Prompts til AI: tilstand for professionel prompting

I Commander Flow er der et preset, som 80 % af betatesterne ikke kender, og som for mig er blevet det mest værdifulde i hele produktet. Det er tilstanden til at skrive prompts — prompt-engineering.

Hvis du arbejder med AI-værktøjer (og i 2026 gør vi alle), bruger du dagligt tid på at formulere prompts: til ChatGPT, til andre cloud-LLM'er, til AI-billedgeneratorer, til dine egne interne AI-flows. Og de fleste af dem bliver middelmådige, fordi vi skriver dem på farten, mellem andre opgaver.

Dette preset forvandler min mundtlige tanke til en struktureret professionel prompt på halvandet sekund.

Hvad den gør

Jeg holder genvejstasten nede og siger som til et menneske:

"Hør, jeg har brug for at en AI-agent gennemgår denne PR på github og finder steder, hvor der kan være memory leaks, især i langtlevende disposables, og at den ikke gætter, men henviser til konkrete linjer. Konteksten er .NET 10, async-kode, og det er vigtigt, at vi bruger CancellationTokenSource, som nogle gange bliver genbrugt."

Får i tekstfeltet:

You are a senior .NET engineer reviewing a pull request.

CONTEXT:
- Codebase: .NET 10 (TFM net10.0)
- Heavy use of async/await with cancellation
- CancellationTokenSource instances are sometimes reused across operations

TASK:
Review the provided PR diff and identify potential memory leaks, with specific focus on:
1. Long-lived IDisposable instances that may not be properly disposed
2. CancellationTokenSource lifecycle issues (disposal, reuse)
3. Event handler subscriptions without unsubscription
4. Closures capturing disposable resources

CONSTRAINTS:
- Cite specific file paths and line numbers from the diff
- Do not speculate about code outside the visible diff
- If a finding requires more context, ask before recommending a fix

OUTPUT FORMAT:
For each finding:
- Severity: [Critical | High | Medium | Low]
- Location: file:line
- Issue: 1-2 sentence description
- Recommendation: concrete code change

Det er ikke "en lidt forbedret version af min replik". Det er en professionel prompt efter best practices: eksplicit role, structured context, explicit task, constraints, output format. Jeg ved, hvordan det skrives (jeg har taget kurser, læst bøger om prompt engineering) — men jeg skriver det ikke sådan hver gang i hånden, fordi det tager 5 minutter pr. prompt.

Commander Flow gør det på et sekund.

Hvad der er inde i presetet

Jeg bad teamet om adgang til system-prompten for tilstanden — den er offentlig. I bund og grund er det et sæt instruktioner til LLM:

• Struktur: role / context / task / constraints / output format / examples (hvor relevant)
• Tone: imperativ, uden høflige vendinger, maksimalt konkret
• Termination: eksplicit angivelse af, hvad der skal være i svaret, og hvad der ikke skal
• Anti-hallucination: tilføjer constraints mod opdigt af fakta
• Format: brug markdown / code-fences til struktur, hvis forespørgslen handler om kode

Det er det samme sæt praksisser, som professionelle prompt-ingeniører tilegner sig over måneders arbejde. Bare indbygget i en genvejstast.

"Jeg er holdt op med at skrive dårlige prompts ikke fordi jeg har lært at skrive gode, men fordi værktøjet ikke lader mig skrive dårlige."

Scenarier, hvor jeg bruger dette preset hver dag

Oftest bruger jeg denne tilstand før en opgave til en AI-assistent for kode. Jeg dikterer det, jeg vil — får en ren struktureret prompt, og agenten arbejder mærkbart mere præcist.

Det andet hyppige scenarie er prompts til AI-billedgeneratorer. Med stemmen beskriver jeg billedet; tilstanden konverterer det til en linje med korrekte modifikatorer som aspect ratio eller stil.

Når jeg skriver en system prompt til min interne AI-agent, gør jeg det gennem Commander Flow i stedet for at finpudse afsnit i hånden. På en time får jeg det, der normalt ville koste en hel dag.

Sjældnere, men stadig regelmæssigt — forespørgsler i AI-søgning. En velformuleret prompt giver der betydeligt mere relevante resultater, og det lagde jeg mærke til efter den første uge.

Og endelig alle "moment-prompts" til generering af tests, dokumentation, migreringer. Tidligere blev de "bare så de virker". Nu — alle på samme kvalitetsniveau.

En effekt, jeg ikke havde ventet

Jeg er begyndt at skrive prompts til mig selv. Det lyder mærkeligt. Lad mig forklare.

