11 regler til at skrive bedre prompts til AI-agenter

For to uger siden var jeg lige ved at blive dårlig, da jeg skrev en artikel om, hvordan man scraper produkter fra en webshop.

Her er grunden: Jeg forsøgte at scrape produkter fra webshoppen GymShark med et prompt-framework til dataklassificering og redigering, som jeg havde udviklet til AI Assistants i Datablist. I første omgang virkede det, men dataene blev ikke sorteret korrekt, og derfor var hele datasættet ubrugeligt.

Det var her, det gik op for mig, at forskellige AI-systemer og use cases kræver forskellige prompts.

Når du prompter, kan små detaljer gøre en enorm forskel, og hvis blot 5 % af detaljerne mangler, kan dit output være ubrugeligt.

Lad os komme i gang!

Hvis du har brug for en prompt-skabelon til en AI-agent, skal du begynde med inputtet, den kilde, der skal undersøges, de præcise outputfelter og instruktioner til, hvad agenten skal gøre, når der mangler dokumentation. Til en liste med virksomhedsresearch kan du bruge denne korte prompt:

For hver række skal du bruge værdien i Company Website til at undersøge virksomhedens eget website. Returnér Industry, Evidence URL og Status. Brug Not found, hvis du ikke kan bekræfte en branche. Gæt ikke ud fra virksomhedens navn. Knyt outputtet til den oprindelige række, så jeg kan gennemgå usikre resultater.

Det giver agenten både en kilde og en klar kontrakt for outputtet. Test først prompten på nogle få forskellige rækker, kontrollér dokumentations-URL'erne, og tilpas derefter instruktionerne, før du kører hele listen. Den detaljerede skabelon nedenfor viser, hvordan du kan udvide denne fremgangsmåde til research i flere trin.

Artiklens vigtigste pointer:

• Datablists AI-agenter kan søge på Google, besøge websites, kalde API'er og meget mere
• En god prompt gør en enorm forskel, når du bruger en AI-agent
• Det er lettere at prompte AI-agenter, når du følger vores best practices
• Datablist tilbyder prompt-skabeloner, men det bedste er stadig at lære at skrive dem selv

Datablists AI Agents og AI Assistants sammenlignet

For at forstå forskellen på at prompte AI Agents og AI Assistants skal vi først se nærmere på, hvad de hver især kan.

Her får du to korte og enkle overblik over værktøjernes funktioner:

AI Assistant

AI Assistants i Datablist er udviklet til at læse, klassificere, udtrække, redigere og generere tekst og kode.

AI Agent

AI Agents i Datablist er AI-systemer med værktøjer, der kan foretage Google-søgninger, rendere HTML-kode, navigere gennem flere sider, kalde API'er samt besøge og udtrække resultater fra Google News, websites, webshops og meget mere.

💡 Enkelt og ligetil

Tænk på AI Agents som systemet, der arbejder med eksterne data, og AI Assistant som systemet, der arbejder med dataene i din Datablist collection.

Funktioner i Datablists AI Agent

For at skrive en effektiv prompt til en AI Agent er det værd at gennemgå agentens værktøjer og funktioner igen. Den kan:

• Søge på Google
• Søge i Google News
• Udtrække og generere tekst eller kode
• Hente kontooplysninger
• Besøge et website
• Gennemgå flere sider på et website
• Rendere HTML
• Kalde API'er

11 regler til prompts for AI Agents i Datablist

Når du har styr på de tilgængelige værktøjer, kan du bruge disse regler til at gøre prompten lettere at følge og resultaterne lettere at gennemgå. En tydelig prompt kan mindske tvetydighed, men den kan ikke garantere korrekte svar. Reglerne er:

1. Betragt din prompt som en ruteplan: Du skal guide agenten gennem din opgave i stedet for blot at stille et krav og forvente, at det virker.
2. Begynd altid med dit mål, og giv den nødvendige kontekst.
3. Sæt labels på promptens enkelte sektioner, så agenten bedre kan fortolke teksten og skelne mellem handlinger og kommandoer.
4. Brug tydelige kommandoer til at aktivere AI-agentens værktøjer, eksempelvis "søg på Google", "udtræk tekst" og "hent HTML-kode".
5. Sæt labels på outputfelterne, og giv konkrete eksempler, da de danner grundlag for konfigurationen af dit output.
6. Hvis du scraper noget bestemt, skal du fortælle agenten, hvor på websitet den kan finde de ønskede oplysninger.
7. Brug separatorer mellem promptens dele (===) for at skabe en tydelig struktur.
8. Fortæl agenten, hvilke fejl den skal undgå.
9. Definér, hvordan den skal håndtere fejl og manglende data.
10. Iterér på dine prompts, og giv ikke AI-agenten skylden for dårlige resultater (det plejede jeg selv at gøre).
11. Tilføj altid den kolonne, som dataene skal hentes fra, til sidst.

