← Tilbage til Agenda

Denne side er for dem der vil dykke dybere ned i prompts, AI værktøjer og automation.

Del 1: Avancerede Prompt-teknikker

Chain-of-Thought Prompting

Hvad er det?

Chain-of-Thought (CoT) prompting får AI’en til at “tænke højt” og vise sin ræsonneringsproces.

Eksempel:

“❌ Simpel prompt: ‘Hvor mange billeder er kommet ind i dashboardet?’ ✅ Chain-of-Thought prompt: ‘Lad os løse dette step-by-step: 1. Hvilket system taler vi om? 2. Hvor i systemet skal vi tælle billeder? 3. Hvad er tidsperioden? 4. Hvordan tæller vi dem? Nu kan du svare på: Hvor mange billeder er kommet ind i dashboardet?’”

Fordele:

  • AI viser sin ræsonneringsproces
  • Lettere at identificere fejl
  • Bedre for komplekse opgaver

Few-Shot Learning

Hvad er det?

Few-shot learning betyder at give AI eksempler på hvad du vil have, så den kan kopiere formatet.

Eksempel:

“Du skal kvalificere ændringsønsker. Her er eksempler: Eksempel 1: Input: ‘Statistik/Dashboard. Hvor mange billeder?’ Output: Problem: Sagsbehandlere kan ikke se antal billeder. Kontekst: Dashboard viser statistik om jordforurening. Løsning: Tilføj tal der viser antal billeder. Test: Tjek at tallet matcher faktisk antal. Eksempel 2: Input: ‘Firmanavn skal automatisk udfyldes’. Output: Problem: Brugere skal manuelt indtaste firmanavn hver gang. Kontekst: Formular til registrering af jordforureningssager. Løsning: Auto-complete baseret på tidligere indtastninger. Test: Tjek at auto-complete virker for eksisterende firmaer. Nu kvalificer dette ændringsønsker: ‘Dashboard - modernisering’”

Fordele:

  • Konsistent output format
  • AI lærer fra eksempler
  • Bedre til struktureret output

Role-Based Prompting

Hvad er det?

Giv AI’en en specifik rolle og kontekst, så den opfører sig som en ekspert i det område.

Eksempel:

“Du er en senior software architect med 15 års erfaring i enterprise systemer. Du arbejder med: Miljøstyringssystemer, integration mellem forretning og IT, kvalificering af change requests. Dit ændringsønsker: ‘Statistik/Dashboard. Hvor mange billeder?’ Kvalificer dette ændringsønsker som du ville gøre det til et udviklingsteam.”

Fordele:

  • AI tager ekspert-perspektiv
  • Mere professionelt output
  • Bedre til komplekse opgaver

Self-Consistency Prompting

Hvad er det?

Bed AI’en om at generere flere svar og sammenligne dem for konsistens.

Eksempel:

“Dit ændringsønsker: ‘Statistik/Dashboard. Hvor mange billeder?’ Generer 3 forskellige kvalificerede versioner af dette ændringsønsker. Sammenlign dem og identificer: Hvad er konsistent på tværs af alle 3? Hvad varierer? Hvilken version er bedst og hvorfor?”

Fordele:

  • Identificerer inkonsistenser
  • Bedre kvalitet gennem sammenligning
  • Fanger edge cases

Tree-of-Thought Prompting

Hvad er det?

Få AI’en til at udforske flere løsningsveje parallelt og vælge den bedste.

Eksempel:

“Dit ændringsønsker: ‘Statistik/Dashboard. Hvor mange billeder?’ Udvikl 3 forskellige tilgange til at kvalificere dette: Tilgang 1: Fokusér på problemet. Tilgang 2: Fokusér på løsningen. Tilgang 3: Fokusér på brugerne. Evaluer hver tilgang: Styrker, svagheder, anvendelighed. Vælg den bedste tilgang og udvikl den fuldt ud.”

Fordele:

  • Undgår tunnelvision
  • Eksplorerer flere muligheder
  • Bedre beslutninger

Prompt Chaining

Hvad er det?

Opdel komplekse opgaver i mindre steps og kør dem sekventielt.

