekter som är förknippade med varje sentiment.”

Om du har lärt dig grunderna i hur prompt engineering fungerar är det dags att se dess större tillämpningar och implikationer.

Prompt engineeringens roll i datadrivna sektorer

Av exemplen ovan framgår att du kan göra grundläggande dataanalys eller sentimentanalys inom alla branscher. Generativ AI och prompt engineering ger dock ett särskilt mervärde inom datadrivna sektorer och applikationer. Så här fungerar det.

Utbildning

Bra prompt engineering hjälper lärare att skapa korrekt, relevant, engagerande och personaliserat innehåll i stor skala. Några av de mest lovande användningsområdena för Gen AI inom utbildning är:

Personliga inlärningsupplevelser: Skapa lektioner och planer baserade på varje enskild elevs preferenser, kunskaper och intressen på en bråkdel av tiden.

Automatiserad innehållsskapande: Snabb generering av stödmaterial, såsom sammanfattningar, frågesporter och läsförståelsefrågor.

Språkinlärning och övning: Skapa scenarier för konversationsövningar, grammatikövningar och ordförrådsövningar som är anpassade efter elevens aktuella nivå.

Handledning och support: AI-driven handledning för att besvara specifika frågor från elever eller hjälpa dem med svåra områden, med förklaringar, resurser och övningsuppgifter.

Forskning och utveckling

Genom att skapa precisa och kontextuellt relevanta prompts kan forskare utnyttja AI-modeller för att söka igenom stora datamängder, generera nya hypoteser och till och med simulera experimentella resultat.

Promptingenjörer kan hjälpa forskare att utforma rätt indata för att få exakta resultat i stor skala. Några scenarier där detta kan vara värdefullt är:

Litteraturgenomgång: Genomföra omfattande litteraturgenomgångar, identifiera relevanta studier, viktiga resultat och luckor i den aktuella kunskapsbasen.

Datagranskning: Upptäck mönster, korrelationer och avvikelser i stora datamängder.

Hypotesgenerering: Generera flera hypoteser inom samma forskningsområde för att utforska flera vägar.

Experimentsimulering: Simulera experiment eller modellresultat, vilket minskar behovet av kostsamma och tidskrävande fysiska experiment.

Hälso- och sjukvård

Prompt engineering förbättrar AI-modellernas förmåga att tolka komplexa medicinska data, ge diagnostiskt stöd, anpassa patientvården och underlätta forskning och utbildning.

Promptingenjörer kan hjälpa medicinsk personal att få bättre insikter från sina data i följande scenarier.

Praktiska användningsfall för prompt engineering

I grunden kan generativ AI skapa innehåll i tre former: text, bild och ljud/video. Några av de mest effektiva användningsfallen för AI inom dessa tre former är följande.

Prompt engineering vid textgenerering

Detta är det mest populära användningsområdet för generativ AI idag. Från journalister och marknadsförare till blyga utvecklare – användare inom alla områden använder AI-textgeneratorer för sina behov.

Populära användningsfall är:

Det finns också AI-verktyg för mötesanteckningar som kan transkribera videosamtal till textanteckningar eller sammanfatta textanteckningar för att identifiera viktiga punkter, åtgärdspunkter etc.

Prompt engineering vid bildgenerering

Även om bildgenerering fortfarande inte är lika utbredd som textgenerering, erbjuder den otroliga möjligheter för kreativitet. Populära användningsområden är bland annat:

Prompt engineering inom ljud- och videogenerering

Ljud- och videogenerering genom prompt engineering har betydande tillämpningar inom underhållning, utbildning och virtuell assistans. Några praktiska användningsfall för verktyg för skapande av AI-innehåll inkluderar:

Effekten av generativ AI är extraordinär – den påverkar alla sektorer, branscher, geografiska områden och typer av företag. Under det kommande decenniet kan prompt engineering komma att definiera en persons förmåga att lära sig och förstå saker, på samma sätt som ”Googling” gör idag.

Även om generativ AI utvecklas snabbt finns det några grundläggande metoder som du kan använda för att komma igång med prompt engineering.

