Prompt engineering er færdigheden med at skrive instruktioner, der får AI til at producere nyttig output. Hvis du nogensinde har skrevet noget ind i ChatGPT og fået et generisk, uhjælpsomt svar — og derefter omskrevet det og fået præcis det, du ville have — så har du lavet prompt engineering. Denne guide gør processen systematisk i stedet for tilfældig.
Den kerneidé er simpel: AI reagerer på specificiteten og strukturen i din input. Vagel input producerer vagt output. Specifik, velstruktureret input producerer specifikt, nyttigt output. Du behøver ikke teknisk viden. Du behøver fem vaner.
| Fundamental | One-Line Summary | Impact Level |
|---|---|---|
| Role | Fortæl AI'en, hvem den skal være | High |
| Context | Tilføj specifikke detaljer, den ikke kender | High |
| Constraints | Sæt grænser (længde, format, tone) | High |
| Examples | Vis, hvordan “godt” ser ud | Medium–High |
| Iteration | Ret output i opfølgninger, genstart ikke | Medium–High |
De 5 Grundlæggende Ting, Der Retter 90% af Dårlige Prompts
1. Fortæl AI'en, Hvem Den Skal Være
At starte med en rolle forvandler svaret. Uden en rolle falder AI'en tilbage på "hjælpsom assistent" — generisk og kedeligt. Med en rolle aktiveres domænespecifik viden, og den tilpasser sit sprog, dybde og perspektiv.
❌ FØR
Skriv en marketing-email til mig.
✅ EFTER
Du er en senior email-marketer hos et DTC-brand med 45% åbningsrate. Skriv en product launch-email for vores nye moisturizer. Målgruppe: kvinder 25-40, der har købt hudpleje hos os før.
Rollen behøver ikke være reel. "Du er en finansanalytiker med 15 års erfaring" virker, selvom AI'en ikke faktisk er analytiker. Det er en rammefaktor, der kanaliserer den rigtige viden og tone.
2. Giv Kontekst, Som AI'en Ikke Har
AI'en kender meget om verden generelt. Den kender intet om din specifikke situation. Overbyg den kløft.
❌ FØR
Hjælp mig med min præsentation.
✅ EFTER
Hjælp mig med en 10-minutters bestyrelsespræsentation. Jeg er VP for Engineering i et 200-personers SaaS-selskab. Publikum er ikke-tekniske bestyrelsesmedlemmer. Jeg skal forklare, hvorfor vi skal migrere fra AWS til GCP. Bestyrelsen bryder sig om omkostninger og pålidelighed, ikke teknisk arkitektur.
Kontekst inkluderer: hvem du er, hvem publikum er, hvad du allerede har prøvet, hvilke begrænsninger der findes, og hvordan det ønskede resultat ser ud. Mere relevant kontekst = bedre output fra første forsøg.
3. Sæt Grænser
Uden begrænsninger producerer AI'en, hvad der føles rigtigt — ofte for langt, for generisk eller i forkert format.
Nyttige begrænsninger:
"Hold det under 200 ord." "Brug punktopstillinger, ikke afsnit." "Skriv i første person." "Brug ikke jargon — læseren har ikke teknisk baggrund." "Inkluder præcis 3 eksempler." "Afslut med en specifik anbefaling, ikke en vag opsummering."
Begrænsninger er ikke begrænsninger — de er kvalitetskontroller. En 200-ords begrænsning tvinger AI'en til at prioritere. En "ingen jargon"-begrænsning tvinger klarhed. Hver begrænsning gør outputtet bedre, ikke værre.
Får du værdi ud af dette? Vi udgiver ugentligt om prompting-teknikker, der virkelig virker. Få dem i din indbakke →
4. Vis, Fortæl Ikke Bare
Et eksempel formidler mere end et afsnit med instruktioner. Hvis du vil have et specifikt format, tone eller stil — vis AI'en, hvordan det ser ud.
❌ FØR
Skriv et LinkedIn-indlæg om AI-produktivitet. Gør det engagerende.
✅ EFTER
Skriv et LinkedIn-indlæg om AI-produktivitet. Her er stilen, jeg vil have — korte linjer, én idé per sætning, en hook, der stiller et spørgsmål: [indsæt et eksempel-indlæg, du kan lide]. Match denne struktur og tone. Emne: hvordan jeg bruger Claude til ugentlige rapporter.
Det virker, fordi AI'en grundlæggende er en mønster-genkender. Giv den et mønster, og den reproducerer det. Sig "vær engagerende", og den gætter på, hvad du mener — ofte forkert.
5. Iterér, Start Ikke Forfra
Det første output er et groft udkast. Magien er i opfølgningen. I stedet for at starte en ny samtale, når outputtet ikke er perfekt, sig til AI'en, hvad der skal rettes:
To runder med iteration giver typisk bedre resultater end 10 forsøg på en perfekt første prompt. AI'en lærer af dine rettelser inden for samtalen.
ICCSSE Framework — Alle 5 grundlæggende i ét system
Disse fem vaner har et framework: ICCSSE — Identity, Context, Constraints, Steps, Specifics, Examples. Det er en tjekliste, du kan køre igennem, før du indsender enhver vigtig prompt.
