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 vilket degval du vill ha, vilka pålägg och kryddor du vill ha, vilken dryck du vill ha till och vad du eventuellt är allergisk mot.

Moralen av den här historien är: Ju mer detaljerade dina instruktioner är, desto bättre kommer pizzan att passa dina önskemål. Detta gäller vid användning av generativa AI-verktyg som OpenAI:s ChatGPT eller Googles Gemini.

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

Vad är prompt engineering?

Prompt engineering är processen att utforma och förfina den inmatningstext som ges 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 utvecklas till ett av de mest kraftfulla och inflytelserika verktygen inom ett brett spektrum av tillämpningar – från innehållsskapande till arkitektonisk modellering. McKinsey konstaterar att upp till 30 % av de arbetstimmar som för närvarande utförs i den amerikanska ekonomin skulle kunna automatiseras fram till 2030 med hjälp av generativ AI-baserad teknik.

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

Snabbare interaktioner: Prompt engineering fungerar som det primära gränssnittet mellan mänsklig avsikt och maskinens resultat. För att en maskininlärningsmodell (ML) ska kunna förstå din fråga i naturligt språk måste du ha kunskap om prompt engineering.

Att främja AI:s kreativitet: Det som utmärker generativ AI är att den ”genererar”, det vill säga skapar text, bilder eller data som svar på promptar. För att få kreativa svar måste du ange tydliga promptar.

Att få fram korrekta svar: En stor utmaning inom generativ AI har varit hallucinationer – ett fenomen där AI-modellen genererar felaktig eller vilseledande information baserat på felaktiga antaganden eller inbyggda fördomar. För att eliminera detta krävs goda färdigheter inom prompt engineering.

Maximera avkastningen: Generativ AI består av stora språkmodeller som bearbetar enorma mängder data. För att dra full nytta av modellens kapacitet – och kringgå dess begränsningar – är bra prompt engineering avgörande.

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

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

Exempel på prompt engineering

Det finns massor av tips på vad man ska och inte ska göra, bästa praxis och mallar för AI-promptar som hjälper dig att göra det rätt. Men innan vi går in på några av AI-tipsen är det bästa sättet att lära sig en så praktisk färdighet som prompt engineering att se den i praktiken.

Här följer några exempel på prompt engineering inom olika arbetsområden.

Prompt engineering för mjukvaruutveckling

Oavsett om du programmerar, åtgärdar 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 av en RPA-applikation (Robotic Process Automation) som är byggd i Python. Lägg särskilt fokus på läsbarhet och företagssäkerhet.”

Teknisk dokumentation

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

Felsökning

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

Gen AI-promptar för produktledning

Agila mjukvaruutvecklingsteam saknar ofta produktchefer som kan tydliggöra utvecklingsplanen och driva på arbetet. AI-verktyg som ChatGPT kan vara till hjälp.

Prioritering av funktioner

”Med hjälp av RICE-poängmodellen (Reach, Impact, Confidence, Effort) ska följande funktioner prioriteras för vårt kommande projektledningsverktyg: Kanban-tavlor, samarbete i realtid, automatiserad rapportering och integrationer med tredjepartstjänster.”

Skapande av användarprofiler

”Utveckla en detaljerad användarprofil för en träningsapp riktad till upptagna yrkesverksamma som är nybörjare inom personlig träning. Inkludera demografiska uppgifter, mål, utmaningar och hur de kan tänkas använda appen.”

Utveckling av produktplan

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

Exempel på prompt engineering inom projektledning

Du kan be Gen AI att skapa en projektplan som du sedan kan anpassa. Eller så kan du be om hjälp med att optimera delar av den. Vi tittar på båda alternativen nedan.

Utarbetande av projektplan

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

Resursoptimering

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

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

Läs mer om ClickUp Brain här:

Promptar för innehållsskapande

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

Kampanj i sociala medier

”Utforma en kampanj i sociala medier inför 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 e-postnyhetsbrev

”Skapa engagerande innehåll till ett månatligt nyhetsbrev för ett tech-startup som innehåller en produktuppdatering, en presentation av en teammedlem, kommande evenemang och en uppmaning som uppmuntrar läsarna att prova en ny funktion.”

Du kan också ge mer detaljerad information om produktuppdateringen eller en teammedlem för att få ett mer precist resultat. Se exempel nedan.

