40 færdige prompts — og hvad du gør, når de ikke virker

Kort fortalt: en færdig prompt er en skabelon, hvor rolle, opgave, kontekst og format allerede står — du skal bare udfylde de kantede parenteser. Nedenfor finder du 40 af dem i seks kategorier. Men listen er den nemme halvdel. Vi brugte juli 2026 på at hive data ud af Udemys interne API og Courseras anmeldelsessider, og fandt ud af, at det, kursisterne klager mest over, er præcis det, næsten ingen underviser i: din prompt virkede ikke — hvad ændrer du først? Derfor handler anden halvdel om debugging, om de klassiske fejl og om prompts, du kan køre her på siden med et enkelt tryk.

Først et ærligt problem med lister som denne

Der findes flere lister med »de 100 bedste prompts« på nettet end folk, der bruger dem. Vi ville vide, hvad de store betalte kurser rent faktisk lærer fra sig, så vi hentede tallene selv: fra Udemys interne API og fra Courseras offentlige anmeldelsessider, målt 17. juli 2026.

Først størrelsesordenen. På Coursera har »Prompt Engineering for ChatGPT« fra Vanderbilt 698.444 tilmeldte. Den længere »Prompt Engineering Specialization« fra samme Vanderbilt har 138.967. »Generative AI: Prompt Engineering Basics« fra IBM: 654.256. »Google Prompting Essentials«: 365.425. På Udemy har »Prompt Engineering with ChatGPT Masterclass« fra RPATech 118.803 kursister, og »Prompt and Context Engineering 101« af Mike Wheeler 84.942 med en karakter på 4,31 — den laveste i vores stikprøve af otte topkurser.

Og så klagerne. Det er kurser, der har prompt engineering i titlen:

• »There is nothing teached about creating a good prompt. It is just an overview of types of prompts.« — Geralt O., 01.07.2026, 2★ (Wheeler)
• »No specific guidance on prompt engineering… what to avoid while asking, how to organize your thoughts, how to give feedback to AI based on its answers etc.« — Bharat Ram A., 05.06.2026, 1.5★ (Wheeler)
• »i thought it would go deeper in prompts and have more examples and sessions to master or enhance our current prompts.« — Manuel L., 15.06.2026, 2★ (PE for Everyone)
• »Too much background on ChatGPT. Get me to how to prompt GPT« — Mark R., 16.09.2025, 1.5★ (Academind)

Fire mennesker, fire forskellige kurser, én og samme klage. Ikke »kedeligt« og ikke »dyrt«, men »I viste mig en systematik over prompts i stedet for at lære mig at reparere én«. Bharat Ram A. skrev endda det pensum ned, han manglede: hvad man skal undgå, når man spørger, hvordan man ordner sine tanker, hvordan man giver modellen feedback på dens svar.

Konklusionen, vi drog: hullet på dette marked er ikke skabelonerne, det er debugging. En skabelon svarer på »hvad skriver jeg første gang«. Debugging svarer på »hvad gør jeg, når første gang ikke virkede« — og det sker stort set altid. Derfor er artiklen bygget sådan: først fyrre skabeloner, så den del, de kurser springer over.

Et forbehold mod os selv. Vores citater kommer fra den standardliste med anmeldelser, enhver besøgende ser, ikke fra en repræsentativ stikprøve: Courseras stjernefilter kører i browseren, og server-HTML'en leverer altid første side. Det er altså ikke et mål for, hvor mange der er utilfredse; det viser, hvad de utilfredse er utilfredse med. Andelen har vi også set på, og den er lille: negative anmeldelser (≤3,5★) ligger på 1,5–3,5% på Coursera og noget højere på Udemy — 9,61% ved »Generative AI for Beginners« og 10,36% ved »The Complete AI Guide«. De fleste er glade for kurserne. Det er bare dem, der ikke er, der brokker sig over det samme.

Derfor er knappen »Kør« under en prompt ikke pynt

Der er et fund nummer to, og det forklarer, hvorfor prompting er så svært at lære fra sig på video. Her er en anmeldelse af »Prompt Engineering for ChatGPT« fra Vanderbilt:

»you send your assignments and immediatly you got your results: 100% correct. I am still speechless. I put all that effort in and have no idea whether I my answer was correct or not.« — Shinysheep, 21.09.2023, 1★

Det er ikke en doven underviser. Det er en strukturel grænse: der er ingen model inde i en Coursera-lektion. Der findes præcis én måde at tjekke en prompt på — køre den og se på svaret. Platformen kan ikke det, så den stempler et automatisk »100% correct«. Kursisten lagde arbejdet og fandt aldrig ud af, om arbejdet duede.

Samme grænse skaber den hyppigste klage over videokurser i vores data: underviseren læser sliden højt. Ordret: »why read straight from the slide? I can do that. This was not a helpful course at all« (Janie I., 02.07.2026, 1★). Og hårdere: »50% of this course is reading script like a robot from the slides… they are just reading text from the slides which you can also you from any good website« (Shashank T., 13.04.2026, 1★). Og en mere, på et kursus med 118.803 kursister: »Written by AI, delivered by AI. The slides are way too crowded to be useful and it really doesn't help to have the bot read them out word-for-word« (Bradley M., 16.04.2026, 1★, RPATech).

På denne side får hver <pre>-blok en Kør-knap: du trykker og ser et rigtigt svar fra modellen uden at forlade artiklen. Prompterne nedenfor er skrevet, så de kan køre som de er, uden at du sætter noget ind — eksemplet ligger allerede indeni. Det er præcis det, en lektion uden en model indeni strukturelt ikke kan give dig.