Promptmetoder

Innan vi går in på tekniska termer, kom ihåg att den största fördelen med generativ AI är att du kan ge din input på naturligt språk. Så prata med ChatGPT, Google Gemini eller Microsoft Copilot som du skulle göra normalt.

Observera svaren och finjustera dina inmatningar efterhand. Här är några begrepp som kan hjälpa dig på vägen.

Zero-shot-inlärning

Att ge AI en uppgift utan tidigare exempel eller sammanhang kallas zero-shot prompting. Det kännetecknas av följande.

Exempel på prompt: ”Identifiera det primära programmeringsspråket som används i följande kodsnutt: print(‘Hello, World!’). ”

Få-skott-inlärning

Att ge AI-modellen några exempel på uppgiften innan den faktiska uppgiften presenteras kallas few-shot prompting.

Exempel på prompt: ”Givet följande par av in- och utdata: Inmatning: 5 * 5, Utdata: 25; Inmatning: 8 + 2, Utdata: 10; beräkna utdata för Inmatning: 7 – 4. ”

Prompting med tankekedjor

Att uppmana modellen att generera mellanliggande steg eller resonemang som leder till det slutliga svaret eller önskat resultat kallas chain-of-thought (COT)-uppmaning.

Exempel på prompt: ”För att vända en given sträng ’hello’ ska du först dela upp strängen i enskilda tecken. Därefter vänder du ordningen på dessa tecken. Slutligen sammanfogar du dessa tecken till en sträng igen. Vad blir det slutliga resultatet?”

Avancerade tekniker för prompting

Låt oss gå in på några mer komplexa och avancerade tekniker för prompt engineering.

Zero-shot CoT

Zero-shot chain-of-thought (COT) kombinerar de två metoderna för att hantera komplexa problem utan tidigare exempel i träningsdata.

Tänk dig att du använder en generativ AI-modell för att felsöka en mjukvarukod som den aldrig har stött på tidigare.

Med hjälp av zero-shot COT skulle modellen uttrycka sin förståelse av problemet, logiskt härleda orsaker och formulera potentiella lösningar, steg för steg, trots att den inte har tränats på just denna specifika fråga.

Automatisk promptingenjör (APE)

Tänk om AI kunde uppmana AI att hitta rätt svar? Det är automatisering av prompt engineering.

Att använda algoritmer och tekniker för att automatiskt generera eller optimera prompts för interaktion med AI-modeller kallas APE. I denna modell analyserar algoritmen ett korpus av framgångsrika och misslyckade försök att automatisera liknande uppgifter.

Sedan införlivar det nyckelord, strukturer och instruktioner som identifierats som mest sannolika att resultera i ett framgångsrikt resultat. När AI genererar skript utvärderar APE-systemet deras effektivitet, förfinar prompten baserat på vad det lär sig och förbättrar processen iterativt.

Oavsett vilken metod du använder kommer du sannolikt att möta några utmaningar på din väg mot effektiv prompt engineering.

Begränsningar och utmaningar med prompt engineering

Som ett framväxande område genomgår Gen AI sina egna upp- och nedgångar. Å andra sidan provar användarna olika prompts och stilar för att få det resultat de behöver. En teknik som utvecklas så snabbt kommer oundvikligen att möta utmaningar.

Några av de största begränsningarna med prompt engineering och sätt att övervinna dem.

Modellberoende: En prompt som fungerar bra med en modell kanske inte ger samma resultat med en annan.

Håll utkik efter skillnader i modellen. Gör justeringar och optimeringar efterhand.

Komplexitet och specificitet: Effektiva prompts kräver ofta en djup förståelse för modellens språk och kapacitet.

Hitta balansen mellan för vagt och för specifikt för att få ut mesta möjliga av dina stora språkmodeller.

Partiskhet och känslighet: AI-modeller kan ärva partiskhet från sina träningsdata, vilket du kan förstärka oavsiktligt genom prompt engineering. Dessutom kan hallucinationer, partiskhet, okänslighet etc. leda till skadliga, vilseledande eller oetiska resultat.

