AI-prompts: profesjonell prompt-modus med stemmen

Commander Flow har en forhåndsinnstilling 80 % av betatesterne ikke kjenner til, og som for meg er blitt det mest verdifulle i hele produktet. Det er prompt-skrive-modusen — prompt-engineering.

Hvis du jobber med AI-verktøy (og i 2026 gjør vi alle det), bruker du daglig tid på å formulere prompts: for ChatGPT, for andre skybaserte LLM-er, for AI-bildegeneratorer, for dine egne interne AI-flyter. Og de fleste av disse promptene blir middelmådige, fordi vi skriver dem på sparket, mellom andre oppgaver.

Denne forhåndsinnstillingen gjør den muntlige tanken min om til en strukturert profesjonell prompt på halvannet sekund.

Hva den gjør

Jeg holder hurtigtasten og snakker som til et menneske:

«Hør her, jeg trenger at en AI-agent går gjennom denne PR-en på github og finner steder der det kan være minnelekkasjer, særlig i langlivede disposables, og at den ikke finner på ting men siterer konkrete linjer. Konteksten er .NET 10, async-kode, og det er viktig at vi bruker CancellationTokenSource som av og til gjenbrukes.»

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 «litt forbedret versjon av min replikk». Det er en profesjonell prompt etter best practices: eksplisitt role, structured context, explicit task, constraints, output format. Jeg vet hvordan det skrives (jeg har vært på kurs og lest bøker om prompt engineering) — men jeg skriver det ikke slik for hånd hver gang, fordi det er 5 minutter per prompt.

Commander Flow gjør det på et sekund.

Hva som er inni forhåndsinnstillingen

Jeg ba teamet om tilgang til moduspromptens systemprompt — den er offentlig. Det er i bunn og grunn et sett med instruksjoner til LLM-en:

• Struktur: role / context / task / constraints / output format / examples (om relevant)
• Tone: imperativ, uten høflighetsfraser, så konkret som mulig
• Termination: eksplisitt angivelse av hva som skal være i svaret og hva som ikke skal det
• Anti-hallucination: legg til constraints mot å finne på fakta
• Format: bruk markdown / code-fences for struktur ved kodeforespørsler

Det er det samme settet praksiser som profesjonelle prompt-ingeniører bruker måneder på å utvikle. Bare innebygget i en hurtigtast.

«Jeg sluttet å skrive dårlige prompts ikke fordi jeg lærte å skrive gode, men fordi verktøyet ikke lar meg skrive dårlige.»

Scenarier der jeg bruker denne forhåndsinnstillingen hver dag

Oftest bruker jeg modusen før jeg gir en oppgave til en kode-AI-assistent. Dikterer det jeg vil — får en ren strukturert prompt, og agenten jobber merkbart mer presist.

Det andre vanlige scenariet er prompts til AI-bildegeneratorer. Med stemmen beskriver jeg motivet; modusen omformer det til en streng med riktige modifikatorer som sideforhold eller stil.

Når jeg skriver en system prompt for min interne AI-agent, gjør jeg det via Commander Flow i stedet for å pusse på avsnitt manuelt. På en time får jeg det som vanligvis ville kostet en hel dag.

Sjeldnere, men fortsatt regelmessig — søk i AI-søk. En velformulert prompt gir betydelig mer relevante resultater der, og det merket jeg etter første uke.

Og til slutt, alle «øyeblikks-prompts» for å generere tester, dokumentasjon, migrasjoner. Før ble de «bare-så-det-funker». Nå — alle på samme kvalitetsnivå.

En effekt jeg ikke ventet

Jeg har begynt å skrive prompts til meg selv. Høres rart ut. La meg forklare.

Før en kompleks oppgave dikterer jeg nå en prompt til Commander Flow — ikke for å gi den til en LLM, men for å lese den selv. Strukturert tekst med eksplisitt context / task / constraints / acceptance criteria er, viser det seg, et utmerket plan-dokument for meg selv.

