01
Prompt engineering, uden fyld
De teknikker der faktisk rykker outputkvaliteten — struktur, kontekst, eksempler og kontrol. Bygget til at scanne.
01 — FUNDAMENT
Vær specifik og direkte
Antagelser fylder hullerne ud. Luk hullerne selv.
- Sig hvad, til hvem og i hvilket format — ikke bare emnet.
- Positiv instruktion slår negativ: skriv "svar i prosa" frem for "ingen bullets".
- Giv kontekst på hvorfor — formålet styrer tonen og dybden.
- Sæt eksplicitte grænser: længde, læserniveau, hvad der må udelades.
# svagt Skriv om zero trust. # stærkt Skriv et 200-ords afsnit om zero trust til en ikke-teknisk ledelse. Fokus: hvorfor perimeter- modellen ikke holder. Prosa, ingen jargon.
02 — STRUKTUR
XML-tags til at adskille
Claude er trænet til at respektere tags. Brug dem til at skille instruktion fra data.
- Pak input, eksempler og regler i navngivne tags.
- Referér til tags senere i prompten ved navn.
- Konsistente tagnavne gør lange prompts robuste.
<instruks> Opsummer rapporten i 3 punkter. </instruks> <rapport> {{indsæt tekst}} </rapport> <format> Hvert punkt max 15 ord. </format>
03 — EKSEMPLER
Few-shot & multishot
Den hurtigste vej til konsistent format og tone.
- 2–5 eksempler dækker de fleste kanttilfælde.
- Vis både input og ønsket output — ikke kun outputtet.
- Inkludér et svært eller atypisk eksempel, ikke kun det nemme.
- Hold eksempler konsistente i stil — afvigelser bliver kopieret.
classification
extraction
tone-matching
formatering
04 — RÆSONNEMENT
Chain of thought
Lad modellen tænke før den konkluderer på komplekse opgaver.
- Bed eksplicit om at "tænk trin for trin" ved analyse, matematik, logik.
- Strukturér tænkning i et
<thinking>-tag, svar i et<svar>-tag. - Brug det ikke til simple opslag — det koster tokens uden gevinst.
- Vil du skjule ræsonnementet for slutbrugeren? Bed om det separat.
Tænk problemet igennem i <thinking>. Giv kun den endelige anbefaling i <svar>.
05 — ROLLE
System prompt & persona
Sæt rollen i systemprompten — det rammer ekspertise og tone på én gang.
- System prompt = hvem Claude er; user turn = opgaven.
- Konkret rolle slår vag: "DFIR-analytiker der reviewer en IR-rapport".
- Læg varige regler (tone, sprog, output) i system, ikke i hver besked.
// system
Du er en erfaren governance-konsulent.
Svar kort, dansk, og altid med konkrete
handlinger frem for generelle råd.
06 — KONTROL
Styr output direkte
Prefill og format-styring fjerner indledende fyld.
- Prefill assistant-svaret med f.eks.
{for at tvinge ren JSON. - Prefill med en tag for at springe præamblen over.
- Bed om præcist skema når output skal parses maskinelt.
- "Svar kun med …" når du vil undgå hjælpsom snak udenom.
# tving JSON, intet udenomssnak Svar KUN med gyldig JSON efter dette skema: { "risiko": "høj|mellem|lav", "begrundelse": "string" }
07 — LANGE DOKUMENTER
Når konteksten er stor
Rækkefølge og placering betyder noget, når du fodrer hele rapporter ind.
Data førstLæg lange dokumenter øverst i prompten, instruktionen til sidst. Det forbedrer kvaliteten markant ved store input.
Tag dine kilderPak hvert dokument i
<dok> med kilde/titel, så svar kan henvise præcist.Bed om citaterBed Claude finde relevante citater før analysen — grounder svaret i teksten.
Del store opgaverKæd prompts: udtræk → analysér → opsummer. Hvert trin bliver mere præcist end ét megaprompt.
08 — UNDGÅ
Typiske fejl
Høflig vaghed"Kan du måske kigge lidt på …" — vær direkte om opgaven, det forvirrer ikke modellen at være præcis.
Negativ stablingEn liste af "lad være med" er svagere end én klar beskrivelse af det ønskede.
Alt i én beskedModstridende krav i samme prompt. Split i trin eller adskil med tags.
CoT på altTrin-for-trin på trivielle opgaver spilder tokens og latens uden gevinst.
Iterér. Prompt engineering er empirisk. Skriv et udkast, kør det på reelle (også svære) cases, og ret én ting ad gangen. Behold det der virker.