Bygg system för noggrann övervägning och etisk övervakning av AI-användningen.

Skalbarhet: När uppgifternas omfattning växer blir manuella tekniska uppmaningar för varje unikt scenario opraktiska.

Överväg automatisk promptgenerering eller optimering för framtida behov.

Tolkningsbarhet: Bristande tolkningsbarhet kan göra det svårt att iterativt förbättra prompts eller diagnostisera problem.

Använd tankekedjemetoder och insistera på att se AI:ns logiska resonemang för viktiga resultat.

Överanpassning och underanpassning: Överanpassning uppstår när en prompt är för anpassad till specifika exempel, vilket gör den mindre effektiv för allmänna fall. Underanpassning uppstår när en prompt är för bred, vilket leder till generiska eller irrelevanta resultat.

Hitta balansen.

Kostnads- och resursbegränsningar: Högkvalitativ prompt engineering, särskilt i en kommersiell miljö, kan kräva betydande beräkningsresurser och experttid.

Fokusera på praktiska tillämpningar och avkastning på investeringen.

Bli en mästare på prompt engineering med ClickUp

Vad heter den där låten med Taylor Swift? Hur mycket ost ska jag ha i min pasta? Är den här datamängden ren för analys? Vilka läkemedel är den här patienten allergisk mot? Vilka uppgifter från den här sprinten återstår att tilldela?

Omfattningen av generativa AI-modeller expanderar ständigt. Som ett resultat av detta framstår prompt engineering som en nödvändig kompetens bland yrkesverksamma inom alla branscher.

Din förmåga att tala LLM:s språk avgör hur framgångsrik du är när det gäller att få fram de bästa resultaten – en färdighet som sammanfattas i begreppet ”prompt engineering”.

Du kan prova på prompt engineering med någon av de kostnadsfria LLM-modellerna, såsom ChatGPT, Google Gemini, DALL-E etc. Be den att skapa en remix av dina favoritlåtar till din nästa födelsedagsfest eller titta på dina kreditkortsutdrag för att visualisera dina största utgifter.

Gör arbetet snabbare och effektivare med ClickUp Brain. ClickUp integrerar AI i plattformen för kunskapshantering, projektledning och skrivande.

Vad mer? ClickUp Brain har också inbyggda prompts och hundratals mallar som hjälper dig att komma igång på rätt sätt. Se vad generativ AI kan göra för din projektledning. Prova ClickUp gratis idag!

Vanliga frågor om prompt engineering

1. Vad är prompt engineering, med exempel?

Att skapa input för generativa AI-modeller som ChatGPT för att styra dem i att producera specifika eller önskade resultat kallas prompt engineering.

Exempel på prompt engineering

När en mjukvaruutvecklare vill använda ett språkmodell som GPT-4 för att generera ett Python-skript för en webbskrapa som samlar in nyhetsrubriker från en specifik webbplats.

Prompt: ”Generera ett Python-skript med hjälp av Beautiful Soup-biblioteket för att skrapa de senaste nyhetsrubrikerna från ’example-news-site.com’. Skriptet ska hantera paginering och lagra rubrikerna i en lista.”

2. Vad är ett exempel på en prompt?

All input du ger till en generativ AI-modell är en prompt. Med bra prompt engineering kan du förbättra resultatet avsevärt och göra det mer användbart, relevant, korrekt och engagerande.

Ett bra exempel på en prompt är: ”Skapa en produktbeskrivning på 150 ord för ett handduksset av bambufiber som betonar dess miljövänliga fördelar, hållbarhet och mjukhet. Inkludera en uppmaning till handling som uppmuntrar till ett miljömedvetet liv och främjar varumärkets engagemang för hållbarhet.”

3. Hur börjar jag med prompt engineering?

Det bästa sättet att komma igång med prompt engineering är att prova själv. Interagera med det i naturligt språk och förstå modellen. Parallellt kan du:

Håll dig uppdaterad om framsteg inom AI och naturlig språkbehandlingsteknik, eftersom dessa kan påverka hur prompts bör struktureras.