Prompt Engineering Techniques: LLM Optimization Guide

Prompt engineering är konsten och vetenskapen att systematiskt utforma indata för att få önskad utdata från AI-modeller. Korrekt promptstrategi kan öka modellprestandan med upp till 50%.

Prompt Engineering Fundamentals

Prompt Anatomy

En effektiv prompt består av följande komponenter:

System Instruction: Modellens roll och beteenderegler
Context: Bakgrundsinformation relaterad till uppgiften
Example(s): Exempel på önskat utdataformat
Task: Specifik begäran eller fråga
Output Format: Förväntad svarstruktur

Basic Prompt Structure

1[Role Definition]
2You are a {field of expertise} expert.
3
4[Context]
5{Relevant information}
6
7[Task]
8{Specific request}
9
10[Format]
11{Expected output format}

Basic Prompt Techniques

1. Zero-Shot Prompting

Direkt uppgiftsdefinition utan att ge exempel:

Summarize the following text:
{text}

Use cases:

Enkla uppgifter
Allmänna kunskapsfrågor
Klassificering

2. Few-Shot Prompting

Uppgiftsdefinition med exempel:

1Text: "This product is great, I am very satisfied"
2Sentiment: Positive
3
4Text: "It was a terrible experience, I do not recommend it"
5Sentiment: Negative
6
7Text: "It's okay for the price"
8Sentiment: ?

Best Practices:

3–5 exempel är vanligtvis tillräckligt
Lägg till olika edge cases
Blanda ordningen på exemplen

3. Chain-of-Thought (CoT)

Steg-för-steg-tänkande:

1Question: A store has 15 apples. 8 apples were sold, 
2then 6 more apples arrived. How many apples are there?
3
4Let's think step by step:
51. Initially there are 15 apples
62. 8 apples sold: 15 - 8 = 7 apples left
73. 6 apples arrived: 7 + 6 = 13 apples
8
9Answer: 13 apples

4. Self-Consistency

Olika resonemangsvägar för samma fråga:

1Solve this problem in 3 different ways and choose the most consistent answer:
2
3[Problem]

5. Tree of Thoughts (ToT)

Grenat tanketräd:

1Problem: {complex problem}
2
3Thought 1: {approach A}
4  → Sub-thought 1.1: {detail}
5  → Sub-thought 1.2: {detail}
6  
7Thought 2: {approach B}
8  → Sub-thought 2.1: {detail}
9  
10Evaluate and select the most suitable path.

Advanced Techniques

ReAct (Reasoning + Acting)

Tanke- och handlingsslinga:

1Question: How many times larger is Istanbul's population than Paris?
2
3Thought: I need to find the population of both cities
4Action: [search] Istanbul population
5Observation: Istanbul population ~16 million
6
7Thought: Now I need to find Paris population
8Action: [search] Paris population  
9Observation: Paris population ~2.2 million
10
11Thought: I can calculate the ratio
12Action: [calculate] 16 / 2.2
13Observation: 7.27
14
15Answer: Istanbul's population is approximately 7.3 times larger than Paris.

Constitutional AI Prompting

Definiera etiska och säkerhetsrelaterade regler:

1System: You are a helpful assistant.
2
3Rules:
41. Do not generate harmful content
52. Do not share personal information
63. Do not help with illegal activities
74. Always be honest
8
9User question: {question}

Role Prompting

Definiera specifikt expertområde:

1You are a cybersecurity expert with 20 years of experience.
2You have worked as a CISO in Fortune 500 companies.
3You can explain technical details clearly and understandably.
4
5User's question: {question}
6## Strategier för optimering av prompts
7
8### 1. Öka specifikiteten
9
10❌ Dåligt:

Write a blog post


✅ Bra:

Target audience: Software developers Topic: Docker container security Length: 1500-2000 words Tone: Technical but accessible Format: Introduction, 5 main sections, conclusion

1
2### 2. Bestämning av outputformat
3

Provide your response in this JSON format: { "summary": "string", "key_points": ["string"], "next_steps": ["string"], "confidence_score": number }

1
2### 3. Negativa instruktioner (Negative Prompting)
3
4Specificera oönskade beteenden:
5

Do NOT do the following:

Give speculative information
Make claims without citing sources
Lead the user
Give excessively long answers

1
2### 4. Användning av avgränsare
3
4Tydliggör sektioner:
5

###CONTEXT### {context information}

###TASK### {work to be done}

###FORMAT### {output format}

1
2## Modellspecifika optimeringar
3
4### För GPT
5

Use System message effectively
Activate JSON mode: response_format={"type": "json_object"}
Temperature: 0.7-1.0 for creative tasks, 0.1-0.3 for analytical

1
2### För Claude
3

Use XML tags: <context>, <task>, <format>
Put important information at the end in long context
Evaluate Thinking tags

1
2### För Gemini
3

Optimize for multimodal prompts
Up-to-date information with Grounding
Adjust Safety settings

1
2## Testning och iteration av prompts
3
4### A/B-testningsramverk
5

Prompt A: {version 1} Prompt B: {version 2}

Metrics:

Accuracy: %
Consistency: 1-5
Latency: ms
Token usage: #

1
2### Versionshantering av prompts
3

prompt_v1.0: First version prompt_v1.1: Typo corrections prompt_v2.0: CoT added prompt_v2.1: Output format changed

1
2## Enterprise-hantering av prompts
3
4### Skapa ett promptbibliotek
5

/prompts /classification - sentiment_analysis.json - intent_detection.json /generation - blog_writer.json - code_reviewer.json /extraction - entity_extraction.json - data_parsing.json

1
2### Promptmallssystem
3
4```python
5class PromptTemplate:
6    def __init__(self, template, variables):
7        self.template = template
8        self.variables = variables
9    
10    def render(self, **kwargs):
11        return self.template.format(**kwargs)
12
13# Usage
14sentiment_prompt = PromptTemplate(
15    template="Analyze sentiment: {text}",
16    variables=["text"]
17)

Vanliga misstag och lösningar

Misstag 1: Alltför vag prompt

Problem: Modellen förstår inte vad du vill
Lösning: Lägg till specifika instruktioner och exempel

Misstag 2: Mycket lång prompt

Problem: Tokenbegränsningar överskrids, kostnader ökar
Lösning: Ta bort onödig information, använd sammanfattningar

Misstag 3: Motstridiga instruktioner

Problem: Modellen beter sig inkonsekvent
Lösning: Prioritera och förtydliga regler

Misstag 4: Hallucination

Problem: Modellen hittar på information
Lösning: Grounding, krav på källhänvisning, lägre temperatur

Slutsats

Prompt engineering är en avgörande faktor för framgång i AI-projekt. Med rätt tekniker och ett systematiskt arbetssätt kan du avsevärt förbättra modellens prestanda.

På Veni AI utvecklar vi skräddarsydda promptstrategier för våra företagskunder. Kontakta oss för professionellt stöd.

Tekniker för prompt engineering: Guide för optimering av LLM