Prompteknik Knowledge prompting

Du ställer en till synes enkel fråga till AI:n, men får ett svar som låter… tja, tveksamt. Det är som att fråga någon om fakta och få ett självsäkert men totalt felaktigt svar tillbaka. Här kommer knowledge-prompting in som din nya AI-superkraft. Istället för att bara svara direkt, får modellen först i uppgift att bygga upp relevant kunskap – innan den försöker svara. Smart, va? Lite som att AI:n först läser på, sen snackar.

Vad är knowledge prompting egentligen?

Knowledge-prompting är en teknik där du först ber modellen att generera kunskap eller fakta kring ett ämne, och först därefter ställer du den riktiga frågan. Det är som att säga: “Läs på om det här först – och sen kan vi prata.”

Det här är särskilt användbart i situationer där AI-modellen annars skulle gissa, halvhitta på eller missa viktiga detaljer. Istället får den en chans att förbereda sig, precis som vi människor ofta gör inför en presentation (om vi är kloka).

Så här funkar det – steg för steg

1. Steg 1 – Kunskapsbyggande:
   Du ber AI:n att skapa korta faktameningar om ett ämne. Exempelvis: “Skriv ner fakta om hur poäng fungerar i golf.”
2. Steg 2 – Huvudfrågan:
   Sen ställer du själva frågan du är ute efter, och modellen får svara med hjälp av sin nyss genererade kunskap.

Detta fungerar som en slags minnesbank eller förberedelse för uppgiften.

Exempel 1 – Golf: fler poäng är bra?

Prompt 1 (kunskap):
“Beskriv hur poängsystemet fungerar i golf.”

Svar:
– Varje slag räknas som ett poäng.
– Målet i golf är att få så få poäng som möjligt.
– Den spelare med lägst antal slag vinner.

Prompt 2 (fråga):
“Är det en del av golf att försöka få högre poäng än andra?”

Svar:
“Nej, målet är att ha så låg poäng som möjligt i golf.”

Utan knowledge-prompting hade modellen kanske bara svarat “ja”, för att det låter som andra sporter.

Exempel 2 – Är Mexiko större än Grekland?

Prompt 1 (kunskap):
“Skriv kort fakta om storleken på Mexiko och Grekland.”

Svar:
– Grekland är cirka 132 000 km².
– Mexiko är cirka 1 964 000 km².
– Mexiko är nästan 15 gånger större än Grekland.

Prompt 2 (fråga):
“Är Grekland större än Mexiko?”

Svar:
“Nej, Mexiko är mycket större än Grekland.”

Här hjälper faktan modellen att förstå att den måste tänka i storlek och inte bara gissa baserat på namn eller kulturell igenkänning.

Exempel 3 – Fungerar solen som en bränslekälla?

Prompt 1 (kunskap):
“Beskriv hur solen fungerar som energikälla.”

Svar:
– Solen producerar energi genom kärnfusion.
– Solenergin når jorden som ljus och värme.
– Solceller kan omvandla solenergi till elektricitet.

Prompt 2 (fråga):
“Kan solen räknas som en bränslekälla för jorden?”

Svar:
“Ja, solen är en naturlig energikälla som driver många processer på jorden, inklusive väder, fotosyntes och elproduktion.”

Varför använda knowledge prompting?

• Mer korrekta svar: AI:n har bättre grund att stå på.
• Färre påhitt: Mindre chans att modellen gissar fel.
• Bättre reasoning: Framför allt när uppgiften kräver lite mer än bara ett snabbt svar.
• Träffsäkerhet i commonsense-frågor: Som annars ofta blir felaktiga utan fakta på bordet.

När passar det att använda tekniken?

Knowledge prompting är särskilt användbart när:

• Du ställer frågor som bygger på allmänbildning eller “vardagslogik”, t.ex. “Ska man ha mer poäng i golf?”
• Uppgiften kräver exakta siffror eller data, t.ex. “Vilket land är större?”
• Du vill ha resonerande svar som visar förståelse, inte bara memorering.

Nackdelar att ha koll på

• Felkällor: Om modellen genererar fel fakta i steg 1, så kan hela svaret bli skevt.
• Dyrare: Tekniken kräver två promptar (eller mer), vilket kostar mer tokens.
• Tar tid: Fler steg gör processen långsammare – men ofta värt det.

Tips för bästa resultat

• Be modellen skriva fakta som punktlista – tydligt och strukturerat.
• Kontrollera gärna fakta i steg 1 om svaret är viktigt.
• Kombinera gärna med chain-of-thought för ännu bättre förståelse.

Slutsats – lär AI:n läsa på innan den öppnar munnen

Knowledge-prompting är som att ge AI:n ett anteckningsblock innan den börjar prata. Istället för att skjuta från höften får den bygga upp en kunskapsbas som hjälper den att ge bättre, mer korrekta och genomtänkta svar. Du slipper gissningar – och får en AI som faktiskt tänker först och svarar sen.