Eksempel:

“Step 1: Analyser dette ændringsønsker og identificer manglende information: ‘Statistik/Dashboard. Hvor mange billeder?’ Step 2: Baseret på analysen, stil 5 kvalificerende spørgsmål. Step 3: Antag at brugeren har svaret på spørgsmålene. Strukturer output i: Problem, kontekst, løsning, testkriterier. Step 4: Review strukturen og foreslå forbedringer.”

Fordele:

  • Håndterer komplekse opgaver
  • Lettere at debugge
  • Bedre kontrol over processen

Temperature Tuning

Hvad er det?

Temperature styrer hvor “kreativ” AI’en er. Lav temperatur = konservativ, høj temperatur = kreativ.

Eksempel:

“Lav temperatur (0.2-0.3): Kvalificering af change requests, tekniske specifikationer, testkriterier, konsistente svar. Høj temperatur (0.7-1.0): Brainstorming, kreative løsninger, idegenerering, varierede perspektiver.”

Anbefalinger:

  • Change requests: Lav temperatur (0.2-0.3)
  • Problem-solving: Medium temperatur (0.5-0.6)
  • Idegenerering: Høj temperatur (0.7-1.0)

Context Window Optimization

Hvad er det?

Optimér hvor meget kontekst du giver AI’en for at få bedste resultater.

Strategier:

  1. Prioritér relevant info:

    • Start med det vigtigste
    • Tilføj detaljer efter behov

  2. Brug strukturer:

    • Nummererede lister
    • Bullet points
    • Klare sektioner

  3. Opdater løbende:

    • Tilføj ny information efterhånden
    • Fjern outdated information

  4. Vær specifik:

    • Undgå vage formuleringer
    • Vær præcis i requirements

Eksempel:

“❌ Dårlig kontekst (for lang, ustruktureret): [500 linjer tekst uden struktur]. ✅ God kontekst (struktureret, prioriteret): Projekt: Miljøstyringssystem for Region Syddanmark. Problem: One-liners i GitHub Issues. Mål: Kvalificere ændringsønsker med AI. Eksempel: Input: ‘Statistik/Dashboard. Hvor mange billeder?’ Output: [struktureret format]”

Advanced Prompt Patterns

Pattern 1: CRISPE Framework

Context - Giv kontekst Role - Definer rolle Instructions - Klare instruktioner Style - Output stil Persona - Personlighed Examples - Eksempler

Eksempel:

“Context: Region Syddanmark miljøstyringssystem. Role: Senior software architect. Instructions: Kvalificer ændringsønsker. Style: Struktureret, professionel. Persona: Ekspert med 15 års erfaring. Examples: [3 eksempler]”

Pattern 2: STAR Framework

Situation - Hvad er situationen? Task - Hvad er opgaven? Action - Hvad skal gøres? Result - Hvad er forventet resultat?

Eksempel:

“Situation: One-liners i GitHub Issues. Task: Kvalificere ændringsønsker. Action: Brug AI til at stille spørgsmål og strukturere. Result: Kvalificeret ændringsønsker klar til udvikling”

Pro Tips - Prompts

  1. Start simpelt - Byg op gradvist
  2. Test forskellige tilgange - Find hvad virker bedst
  3. Iterér - Forbedre prompts over tid
  4. Dokumentér - Gem gode prompts til genbrug
  5. Del med teamet - Lær fra hinanden

Del 2: AI Værktøjer og Automation

CLI Værktøjer - AI direkte i terminalen

Claude Code (CLI) – Anthropic Claude i terminalen

Hvad er det?

Claude Code CLI giver dig adgang til Claude’s AI-funktioner direkte fra kommandolinjen. Perfekt til udviklere og power users der vil integrere AI i scripts, automatisere workflows og arbejde effektivt i terminalen.

Features:

  • AI i terminalen uden browser
  • Integration med scripts og automation
  • Batch processing af filer
  • Workflow automation

Installation:

“# Installer Claude CLI. npm install -g @anthropic-ai/claude-cli. # Eller via brew (Mac). brew install claude-cli”

Eksempel brug:

“# Kvalificer change request direkte fra terminal. claude ‘Kvalificer dette ændringsønsker: Statistik/Dashboard. Hvor mange billeder?’ # Process filer batch. claude –file change-requests.txt –prompt ‘Kvalificer alle ændringsønsker’ # Integration i scripts. echo ‘One-liner: Dashboard modernisering’ | claude –prompt ‘Kvalificer’”

Links:

Gemini CLI – Google Gemini i terminalen

Hvad er det?

