En bra uppmaning definierar uppgift, sammanhang, gränser och recensionsformat

Korta förfrågningar som "gör en plan" lämnar viktiga beslut till modellen. En användbar instruktion beskriver det auktoriserade arbetet och materialet, visar vad som inte bör uppfinnas och anger hur man ställer frågor.

Använd en enkel struktur

Inkludera: uppgift (vad man ska göra), kontext (vad den ska användas till), källor (vad du kan tänka på), gränser (vad man inte ska avsluta eller avslöja), format (hur man organiserar svaret) och kontroll (vad som ska flaggas för mänsklig granskning).

Exempel: "Sammanfatta anteckningarna nedan i upp till fem punkter för ett supportteam. Använd endast anteckningarna; hitta inte på datum eller orsaker. Separera fakta från frågor och markera tvetydiga avsnitt för granskning. Bevara all identifierbar information? Byt inte ut namn med funktioner." Anpassa den sista gränsen till din organisations datapolicy.

Iterera med exempel och kriterier

Testa uppmaningen på vanliga och svåra ingångar. Jämför svaret mot definierade kriterier: fullständighet, tydlighet, källatrohet och hantering av osäkerhet. När det misslyckas, justera instruktioner eller flöde och spara regressionsexempel.

Undvik att ange inloggningsuppgifter eller personuppgifter utan lämplig grund. En välskriven uppmaning minskar oklarheten, men utdata kan fortfarande innehålla fel eller påhittad information; validera viktiga påståenden före användning.

Vanliga frågor

Är långa uppmaningar alltid bättre?

Nej. Inkludera sammanhang som ändrar svaret och ta bort upprepade instruktioner. Testa om varje detalj förbättrar verkliga resultat.

Får jag fråga att AI aldrig gör misstag?

Nej. Be dem att ange osäkerhet och gränser och kontrollera relevant fakta från en lämplig källa.

Ska jag spara mina uppmaningar?

Spara användbara versioner tillsammans med inmatningsexempel, kriterier och granskningsdatum, utan att inkludera känsliga uppgifter.

För att fortsätta lära dig med praktiska idéer för företag, prenumerera på Ímpetus nyhetsbrev gratis.