”Sätt strålkastarljuset på en teammedlem. Han heter Jake och är en fantastisk utvecklare. Han har varit hos oss i ett år denna månad. Under sin tid här har han hjälpt till att lösa några av kundernas största problem. En kund sa en gång: ”Utan Jake hade vi fastnat i en ond cirkel 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 ser positivt på AI-genererat innehåll, vilket har lett till att flera verktyg för att upptäcka AI har utvecklats. Det bästa sättet att använda Gen AI för innehåll är som ett verktyg för brainstorming eller som en utgångspunkt som eliminerar problemet med den tomma sidan.

Prompt engineering i chattbot-applikationer

Tekniskt sett är ChatGPT eller Google Gemini en chattbot som vi pratar med. Den förstår vad vi skriver och ger svar. Den är tränad på stora språkmodeller med en enorm mängd data.

Du kan använda dessa modeller och träna dem ytterligare med egenutvecklad eller branschspecifik information för att möjliggöra nyanserade, kontextmedvetna och personanpassade konversationer med användaren. I det här fallet kan kunden till exempel ställa frågor som: ”Hur mycket kostar den här ryggsäcken?”

En bra chatbot för kundtjänst kan dock utnyttja organisationens data om köphistorik, plats, preferenser, tidigare klagomål osv. för att ge svar och föreslå ytterligare produkter, vilket avsevärt förbättrar användarupplevelsen.

Prompt engineering för datorprogrammering och versionshanteringssystem

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

”Skriv en Python-funktion som ansluter till en SQL-databas och utför en SELECT-fråga baserat på parametrar som skickas till funktionen.”

Genom att integrera AI i arbetsflöden för versionshantering får man rekommendationer för kodgranskning baserade på commit-historiken, förslag på delar av kodbasen som kan behöva omstruktureras samt automatisering av rutinmässiga versionshanteringsuppgifter, vilket förbättrar kodkvaliteten och teamets produktivitet.

Prompting av kreativa AI-tekniker

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

En spelutvecklare kan till exempel använda en prompt som ”Skapa en bild av en huvudgata med modebutiker på båda sidor, i skymningen, i modern arkitektur 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 frågor i programmeringsspråk 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 delvis strukturerade datakällor.

Databehandling

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

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

Datavisualisering

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

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

Sentimentanalys med Gen AI-promptar

Sentimentanalys är oerhört populärt när det gäller användargenererat innehåll online, särskilt i inlägg på sociala medier. Din prompt för att förstå kundernas inställning till din produkt kan se ut så här.

”Utifrån min dataset med inlägg på sociala medier där [varumärke] nämns ska du klassificera dem som positiva, negativa eller neutrala. Identifiera de specifika egenskaperna/aspekterna som är förknippade med varje sentiment.”

Om du har lärt dig grunderna i hur prompt engineering fungerar är det dags att titta närmare på dess bredare tillämpningar och konsekvenser.

Prompt engineeringens roll i datadrivna sektorer

Av exemplen ovan framgår att du kan utföra grundläggande dataanalys eller sentimentanalys inom alla branscher. Generativ AI och prompt engineering tillför dock särskilt stort värde inom datadrivna sektorer och tillämpningar. Här förklarar vi hur.

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:

Personanpassade inlärningsupplevelser: Skapa lektioner och planer utifrån varje enskild elevs preferenser, kunskapsnivå 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 anpassade efter elevens aktuella nivå.

Handledning och stöd: AI-driven handledning för att besvara specifika frågor från elever eller ta itu med svårigheter, med förklaringar, resurser och övningsuppgifter.

Forskning och utveckling

Genom att utforma precisa och kontextuellt relevanta prompter utnyttjar forskare 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:

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

Data mining: Att upptäcka mönster, samband och avvikelser i stora datamängder.

Hypotesgenerering: Att generera flera hypoteser inom samma forskningsområde för att utforska flera olika vägar.

Experimentsimulering: Simulering av 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 vårdpersonal 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 idag det mest populära användningsområdet för generativ AI. Från journalister och marknadsförare till blyga utvecklare – användare inom alla branscher använder AI-textgeneratorer för sina behov.