Når du følger disse retningslinjer og best practices til prompting af AI Agents, sparer du både credits og en masse tid på at justere dine prompts.

📘 Gode prompts gør en forskel

AI-agenten kan godt fungere, selvom du ikke følger nogen af reglerne ovenfor. Men hvis du bruger dem, får du langt bedre resultater, fordi promptens struktur har stor betydning.

Eksempler på AI Agent-prompts: god vs. dårlig

AI Agent-prompt: Et godt eksempel

Se først på den gode prompt og derefter på den dårlige.

Det er en prompt, jeg for nylig skrev for at scrape produkter fra en webshop.

Lad os gennemgå, hvorfor det er en god prompt:

1. Den begynder med et konkret, klart defineret mål og den nødvendige kontekst
2. Prompten består af flere sektioner, som alle har labels – det gør den nemmere for AI'en at forstå
3. Jeg brugte tydelige kommandoer med handlingsorienterede verber
4. Kommandoerne følger en klar rækkefølge
5. Jeg beskrev, hvad jeg ledte efter, og gav eksempler
6. Jeg forklarede, hvordan agenten skulle håndtere uoverensstemmelser og fejl i dataene
7. Den nævner konkrete fejl, som agenten skal undgå
8. Sektionerne er tydeligt adskilt med ===
9. Prompten er velstruktureret og guider AI'en gennem min opgave
10. Jeg placerede kolonnen med referencedata til sidst

AI Agent-prompt: Et dårligt eksempel

Hvis du tror, at jeg bare er en tech-fyr, der altid har kunnet skrive gode prompts, får du sandheden her: For det første kan jeg ikke kode, og for det andet så min prompt sådan ud før:

Ja, nogle vil måske stadig mene, at den er god, men det er den ikke – for resultaterne var slet ikke gode.

I dette eksempel gik mange ting galt. Selvom prompten ser avanceret ud, er både den og resultaterne ubrugelige. Her er mine fejl, og hvordan du kan undgå dem:

Fejl nr. 1: Middelmådig struktur

Prompten mangler et klart flow og en logisk organisering.

Sådan undgår du det:

Del dit mål op i konkrete trin, ligesom hvis du skulle forklare opgaven til en anden. Eksempel:

• Besøg først websitet.
• Find derefter produktsektionen.
• Udtræk til sidst prisen.

Fejl nr. 2: Uklare labels

Sektionernes labels er ikke konkrete nok.

Sådan undgår du det:

Brug et tydeligt hverdagssprog til at navngive sektionerne. Skriv "Produktoplysninger, der skal udtrækkes" i stedet for "Dataparametre". Skriv "Website-URL'er, der skal behandles" i stedet for "Input".

Fejl nr. 3: Ustruktureret output uden eksempler

Dataformatet og eksemplerne på det forventede output er ikke klart defineret.

Sådan undgår du det:

Medtag altid både datastrukturen i form af en nummereret liste og to-tre konkrete eksempler på det ønskede output.

Eksempel:

1. Produktnavn: Nike Air Max; Adidas Ultraboost; Puma RS-X;
2. Pris: $120; $180; $110;
3. Farve: Sort; Cloud White; High Risk Red;
4. Størrelse: US 9; US 10.5; US 8;
5. Materiale: Mesh og syntetisk materiale; Primeknit; Læder og mesh;

Fejl nr. 4: Ingen tydelig rækkefølge

Handlingerne står ikke i en logisk rækkefølge.

Sådan undgår du det:

Skriv trinnene, som om du gav en ven en vejledning: "Gør først dette og derefter dette".

Eksempel:

1. Åbn websitet;
2. Find produktsektionen;
3. Udtræk dataene

De 3 største fejl med AI Agents

Siden jeg begyndte hos Datablist.com, har jeg talt med mange kunder, som gerne ville bruge vores AI Agent. I løbet af samtalerne har jeg set et tydeligt mønster i de fejl, folk typisk begår – så sørg for, at du ikke gør det samme.

• De vil ikke bruge tid på prompts: Nogle tror, at AI'en kan regne ud, hvad de tænker, uden at de behøver at forklare det. De vil gerne spare tid, men synes samtidig, at det lyder lidt fjollet at bruge tid på at spare tid – vær ikke som dem.