Det koster ingenting (1,5 sekunder), men gjør «nå skal jeg sette meg ned og tenke» om til «her er en presis definisjon av hva jeg gjør». Litt som man tidligere lagde tekniske spesifikasjoner — bare at det nå tar 1,5 sekunder og er bygget inn i verktøyet.

Det som ikke alltid funker

Av og til «for profesjonelt». Hvis jeg vil ha en enkel rask spørring («Claude, skriv om dette avsnittet på tre linjer»), kan forhåndsinnstillingen blåse det opp til full role/context/constraints. Løsning — bytt til minimal-edit eller friendly-prompt (den er enklere, for korte spørringer). Teamet jobber med autodeteksjon av kompleksitet.

Standard best practices er rettet mot Claude / GPT-5. For andre modeller (åpne som Llama 3, eller spesialiserte som Mistral) kan promptstilen avvike. For full presisjon bruker jeg prompt-engineering-llama eller prompt-engineering-mistral — egne forhåndsinnstillinger jeg har laget i innstillingene. Men du må først lage dem selv, og det er et par minutter med konfigurasjonspilling.

LLM-en overkompliserer av og til. Hvis jeg sier noe kort, legger den iblant på unødvendige seksjoner. I slike tilfeller ber jeg «kortere, uten output format, bare task». Resultatet er en miniprompt. Men for komplekse oppgaver — sitter den ideelt.

Hvorfor dette er viktigere enn det virker

I 2026, da AI-agenter er blitt hverdagslige, er evnen til å skrive gode prompts en ny ferdighet. Ikke en engelsklærer eller en mattelærer — men et verktøy som gjør den muntlige tanken din om til en god prompt.

Og det jeg liker med Commander Flow: teamet lager ikke «en egen app for prompt engineering». De bygger det inn som enda en forhåndsinnstilling i samme hurtigtast som jeg allerede bruker for alt annet. Minimum cognitive overhead, maksimum nytte.

Hvorfor jeg trenger dette hver dag

Hvis Commander Flow bare kunne vanlig diktering — ville det vært et bra produkt. Men prompt-engineering-modusen gjør det til et verktøy for folk som jobber med AI-agenter hele dagen. Det handler ikke lenger om skriving. Det handler om å heve kvaliteten på all AI-kommunikasjonen din.

Jeg skrev denne artikkelen i friendly-modus (fordi det er en blogg). Men prompten til redaktøren som skal redigere den — i prompt-engineering-modus. Og artikkelen ble strukturelt bedre enn om jeg hadde skrevet prompten manuelt.

Ett verktøy. To abstraksjonsnivåer. Én vane.

Vanlige spørsmål om prompt-modusen

Hvordan bytter jeg til prompt-modus?

Ett klikk i Commander Flow-systemstatusen — velg «Prompt-modus». Deretter dikterer du oppgaven med vanlige ord, og appen omformer talen til en strukturert prompt etter best practices: role, context, task, constraints, output format.

Kan jeg bruke de genererte promptene for ChatGPT, Claude og andre LLM-er?

Ja. Prompten er universell — den kan limes inn i hvilken som helst LLM-chat. Standardstrukturen er kompatibel med ChatGPT, Claude og lignende modeller. Ved behov kan du sette opp egne maler for konkrete motorer.

Hva gjør jeg hvis prompten blir for formell for en enkel oppgave?

Si muntlig «kortere, uten unødige seksjoner, bare task» — appen forenkler strukturen. For korte ad-hoc-spørringer bør du bruke minimal polerings-modus, og slå profesjonell prompting på først ved virkelig komplekse oppgaver.

Kan jeg lage min egen prompt-mal?

Ja. I innstillingene kan du lagre egne maler for konkrete scenarioer — for eksempel for code review, for markedsføringstekst, for forskningsspørringer. Hver gang du dikterer en oppgave, bruker appen den valgte malen.

Hvor lang tid tar det å lage en prompt med stemmen?

Halvannet til to sekunder fra du er ferdig med å diktere til den ferdige strukturerte prompten dukker opp i det aktive feltet. Sammenlignet med å skrive en best-practice-prompt for hånd er det titalls ganger raskere.