Så ger du AI bättre kontext – och slipper generiska svar

2. Ge bakgrund som förändrar svaret

Innan din förfrågan, inkludera en eller två meningar med kontext som modellen inte skulle känna till annars. MasterPrompting.net föreslår att du ställer dig själv en diagnostisk fråga: ”Vad skulle modellen mest sannolikt få fel om jag inte berättade det här?” Det är precis den information du ska inkludera .

Samma källa uppskattar att enbart genom att berätta vem du är (eller vem resultatet är till för) och vad du försöker åstadkomma, förbättrar du 80 % av dina resultat .

3. Tala om vad den INTE ska göra

Att sätta gränser innan AI:n börjar generera filtrerar bort generiska svar vid källan. Till exempel: ”Använd inte klyschor, börja inte med ’I dagens snabba samhälle’, lista inte fler än 3 punkter.” Denna teknik rekommenderas av resurser som fokuserar på att undvika generiska svar från ChatGPT . Principen är att begränsa svarsutrymmet tidigt, innan modellen driver mot klichéer.

4. Strukturera prompts i avsnitt med etiketter

Använd tydliga avdelare som

## Bakgrund

## Instruktioner

## Begränsningar

## Output-format

5. Ge exempel på vad du vill ha

Ett enda bra exempel (eller ett dåligt exempel att undvika) i din prompt begränsar svarsutrymmet dramatiskt och minskar generiska svar. Detta kallas ”few-shot” prompting – att visa modellen vad du letar efter istället för att bara beskriva det .

Avancerade tekniker

Rankningsknepet

Istället för att be om ett svar, be om alternativ rankade på en skala. Exempel: Istället för ”Berätta ett skämt om solen”, prova ”Berätta 5 skämt om solen, rankade från mest kända till det 5:e du aldrig hört förut.” Detta tvingar modellen förbi sitt mest statistiskt sannolika (och därmed mest generiska) svar .

”Intervjua mig”-metoden

Börja din prompt med: ”Intervjua mig tills du förstår situationen, ge sedan din rekommendation.” Modellen kommer att ställa riktade frågor till dig innan den genererar sitt svar och därmed först dra ut bättre kontext från dig. Denna teknik kommer från erfarna användare som ser AI:n som en smart nyanställd som behöver samla in krav .

Iterativa uppföljningar

Acceptera inte det första svaret. AI:ns första svar är ofta ett genomsnitt – behandla det som ett första utkast. Följ upp med prompts som ”Gör det mer specifikt”, ”Ge mig en version för en icke-teknisk målgrupp” eller ”Utmana nu dina egna antaganden.” Varje iteration förbättrar specificiteten, och att behandla AI:n som en smart medarbetare som kan pressas på mer detaljer är ett kännetecken för avancerade promptare .

Uppmuntra till en ståndpunkt

Språkmodeller tenderar att som standard anta en neutral, balanserad ton. Om du vill ha ett mindre generiskt svar, be AI:n uttryckligen att inta en position. ”Tvinga den att inta en ståndpunkt” är en teknik som delas av erfarna användare som påpekar att AI:ns naturliga inställsamhet – dess tendens att vara till lags – kan omdirigeras genom att be om ett specifikt perspektiv .

Sammanfattning: Ett ramverk

För dina viktigaste prompts, kombinera dessa tekniker i ett strukturerat ramverk. En praktisk modell från användargemenskapen består av fyra delar :

• Uppgift: Korta, tydliga instruktioner
• Citat: Relevanta referenser eller kontext
• Anteckningar: Dina insikter eller punkter att överväga
• Ytterligare instruktioner: Format, ordantal, perspektiv, ton och begränsningar

Detta ramverk liknar ”Ricky”-ramverket (Roll, Avsikt, Villkor, Kontext, Exempel) och andra strukturerade tillvägagångssätt som praktiker använder för att få konsekventa, icke-generiska resultat .

Slutsats

Nyckelinsikten är att kontext inte handlar om att skriva längre prompts – det handlar om att skriva mer riktade sådana. Innan du skriver din förfrågan, ta 10 sekunder för att definiera vem AI:n ska vara, vad den ska undvika och vilken specifik information den behöver. Det ensamt kommer att förvandla dina resultat från generiska till genuint användbara.