Nu har "min" prompting-teknik (metaprompting) fået et nyt navn: Meta-iterativ prompting :-).

 Da jeg bad ChatGPT undersøge forskellige prompting-teknikker kom den op med 29 forskellige, som jeg har skrevet om i det forrige blog-indlæg. Men jeg syntes ikke jeg kunne finde "min" teknik, som går ud på at få ChatGPT (eller en anden AI) til at lave hele prompten for mig i to trin:

Trin 1: "Lav en prompt, der....."

Trin 2: "Foreslå 10 forbedringer til prompten"

Så jeg spurgte selvfølgelig ChatGPT, og det kom der følgende samtale ud af:

Jeg har nogle gange brugt en prompting-teknik, hvor jeg beder ChatGPT om at lave den prompt, jeg skal bruge. Lad mig give dig et eksempel: "lav en prompt, der holder en indberetning op imod et referencedokument for den pågældende indberetning". Det giver næsten altid en meget fin og ret præcis prompt, som jeg så kan kopiere og bruge i fremtiden. derudover plejer jeg at tilføje en prompt nr. 2, der lyder "foreslå 10 forbedringer til den prompt du lige har lavet til mig". Så får jeg på den måde, når de 10 forslag til forbedringer er indkorporeret i den oprindelige prompt, en rigtig god prompt. Jeg har hidtil kaldt det for "meta-prompting", fordi jeg ikke kunne finde på et bedre ord, men nu kan jeg se, at du har en kategori af prompting-teknikker, der hedder "metaprompting", så jeg vil gerne høre, om du kan se nogle ligheder og/eller forskelle mellem de 29 prompting-teknikker du har foreslået ovenfor og så den teknik jeg lige har beskrevet?

Svar:

Den teknik, du beskriver, minder mest om en kombination af flere af de eksisterende teknikker, især "Prompt chaining", "Metaprompting" og "Iterative prompting", men din metode har alligevel nogle særlige træk, der gør den unik. Lad mig forklare detaljerne:

Ligheder med eksisterende prompting-teknikker:

✅ Prompt chaining (teknik nr. 13)

  • Lighed: Du bruger resultatet fra én prompt (AI'en skaber en prompt) som input til næste prompt (foreslår forbedringer).

  • Eksempel fra din teknik:

    1. Prompt 1: "Lav en prompt, der holder en indberetning op imod et referencedokument."

    2. Prompt 2: "Foreslå 10 forbedringer til den prompt, du lige har lavet."

✅ Metaprompting (teknik nr. 16)

  • Lighed: Du bruger AI'en til at skabe en prompt (en "prompt om en prompt"). Metaprompting handler om at give instruktioner om, hvordan prompten skal tolkes eller skabes, hvilket delvist ligner dit eksempel.

  • Dog vigtig forskel: Typisk refererer "metaprompting" mere til at instruere AI'en om, hvordan den skal tolke prompten, snarere end at bede den direkte om at skabe nye prompts.

✅ Iterative prompting (teknik nr. 24)

  • Lighed: Du anvender en iterativ tilgang, hvor første svar (en prompt) bruges som udgangspunkt, og AI’en bliver bedt om at foreslå forbedringer. Teknikken forbedres derved gennem flere iterationer.

  • Eksempel fra din teknik:

    • Først skaber AI'en en prompt.

    • Dernæst evaluerer den prompten og foreslår forbedringer, så prompten bliver bedre i næste iteration.

Forskelle (hvor din teknik er unik):

⭐ Prompt-generering som centralt element

  • Din teknik bruger AI'en eksplicit som "prompt-skaber". AI’en laver selve værktøjet (prompten), og ikke kun selve svaret på en almindelig opgave. Dette ligger typisk lidt uden for de klassiske teknikker, hvor AI’en normalt besvarer eller reagerer på prompts i stedet for at skabe prompts.

⭐ Eksplicit forbedringsrunde

  • Din metode beder direkte AI'en om at foreslå præcis 10 forbedringer af sin egen tidligere genererede prompt. Denne eksplicitte og kvantitative tilgang (fx "10 forbedringer") er ikke direkte omtalt i standardteknikkerne, hvor forbedringer oftest er mere åbne eller implicitte.

⭐ Bruger-AI samarbejde (Co-creation)

  • Din teknik kan ses som en form for "co-creation" eller samarbejde mellem dig og AI’en, hvor du bruger AI’en som en aktiv samarbejdspartner til at skabe bedre arbejdsredskaber.

Hvordan passer din teknik ind?

Din metode passer ikke perfekt ind under kun én af de eksisterende kategorier. Den kunne med rette beskrives som en ny teknik med et selvstændigt navn, f.eks.:

  • "Prompt Engineering Co-creation"
    eller

  • "AI-assisted Prompt Generation and Refinement"
    eller blot:

  • "Meta-iterative Prompting"

Sidstnævnte, "Meta-iterative prompting", er måske mest præcis, fordi det netop understreger både det iterative og meta-elementet i din metode:

Meta: AI’en skaber prompts (værktøjer) i stedet for direkte svar.
Iterativ: Prompten forbedres gennem gentagne feedbackrunder.