Gemini CLI bringer Google’s avancerede AI-model direkte til din kommandolinje. Understøtter multimodal input (tekst, billeder, video), real-time søgning og integration med Google’s værktøjer.

Features:

  • Multimodal input (tekst, billeder, video)
  • Real-time søgning
  • Integration med Google’s værktøjer
  • Scripting og automation

Installation:

“# Installer Gemini CLI. npm install -g @google/gemini-cli. # Eller via pip (Python). pip install google-generativeai”

Eksempel brug:

“# Tekst input. gemini ‘Analyser dette change request: Dashboard modernisering’. # Billede input. gemini –image screenshot.png ‘Hvad ser du i dette dashboard?’ # Batch processing. gemini –file requests.txt –prompt ‘Kvalificer alle’”

Links:

MCP – Model Context Protocol

Hvad er MCP?

MCP (Model Context Protocol) er en universel infrastruktur, der samler, styrer og automatiserer alle AI-værktøjer og workflows på tværs af platforme. Den gør det nemt at køre, integrere og konfigurere AI-tjenester centralt – uanset system eller editor.

Hvorfor MCP?

  • Centraliseret styring - Alle AI-værktøjer på ét sted
  • Cross-platform - Virker på alle systemer
  • Automation - Automatiser workflows
  • Integration - Forbind forskellige værktøjer

Eksempel use case:

“// MCP konfiguration. { ‘servers’: { ‘claude’: { ‘command’: ‘claude-cli’, ‘args’: [’–api-key’, ‘YOUR_KEY’] }, ‘gemini’: { ‘command’: ‘gemini-cli’, ‘args’: [’–api-key’, ‘YOUR_KEY’] } } }. // Brug MCP til at kvalificere change requests. mcp.claude.prompt(‘Kvalificer: Dashboard modernisering’). mcp.gemini.prompt(‘Generer testkriterier for: Dashboard modernisering’)”

Links:

Claude Skills – Custom AI Færdigheder

Hvad er Claude Skills?

Claude Skills gør det muligt at tilføje skræddersyede funktioner direkte til Anthropic Claude. Du kan bygge egne “skills”, som automatiserer opgaver, integrerer eksterne værktøjer og tilpasser AI til præcis dine behov – helt uden kodning.

Eksempel: Change Request Kvalificering Skill

“skill: change-request-qualifier. description: Kvalificerer change requests fra one-liners til udviklingsklare specifikationer. steps: 1. Analyser one-liner. 2. Identificer manglende information. 3. Stil kvalificerende spørgsmål. 4. Strukturer output i standardiseret format. output_format: Problem, Kontekst, Løsning, Testkriterier”

Brug:

“Aktiver skill: change-request-qualifier. Input: ‘Statistik/Dashboard. Hvor mange billeder?’”

Links:

Browser Extensions – AI direkte i browseren

OpenAI Atlas Browser – ChatGPT i Chrome

Features:

  • AI-drevet web browsing og research
  • Automatisk informationssøgning og syntese
  • Intelligent content extraction
  • Real-time web analyse

Use case:

  • Research til change requests
  • Find eksempler på lignende løsninger
  • Analyser dokumentation

Links:

Perplexity Comet – Perplexity i Chrome

Features:

  • AI-drevet søgning med citations
  • Real-time information fra web
  • Context-aware svar
  • Research assistance

Use case:

  • Find best practices til change requests
  • Research teknologier
  • Få citations til dokumentation

Links:

Produktivitetsværktøjer

Shortcut AI – AI drevet Excel

Features:

  • Automatisering af repetitive opgaver
  • Integration med eksisterende systemer
  • AI-drevne genveje og kommandoer
  • Tidsbesparende workflows

Use case:

  • Automatiser rapport-generering
  • Analyser data i Excel
  • Generer dashboards

Links: