Avansert promptkurs · 2 min lesing
Context engineering
Forstå hva context engineering er, hvordan de seks komponentene i en velstrukturert prompt fungerer og hva context rot betyr.
Introduksjon
Section titled “Introduksjon”Læringsmål
Når du er ferdig med å lese avsnitt 1 skal du kunne:
- Forklare hva context engineering er og hvorfor det er viktig
- Identifisere de seks komponentene i en velstrukturert prompt
- Forstå hva context rot er og hvordan du unngår det
- Forstå hva kontekstvinduet er
I grunnkurset lærte du å bygge tydelige prompts ved hjelp av de fem grunnpilarene — det er et godt sted å starte.
Nå tar vi ett steg videre og zoomer ut. Når du skriver en prompt velger du hele tiden hva modellen skal vite: hvilken bakgrunn den får, hvilke eksempler den ser, hvilke regler den skal følge. Det valget er aldri nøytralt: riktig informasjon gir gode svar, feil informasjon gir dårlige.
Å ta disse valgene bevisst kalles context engineering.
Hva er context engineering?
Context engineering handler om å aktivt forme informasjonen du gir modellen. Ikke bare én enkelt instruksjon, men et helt informasjonsøkosystem: rollbeskrivelsen din, eksemplene dine, dokumentene dine og begrensningene dine, alt i samspill.
Målet er å gi modellen riktig informasjon, til riktig tid, for hvert svar den genererer.
De seks komponentene i en velstrukturert prompt
En velbygget prompt inneholder (utvalgte eller alle) disse seks komponentene:
| Komponent | Formål | Eksempel |
|---|---|---|
| Atferdsinstruksjon | Setter modellens rolle, atferd og tone | “Du er en erfaren HR-spesialist” |
| Instruksjon | Den tydelige, målrettede oppgaven | “Oppsummer avvikene i tre punkter” |
| Kontekst | Bakgrunnsinformasjon, dokumenter, historikk | “Vedlagt er møtereferatet fra…” |
| Eksempler | Demonstrerer ønsket format eller tone | Input → Output-par |
| Outputbegrensninger | Format, lengde, struktur | “Svar i punktliste, maks 100 ord” |
| Avgrensere | Separerer seksjoner tydelig | XML-tagger, overskrifter, trippel anführselstegn |
Du trenger ikke alltid alle seks. Men hver gang et svar ikke møter forventningene dine, spør deg selv: hvilken komponent mangler eller er uklar?
Context rot
Kontekstvinduet er plassen modellen kan “se” om gangen. Det er stort men ikke uendelig — og dette er en begrensning som finnes i alle språkmodeller.
Modellens evne til å korrekt gjeninnhente informasjon minker når kontekstvinduet fylles. Mer informasjon fører paradoksalt nok til lavere presisjon. Dette kalles context rot.
Praktisk konsekvens: Behandle kontekst som en begrenset og verdifull ressurs. Inkluder bare det som er direkte relevant. Fjern alt som ikke hjelper modellen å svare bedre.
Uten kontekstbevissthet:
[Limer inn et 30-siders politikkdokument]Hva sier vi om fjernarbeid?Med kontekstbevissthet:
Nedenfor er avsnitt 4 fra fjernarbeidspolitikken vår (95 ord).Oppsummer de tre viktigste reglene for fjernarbeid.
[Avsnitt 4 limt inn – 95 ord]Det andre eksemplet gir modellen nøyaktig det den trenger og ikke noe mer — tenk kvalitet fremfor kvantitet for dataene dine.
Prøv nå: Åpne AI-assistenten din. Velg en arbeidsoppgave du hadde i går eller tidligere i dag. Skriv en prompt som inkluderer minst tre av de seks komponentene i tabellen over. Merk deg etterpå: Hvilke komponenter valgte du? Hvilken utelot du og hvorfor? Merker du forskjell fra slik du pleide å skrive prompts?
Oppsummering
Section titled “Oppsummering”- Context engineering handler om å kuratere riktig informasjon i riktig format til riktig tid
- En velstrukturert prompt har seks komponenter: Atferdsinstruksjon, instruksjon, kontekst, eksempler, outputbegrensninger og avgrensere
- Context rot: mer informasjon ≠ bedre svar — inkluder bare det som er relevant
Test kunnskapen din
Spørsmål 1 av 2
Hva betyr context engineering?