Vanliga användningsfall är:

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

Prompt engineering vid bildgenerering

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

Prompt engineering vid generering av ljud och video

Generering av ljud och video genom prompt engineering har betydande tillämpningar inom underhållning, utbildning och virtuella assistenter. Några praktiska användningsfall för verktyg för skapande av AI-innehåll inkluderar:

Generativ AI har en enastående inverkan – den påverkar alla sektorer, branscher, geografiska områden och företagstyper. Under det kommande decenniet kan prompt engineering komma att definiera människors förmåga att lära sig och förstå saker, på samma sätt som ”Googling” gör idag.

Även om generativ AI utvecklas i snabb takt finns här några grundläggande metoder som du kan använda för att komma igång med prompt engineering.

Metoder för promptning

Innan vi går in på tekniska termer är det viktigt att komma ihåg att den största fördelen med generativ AI är att du kan ge dina instruktioner på naturligt språk. Så prata gärna med ChatGPT, Google Gemini eller Microsoft Copilot precis som du skulle göra i vanliga fall.

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

Zero-shot-inlärning

Att ge AI:n 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!’). ”

Few-shot-inlärning

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

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

Promptning baserad på tankekedjor

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

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

Avancerade tekniker för promptning

Låt oss nu titta närmare 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 använda en generativ AI-modell för att felsöka en bit programkod som den aldrig har stött på tidigare.

Med hjälp av zero-shot COT skulle modellen, trots att den inte har tränats på just detta specifika problem, formulera sin förståelse av problemet, logiskt härleda orsaker och lägga fram möjliga lösningar, steg för steg.

Automatisk promptingenjör (APE)

Tänk om AI kunde ge AI instruktioner för att hitta de rätta svaren? Ja, det är just det som är automatiserad 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 lyckade och misslyckade försök för att automatisera liknande uppgifter.

Därefter införlivar systemet nyckelord, strukturer och instruktioner som identifierats som mest benägna att leda till ett framgångsrikt resultat. När AI:n genererar skript utvärderar APE-systemet deras effektivitet, förfinar prompten utifrån vad den lär sig och förbättrar processen stegvis.

Oavsett vilken metod du använder kommer du sannolikt att stöta på 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 prompter och stilar för att få de 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 ger kanske inte 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.

Bias och känslighet: AI-modeller kan ärva bias från sina träningsdata, vilket du oavsiktligt kan förstärka genom prompt engineering. Dessutom kan hallucinationer, bias, bristande känslighet m.m. leda till skadliga, vilseledande eller oetiska resultat.

Skapa system för noggrann bedömning och etisk övervakning av AI-användningen.

Skalbarhet: När uppgifternas omfattning ökar blir det opraktiskt att manuellt utforma prompts för varje enskilt scenario.

Överväg automatisk generering eller optimering av prompter för framtida behov.

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

Använd metoder för tankekedjor och kräv att få se AI:ns logiska resonemang bakom viktiga resultat.

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

Ja, det gäller att hitta balansen.

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

Fokus 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 nog för analys? Vilka läkemedel är den här patienten allergisk mot? Vilka uppgifter från den här sprinten återstår att tilldela?

Användningsområdet för generativa AI-modeller växer ständigt. Som ett resultat av detta har prompt engineering blivit en oumbärlig 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 osv. Be modellen att skapa en remix av dina favoritlåtar till din nästa födelsedagsfest eller be den granska 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.

Och det är inte allt! ClickUp Brain har dessutom inbyggda prompter och hundratals mallar som hjälper dig att komma igång på rätt sätt. Se vad generativ AI kan göra för din projektledning. Prova ClickUp gratis redan idag!

Vanliga frågor om prompt engineering

1. Vad är prompt engineering, med exempel?

Att utforma indata för generativa AI-modeller som ChatGPT för att styra dem så att de producerar specifika eller önskade resultat kallas prompt engineering.

Exempel på prompt engineering

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

Prompt: ”Skapa ett Python-skript med hjälp av biblioteket Beautiful Soup 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 lyfter fram dess miljövänliga fördelar, hållbarhet och mjukhet. Inkludera en uppmaning som uppmuntrar till ett miljömedvetet liv och framhäver varumärkets engagemang för hållbarhet.”

3. Hur kommer jag igång med prompt engineering?

Det bästa sättet att komma igång med prompt engineering är att prova själv. Interagera med modellen på naturligt språk och lär dig förstå den. Samtidigt kan du:

Håll dig uppdaterad om framsteg inom AI och tekniker för naturlig språkbehandling, eftersom dessa kan påverka hur prompter bör struktureras.