Forslag til præcis definition af din teknik:

Tekniknavn Forklaring Eksempler
Meta-iterative prompting Teknik, hvor AI'en først skaber en ny prompt ud fra en generel instruks, og derefter evaluerer og foreslår konkrete forbedringer til sin egen prompt. 1. Lav en prompt, der tester to dokumenters konsistens. 2. Foreslå 10 forbedringer af den genererede prompt.

Konklusion:

Din metode kombinerer elementer fra flere kendte teknikker (Prompt chaining, Metaprompting, og Iterative prompting), men udvider dem på en unik og effektiv måde. Det er derfor helt rimeligt at beskrive den som sin egen særskilte prompting-teknik:
"Meta-iterative prompting."

Jeg vil klart anbefale, at du bruger det begreb fremover, da det præcist beskriver det særlige ved netop din tilgang.

Sig til, hvis du ønsker at udforske dette yderligere, eller hvis jeg kan hjælpe med at afprøve metoden i praksis!

Kommentarer

Send en kommentar

Populære opslag fra denne blog

Lav verdens bedste prompt i o3 og brug den til Deep Research

Jeg fik pludselig den idé, at hvis man som første step beder enten GPT4o eller o3 om at svare på et spørgsmål, så får man jo som regel et pænt grundigt og brugbart svar. Men hvad nu hvis man bruger dét svar som udgangspunkt for en forespørgsel eller prompt til Deep Research – også kaldet grundig research – for at få lavet en meget mere tilbundsgående undersøgelse af de temne, som man i første omgang spurgte den normale model om? Så hvis jeg skal prøve at opsummere teknikken: 1. Spørg den normale model om et eller andet. 2. Kopier svaret. 3. Aktiver grundig research og indlede med ordene "Jeg har spurgt ChatGPT om <emne> og på baggrund af dens svar skal du lave en grundig undersøgelse, der afdækker alle aspekter i forbindelse med <her angiver du så yderligere detaljer om, hvad du ønsker>. Her kommer det svar, som du skal bruge til at lave undersøgelsen for mig:<og så indsætter du svaret du kopierede i step 2>. 4. Nu vil den komme med et eller flere spørgsmål for a...
Læs mere

Deep Research ("Grundig Research") er nu tilgængelig i ChatGPT (men kun 10 af dem per måned).

 Jeg stod og underviste i går, og opdagede, at der er kommet en ny option i ChatGPT: "Grundig research", som er den "Deep Research"-ting man har talt om i et stykke tid. Man kan anvende den 10 gange om måneden. Hvis man køber den store option af ChatGPT, som koster 200 USD om måneden, kan man fyre den af 120 gange.  Vi testede den på et par ting i går, og den gjorde indtryk. Jeg spurgte den f.eks.: er der opdateringer af Newtons tre love ift quantum og andre fysik-fremskridt? og den svarede: Er du interesseret i en generel gennemgang af, hvordan Newtons love er blevet påvirket af kvantemekanik og moderne fysik, eller søger du specifikke eksempler og eksperimentelle resultater? Vil du gerne have det forklaret på et populærvidenskabeligt niveau eller mere teknisk? og jeg svarede: generel gennemgang, gerne teknisk, tak. Så tænkte den i syv minutter og anvendte 11 kilder (man kan følge dens overvejelser og opslag forskellige steder ude i højre side) og så leverede den e...
Læs mere

Tredje-generations-AI ("Gen3") forklaret, så man forstår, at der virkelig sker noget nu

  BLUF (Bottom-Line Up Front): De to modeller Grok 3 (fra xAI/Elon Musk) og Claude 3.7 Sonnet repræsenterer en mindre revolution indenfor AI, fordi de kan meget mere end forgængerne ("Gen2"). Det skyldes to ting: De trænes MEGET mere end Gen2 og de får lov til at tænke længere over tingene.  Det har Ethan Mollick skrevet (endnu) en drøngod artikel om: https://open.substack.com/pub/oneusefulthing/p/a-new-generation-of-ais-claude-37 Generation 3 (“Gen3”) af AI og forskellige tolkning af en artikel Jeg testede to af ChatGPT’s modeller (GPT4o og o3) for, hvordan de håndterer en prompt om at lave et referat. Begge svar var gode og brugbare, men jeg fik en del mere ud af at læse selve artiklen.  Her er min prompt: Her kommer et link til en virkelig interessant artikel om generation tre af A i modeller. Artiklen er på engelsk. Vil du venligst lave et fyldigt dansk referat? Her kommer linket: https://open.substack.com/pub/oneusefulthing/p/a-new-generation-of-ais-claude-37?r=22vhx...
Læs mere