Prompt chaining: del komplekse opgaver op
Prompt chaining opdeler en kompleks opgave i flere kontrollerbare trin, hvor output fra ét trin bliver input til det næste. Det gør fejl lettere at opdage og giver mulighed for menneskelig godkendelse mellem faser.
Brug indholdsfortegnelsen til venstre, hvis du allerede kender grundprincipperne og vil direkte til implementeringen.
Kort svar: Prompt chaining opdeler en kompleks opgave i flere kontrollerbare trin, hvor output fra ét trin bliver input til det næste. Det gør fejl lettere at opdage og giver mulighed for menneskelig godkendelse mellem faser.
Hvad du får ud af guiden
Prompt chaining deler en stor opgave op i synlige mellemresultater. Det gør det muligt at kontrollere research, plan og output hver for sig i stedet for at opdage alle fejl i den færdige leverance.
Når du er færdig, bør du kunne:
- forklare hovedprincippet med udgangspunkt i din egen opgave
- afprøve metoden og kontrollere, om hvert trin kan testes isoleret
- genkende og undgå fejlen: “lave 15 mikrotrin uden praktisk gevinst”
Se det i en konkret situation
I stedet for at bede om en færdig markedsrapport i én prompt: 1) udtræk fakta fra kilder, 2) gruppér fund, 3) identificér huller, 4) lav disposition, 5) skriv, 6) faktatjek.
Sådan gør du – trin for trin
- 1. Find naturlige beslutningspunkter i opgaven.
Dette trin reducerer tvetydighed og gør det lettere at se, hvor en fejl eller dårlig beslutning opstår.
- 2. Lad hvert trin have ét tydeligt formål og output.
Et tydeligt format gør svaret lettere at kontrollere og sikkert at sende videre til næste arbejdstrin.
- 3. Gem mellemresultater i et format næste trin kan bruge.
Et tydeligt format gør svaret lettere at kontrollere og sikkert at sende videre til næste arbejdstrin.
- 4. Indsæt validering efter trin hvor fejl vil forplante sig.
Her beskytter du driften: samme hændelse må kunne fejle eller komme igen uden skjulte dobbelthandlinger.
- 5. Stop kæden når evidens eller kvalitet er utilstrækkelig.
Det skaber et tydeligt skel mellem dokumenteret information og modellens egen formulering eller analyse.
- 6. Automatisér først efter at den manuelle kæde fungerer stabilt.
Dette trin reducerer tvetydighed og gør det lettere at se, hvor en fejl eller dårlig beslutning opstår.
Her går det oftest galt
- At lave 15 mikrotrin uden praktisk gevinst.
- At sende et fejlbehæftet output videre uden validering.
- At skjule alle mellemresultater og dermed miste sporbarhed.
Øvelse: gør det på din egen opgave
Tag en kompleks opgave du normalt giver i én prompt. Del den i tre trin og definer, hvad du vil kontrollere efter hvert trin.
Kvalitetstjek
Brug disse spørgsmål, før du gør metoden til en fast arbejdsgang:
- Kan hvert trin testes isoleret?
- Er der et sted hvor et menneske bør godkende?
- Er det tydeligt hvilke data der flyttes videre?
Hvad du kan lære bagefter
Gå videre med den del af emnet, du stadig mangler at kunne bruge i praksis:
Ofte stillede spørgsmål
Hvad er hovedpointen i “Prompt chaining: del komplekse opgaver op”?+
Prompt chaining opdeler en kompleks opgave i flere kontrollerbare trin, hvor output fra ét trin bliver input til det næste. Det gør fejl lettere at opdage og giver mulighed for menneskelig godkendelse mellem faser.
Hvordan kan jeg øve det?+
Tag en kompleks opgave du normalt giver i én prompt. Del den i tre trin og definer, hvad du vil kontrollere efter hvert trin.
Hvilken fejl bør jeg især undgå?+
At lave 15 mikrotrin uden praktisk gevinst.
Hvornår er min løsning god nok til at bruge?+
Brug disse kontrolspørgsmål: Kan hvert trin testes isoleret? Er der et sted hvor et menneske bør godkende? Er det tydeligt hvilke data der flyttes videre?
Hvad er en AI-agent?
En AI-agent er et system, der kan vælge næste skridt og bruge tilladte værktøjer for at arbejde mod et mål. Det centrale er ikke “intelligens” som label,…
Læs videre
Sådan bygger du en AI-agent
Den sikreste måde at bygge en agent på er at starte med et enkelt workflow, tilføje én beslutning ad gangen og holde handlinger begrænset. Agentisk frihed bør…
Læs videre
API-guide til AI og automation
Et API er et kontraktlag mellem systemer. Når du bygger AI-automation, er det vigtigt at forstå endpoints, autentifikation, request/response, statuskoder, rate limits og idempotens før du lægger…
Læs videre