Jeg dikterer Commander Flow en prompt før en kompleks opgave — ikke for at fodre LLM, men for selv at læse den. Struktureret tekst, hvor context / task / constraints / acceptance criteria er eksplicit nedfældet — det er, viser det sig, en fremragende plan for opgaven for mig selv.

Det koster ingenting (1.5 sekunder), men forvandler "nu sætter jeg mig og tænker" til "her er den præcise definition af det, jeg laver". Det minder om, hvordan man lavede tekniske krav før — bare nu tager det 1.5 sekunder og er indbygget i værktøjet.

Hvad der ikke altid virker

Nogle gange "for professionelt". Hvis jeg vil have en simpel hurtig forespørgsel ("Claude, omskriv dette afsnit i tre linjer"), kan presetet udfolde det til et fuldt role/context/constraints. Løsning — skift til preset minimal-edit eller friendly-prompt (det er enklere, til korte forespørgsler). Holdet arbejder nu på automatisk detektering af kompleksitet.

Standard-best-practices er rettet mod Claude / GPT-5. Til andre modeller (åbne som Llama 3 eller specialiserede som Mistral) kan promptstilen variere. For absolut præcision bruger jeg prompt-engineering-llama eller prompt-engineering-mistral — separate presets, jeg har lavet i indstillingerne. Men det kræver, at man laver dem selv først, og det er et par minutters konfiguration.

LLM overkomplicerer nogle gange. Hvis jeg taler kort, tilføjer den nogle gange overflødige sektioner. I de tilfælde beder jeg "kortere, uden output format, kun task". Det giver en mini-prompt. Men til komplekse opgaver — passer det perfekt.

Hvorfor det er vigtigere, end det ser ud

I 2026, hvor AI-agenter er blevet hverdag, er evnen til at skrive gode prompts den nye læse-og-skrive-færdighed. Ikke en engelsklærer, ikke en mattelærer — men et værktøj, der forvandler din mundtlige tanke til en god prompt.

Og det her kan jeg lide ved Commander Flow: holdet laver ikke "et separat program til prompt engineering". De bygger det ind som endnu et preset i den samme genvejstast, jeg allerede bruger til alt andet. Minimum cognitive overhead, maksimal nytte.

Hvorfor jeg har brug for det her hver dag

Hvis Commander Flow kun kunne almindelig diktering — ville det være et godt produkt. Men prompt-engineering-tilstanden gør det til et værktøj for folk, der arbejder med AI-agenter hele dagen. Det er ikke længere om at taste. Det er om at hæve kvaliteten af hele din AI-kommunikation.

Jeg skrev denne artikel i tilstanden friendly (fordi det er et blog-indlæg). Og prompten til redaktøren, der retter den, — i tilstanden prompt-engineering. Og denne artikel blev strukturelt bedre, end hvis jeg havde skrevet prompten i hånden.

Ét værktøj. To abstraktionsniveauer. Én vane.

FAQ om prompt-tilstanden

Hvordan skifter jeg til prompt-tilstanden?

Ét klik i Commander Flows tray — vælg "Prompt-tilstand". Derefter dikterer du opgaven med almindelige ord, og programmet konverterer talen til en struktureret prompt efter best practices: role, context, task, constraints, output format.

Kan jeg bruge de genererede prompts til ChatGPT, Claude og andre LLM'er?

Ja. Promptet er universelt — du kan indsætte det i en hvilken som helst LLM-chat. Standardstrukturen er kompatibel med ChatGPT, Claude og lignende modeller. Du kan om nødvendigt opsætte separate skabeloner til den enkelte motor.

Hvad gør jeg, hvis prompten bliver for formel til en simpel opgave?

Sig med stemmen "kortere, ingen ekstra sektioner, kun task" — programmet forenkler strukturen. Til korte ad-hoc forespørgsler er det bedre at bruge den minimale poleringstilstand og kun aktivere professionel prompting til virkelig komplekse opgaver.

Kan jeg lave min egen prompt-skabelon?

Ja. I indstillingerne kan du gemme brugerdefinerede skabeloner til specifikke scenarier — f.eks. til kode-review, til marketingtekster, til en research-forespørgsel. Hver gang du dikterer en opgave, bruger programmet den valgte skabelon.

Hvor lang tid tager det at oprette en prompt med stemmen?

Halvanden til to sekunder fra dikteringen er færdig, til den færdige strukturerede prompt dukker op i det aktive felt. Sammenlignet med manuelt at skrive en prompt efter best practices er det dusinvis af gange hurtigere.