Du behøver ikke alle seks elementer hver gang. Til et hurtigt spørgsmål rækker det at være specifik. Til en kompleks opgave — skriv en rapport, analysér data, byg en strategi — gør det at køre den fulde ICCSSE-tjekliste igennem før enter en kæmpe forskel.
Vil du se det i aktion? Indsæt enhver prompt i vores gratis Prompt Optimizer og se det anvende frameworket automatisk. Eller karakterér din prompt for at se, hvilke elementer der mangler.
Hvilken AI til hvad?
Modellen du bruger betyder noget. Her er en hurtig guide:
| Anvendelsesområde | Bedste standard | Hvorfor |
|---|---|---|
| Brainstorming + bred idéudvikling | ChatGPT | Hurtig iteration + bred dækning |
| Lange dokumenter + strenge begrænsninger | Claude | Følger flertrinsinstruktioner godt |
| Datanalyse med kode | ChatGPT (Code Interpreter) | Kører Python på dine filer |
| Google Workspace-workflows | Gemini | Sheets/Docs-integrationer |
For en detaljeret sammenligning, se vores ChatGPT vs Claude-analyse eller tag 60-sekunders Model Picker Quiz.
5 før-og-efter eksempler
Email-udkast:
Før: "Skriv en opfølgingsmail."
Efter: "Skriv en opfølgingsmail til en klient, der bad om et tilbud sidste tirsdag og ikke har svaret. Tone: varm men professionel. Mål: aftal et 15-minutters opkald denne uge. Hold det under 100 ord. Vær ikke påtrængende."
Kodereview:
Før: "Review min kode."
Efter: "Review denne React-komponent for: 1) fejl, 2) ydeevneproblemer, 3) tilgængelighedsgab. For hver sag, forklar hvorfor det betyder noget, og vis rettelsen. Prioritér efter alvorlighed."
Forskning:
Før: "Fortæl mig om konkurrentpriser."
Efter: "Jeg sælger et projektledelses-SaaS til $29/bruger/måned. Mine hovedkonkurrenter er Asana, Monday og Linear. Sammenlign deres prisniveauer med fokus på, hvad hver inkluderer i $25-35/bruger-området. Præsentér som en tabel."
Strategi:
Før: "Hjælp mig med at planlægge vores Q4."
Efter: "Jeg er marketingdirektør i et 50-personers B2B-SaaS. Vores Q3-resultater: 200 leads/måned, 5% konvertering, $45 CAC. Budget til Q4: $100K. Mål: øg leads til 350/måned. Giv mig 3 strategier rangeret efter forventet ROI. For hver: omkostning, tidsramme, forventet lead-øgning og den største risiko."
Skrivning:
Før: "Skriv et blogindlæg om remote work."
Efter: "Skriv et 1.200-ords blogindlæg, der argumenterer for, at hybrid work (3 dage på kontor, 2 remote) overgår fuldt remote for engineering-teams. Publikum: engineering-managere. Inkluder 2 specifikke datapunkter. Tone: samtaleagtig men evidensbaseret. Afslut med en praktisk anbefaling."
Hvad skal du lære næste gang
Denne guide dækker grundlæggende principperne. Når du er klar til at gå dybere:
ICCSSE Framework — Det komplette system til at skrive prompts, der virker fra første gang.
System Prompts Guide — Hvordan du opsætter persistent AI-adfærd til gentagne opgaver.
Context Engineering — Færdigheden, der erstattede basal prompting som den højest effektive AI-færdighed.
Prompt Templates Library — 70 klar-til-brug prompts organiseret efter kategori.
Vil du have mere som dette? Vi udgiver én handlingsorienteret AI-guide om ugen. Tilmeld dig gratis →
Ofte stillede spørgsmål
Har jeg brug for at lære prompt engineering, hvis AI bliver smartere?
Ja, men fokus skifter. Basale prompting-færdigheder (vær specifik, giv kontekst) vil altid betyde noget. Avanceret prompt engineering udvikler sig til context engineering — håndtering af den fulde kontekst, AI ser, ikke kun prompten. Begge færdigheder akkumulerer over tid.
Hvilken prompt-teknik giver den største forbedring?
At tilføje en rolle og relevant kontekst. Disse to ændringer forbedrer typisk outputkvaliteten med 50-80% sammenlignet med bare prompts. De tager 15 sekunder og virker på alle AI-modeller.
Skal jeg bruge samme prompting-stil til ChatGPT, Claude og Gemini?
Grundlæggende principper virker på alle modeller. Den største forskel: Claude følger komplekse flerledede instruktioner mere præcist. ChatGPT nyder godt af eksempler. Gemini fungerer bedst med klare, direkte spørgsmål. Men de fem vaner i denne guide virker overalt.
Er prompt engineering stadig værd at lære?
Ja. Selv når modeller bliver bedre, er klare instruktioner leverage. Vinderne er dem, der pålideligt får nyttigt output ved første 1-2 forsøg — ikke dem, der skriver de længste prompts.
Offentliggørelse: Nogle links i denne artikel er affiliate-links. Vi anbefaler kun værktøjer, vi har personligt testet og bruger regelmæssigt. Se vores fulde offentliggørelsespolitik.