• Instruktionerne er for uklare: I stedet for at skrive "hent produktoplysninger" skal du præcisere, hvilke datapunkter du har brug for. Skriv eksempelvis: "Udtræk produktnavn, pris i DKK og tilgængelige størrelser fra sektionen med produktdetaljer".

• De glemmer fejlhåndtering: Din prompt bør indeholde instruktioner til håndtering af manglende data og uventede situationer. Eksempel: "Hvis prisen ikke er angivet, skal du markere den som 'N/A'".

Hvor lang tid bør du bruge på at skrive prompts?

Overvej, hvor stor værdi du får ud af workflowet, og hvor meget tid det kan spare dig.

Personligt bruger jeg meget tid på at skrive prompts både til mig selv og for at hjælpe vores brugere.

Når jeg bruger Grok, bruger jeg ikke 30 minutter på at skrive en prompt. Jeg stiller bare det første spørgsmål og itererer derfra, fordi mine opgaver til Grok sjældent er særligt avancerede. Men når jeg skriver en prompt til personalisering af e-mails eller data cleaning, tager jeg mig god tid. Det sparer mig nemlig for senere at skulle finde fejl, justere prompten og prøve igen.

Harrison Chase, grundlægger af LangChain: "Jeg tror ikke, vi helt har fundet den rigtige måde at interagere med disse agent-applikationer på. Jeg mener stadig, at det er nødvendigt at have et menneske med i processen, fordi de ikke er specielt pålidelige. Men hvis mennesket er involveret for meget, udfører applikationen reelt ikke særlig meget nyttigt arbejde. Så der er en lidt mærkelig balance."

Min skabelon til AI Agent-prompts med eksempler

Kopiér skabelonen, og erstat hver pladsholder med dine egne input-, kilde- og outputfelter. Medtag en dokumentations-URL, når svaret stammer fra et website. Kør prompten på nogle få rækker, og kontrollér både vellykkede resultater og resultater med manglende data, før du bruger den i stor skala.

Her er mit framework anvendt på scraping af en webshop:

Her er mit framework anvendt på medieresearch:

Test prompten, før du kører hele listen

Selv en velstruktureret prompt skal testes på en stikprøve. Behold det oprindelige input ved siden af outputfelterne, så du kan kontrollere, at hvert resultat hører til den rigtige række. Ved research på websites bør du åbne den returnerede dokumentationsside og kontrollere den konkrete værdi, som siden skal underbygge.

Vælg nogle forskellige rækker, og brug disse acceptkriterier:

Hvis en kontrol mislykkes, skal du ændre den relevante instruktion og køre den samme stikprøve igen. Det gør det nemmere at vurdere effekten af ændringen. Medtag rækker med manglende data i testen, og acceptér statussen for manglende data, når ingen kilde underbygger en værdi.

Skabelonerne placerer rækkespecifikke input under tydelige #-labels til sidst. Erstat disse input med dine mappede værdier. Et kolonnenavn alene giver ikke agenten adgang til værdien i den pågældende række. Når du tilpasser skabelonen, skal de faste opgaveinstruktioner blive stående over inputblokken.

Ofte stillede spørgsmål om at skrive AI-prompts

1. Skal jeg virkelig bruge tid på prompts? Kan jeg ikke bare spørge AI'en?

Det kan virke tidskrævende, men tydelige prompts er afgørende, hvis du vil have præcise resultater. Uklare instruktioner giver uklare output, og i det lange løb koster det dig mere tid på gentagelser og rettelser.

2. Hvad kendetegner en god og en dårlig prompt?

En god prompt har en tydelig struktur, konkrete instruktioner, eksempler på det ønskede output og retningslinjer for fejlhåndtering. Dårlige prompts er uklare og ustrukturerede, mangler eksempler og tager ikke højde for mulige fejl eller uoverensstemmelser.

3. Findes der en enkel skabelon til at skrive prompts?

Ja. Artiklen indeholder en skabelon med fem hovedsektioner: Mål, Opgaveinstruktioner, Oplysninger, der skal udtrækkes, Regler for databehandling og Fejl, der skal undgås. Hver sektion skal være tydeligt adskilt med ===.

4. Hvor detaljerede skal eksemplerne i min prompt være?

Eksemplerne skal være konkrete og dække de forskellige situationer, du kan støde på. Hvis du eksempelvis udtrækker produktoplysninger, bør du medtage eksempler på de forskellige formater, valutaer eller måleenheder, du forventer at se.

5. Hvilken del af en prompt må jeg ikke springe over?

Sektionerne om fejlhåndtering og "Fejl, der skal undgås" er afgørende. De forebygger almindelige problemer og sikrer ensartede output, selv når du støder på uventede data eller situationer.