Jamen Ole & Sofie er jo veganere!
Sætningen landede som en tofu-klump i maven. Koldsveden piblede frem, mens jeg tomt stirrede på de nygrillede pølser, som lå og glinsede håbefuldt – komplet ubrugelige i selskab med gæster, der for længst har vinket farvel til svinets mange herligheder. Stoltheden over min perfekt afbalancerede grillstrategi forsvandt hurtigere end et Vingegaard-angreb på en alpetop. En redningsaktion måtte iværksættes øjeblikkeligt, hvis denne sommeraften ikke skulle ende som en total katastrofe.
Alt sammen pga. en misset detalje om at gæstelisten var 100 % plantebåret.
En chatbot har ikke næse for grillrøg, kan ikke aflæse den dårlige stemning, og den fanger ikke ironi eller underforståede hints. Den spiser hverken pølser eller gode intentioner, og den gætter ikke. Den er 100% bogstavelig og kan være en rigtig god hjælper, men kun hvis du taler dens sprog.
Skriv “lav noget lækkert,” og du risikerer at få en ordsalat, der smager af rod i køkkenet. Men hvis du i stedet prompter: “Lav en letforståelig, punktformet guide til lækker vegansk mad,” så får du noget du kan arbejde med i situationen.
I chatbot-verdenen er forskellen på fest og fiasko simpel: Det handler om, hvor skarpt du formulerer din prompt.
Derfor er prompting, helt afgørende når man arbejder med chatbots og ønsker gode resultater. Et godt prompt er som en klar opgavebeskrivelse, der giver klare instruktioner til sprogmodellen. Det skal fortælle hvad der skal laves, hvordan det skal laves, hvilket format det skal have og hvilket detaljeniveau, som forventes. Uden et præcist prompt risikerer man et svar, der ikke lever op til forventningerne.
Det er her begrebet Prompt Engineering kommer ind i billedet. Prompt Engineering er processen, hvor man formulerer og optimerer instruktioner til chatbots, så de kan levere det bedst mulige svar. Det handler om at forstå, hvordan chatbots fungerer – at de ikke selv kan resonere sig frem til et svar, men i stedet følger de mønstre og regler, de er blevet instrueret i. Derfor er det afgørende at give chatbotten de rette rammer og vejledning, så den kan arbejde præcist og effektivt.
Disse rammer inden for Prompt Engineering, kan hjælpe med at skabe klare og brugbare svar, inkluder blandt andet:
– Persona: Tildel chatbotten en rolle eller et perspektiv for at styre svarene i en bestemt retning.
– Format og Struktur: Angiv, hvordan svaret skal præsenteres, ift. struktur og tone.
– Begrænsninger: Sæt regler for, hvad chatbotten må og ikke må.
– Klarhed om Opgavens Omfang: Definér præcist, hvad der skal svares på, for at undgå irrelevante eller upræcise svar.
Derudover kan man yderligere implementere følgende teknikker, for at finde den rette balance mellem tilstrækkelig information og lav kompleksitet kan man også anvende metoder som
– Few-Shot Prompting: Inkluder eksempler, som kan guide chatbotten til at producere svar i den ønskede stil eller struktur.
– Fallback-Metoder: Brug chatbotten om at stille opklarende spørgsmål, hvis den mangler information.
– Chain-of-Thought: Opforder chatbotten til at tænke højt og forklare sine overvejelser trin for trin.
– Iteration: Arbejd iterativ på outputtet, og refinere det lidt af gangen.
– Selvevaluering: Brug chatbotten til at evaluere sit output, ift. en række krag.
Når du har fundet den rette balance mellem klarhed, struktur og detaljer i dine prompts, er du godt på vej til succes. Det svarer til at kende sine gæster og sikre, at grillmenuen passer til deres smag, så man sikrer en god oplevelse.
Chatbots kan ikke gætte eller aflæse humør, men de følger dine instruktioner til punkt og prikke. Derfor er det vigtigt at mestre promptingen, præcis som når man griller: God forberedelse gør hele forskellen.
Hos Indicator har vi stor erfaring med såvel at få pølserne til at smage godt samt at få chatbots til at levere optimale svar. Så hvis du vil undgå at brænde din næste prompt af eller stå med en slatten pølse uden smag, så tag fat i os!