Sådan bruger du listen

• Udfyld alle parenteser. En tom parentes er et hul, modellen propper til på må og få, og så bliver svaret gennemsnitligt.
• Læg dit eget materiale ved. Næsten enhver prompt bliver stærkere, hvis du sætter kilden ind bagefter: mailen, udkastet, tallene, rammerne.
• Stop ikke ved første svar. »Kortere«, »anden tone«, »skift eksemplet« — efter to-tre justeringer plejer du at være der.
• En skabelon er en hypotese, ikke en trylleformel. Den sparer dig det første minut. Derefter er det debugging-delen, der arbejder.

Siger formlen »rolle + opgave + kontekst + format« dig ikke noget endnu, så start med hvad en prompt er, og hvordan du skriver den — så kan du bygge dine egne i stedet for kun at kopiere.

Arbejdsmails og korrespondance (8)

Den største tidsbesparelse er ikke »skriv en mail«, men en mail med fastlagt mål og tone.

• Bede om noget: »Du er en erfaren forretningskorrespondent. Skriv en mail til min kollega [navn/rolle] med en anmodning om [hvad du har brug for]. Kontekst: deadline [dato], min forrige anmodning fik intet svar, forholdet er godt og professionelt — ingen pres. Under 120 ord, høfligt, med en klar frist og ét spørgsmål til sidst.«
• Blødgøre en skarp mail: »Her er mit udkast: [tekst]. Skriv det om, så indhold og anmodning står uændret, men tonen bliver rolig og professionel. Forklar i to punkter, hvad du har ændret og hvorfor.«
• Sige høfligt nej: »Jeg er blevet tilbudt [hvad]. Jeg siger nej, fordi [grund]. Skriv et afslag på 3–4 sætninger: ingen undskyldninger, der ligner selvpiskeri, men lad døren stå på klem.«
• Svare en utilfreds kunde: »Kunden skriver: [klage]. Fakta fra min side: [hvad der faktisk skete]. Skriv et svar: anerkend problemet, forklar uden bortforklaringer, foreslå et konkret næste skridt med en dato.«
• Rykke for en forsinket opgave: »Skriv en tredje rykker om [opgave]. Tonen skal være venlig, men nu nævne konsekvensen af forsinkelsen: [konsekvens]. Under 80 ord.«
• Referat af møde: »Her er mine noter fra mødet: [tekst]. Byg en opsummerende mail: beslutninger, ansvarlige, frister. På en separat liste: åbne spørgsmål uden beslutning.«
• Mail på et andet sprog: »Oversæt denne mail til [sprog]: [tekst]. Bevar indholdet, men tilpas formuleringerne til det sprogs forretningsnormer i stedet for at oversætte ordret. Marker steder, hvor originalens tone ville lyde uhøflig.«
• Skille en indgående mail ad: »Her er en lang mail: [tekst]. Besvar tre spørgsmål: hvad vil de have af mig, hvornår skal det være klar, og hvad sker der, hvis jeg ikke svarer. Én sætning til hvert.«

Det, der arbejder her, er ikke rollen — »erfaren forretningskorrespondent« bidrager med næsten ingenting. Det er to ting: en fastsat længde og én adfærdsregel (»ingen pres«). En adfærdsregel slår rollen næsten hver gang. Husk det, for det er trin tre på debugging-listen længere nede.

Tekster og indhold (6)

• Skære ned til N ord: »Du er en redaktør, der skærer fyld væk. Forkort teksten nedenfor til [N] ord uden at miste et eneste faktum eller en eneste konklusion. Målgruppe: [hvem], læser på telefonen og har travlt. Først den forkortede tekst, så en liste over det, du skar væk. Tekst: [indsæt din]«
• Overskrifter: »Her er teksten: [tekst]. Giv 10 overskrifter: 3 neutrale, 3 med et tal, 3 som spørgsmål, 1 provokerende. Ingen clickbait — teksten skal indfri løftet.«
• Disposition før skrivning: »Jeg skriver [hvad] til [hvem]. Læserens mål: [hvorfor det angår ham]. Lav en disposition på 5–7 afsnit med én sætning til hvert om, hvad der skal stå der. Skriv ikke selve teksten.«
• Finde de svage steder: »Læs det her som en skeptisk læser: [tekst]. Nævn 5 steder, hvor du ville holde op med at tro på det eller kede dig, og forklar hvert af dem. Skriv ikke om.«
• Tilpasse til kanalen: »Tag denne tekst: [tekst]. Lav tre versioner: et opslag på 600 tegn, en nyhedsbrevsmail og et videomanuskript på ét minut. Ét budskab, tre former.«
• Ramme min egen stemme: »Her er 3 af mine tekster som stilprøve: [tekster]. Skriv en ny om [emne], der rammer den samme stemme. List derefter, hvilke stiltræk du gengav.«

»Sin egen stemme« er et kapitel for sig, og ingen skabelon løser det helt. Fra OpenAI-forummet, tråden om at skrive uden AI-bismag: »I've studied best practices to avoid it generating content that sounds like AI, but I'm not having any success.« Fra Hacker News: »the email writing tools just seems to strip out my personal voice making me sound like I'm writing unsolicited marketing spam.« Forbehold: det er avancerede brugere og kun et par kilder — et signal, ikke en måling. Men signalet er stabilt og peger et brugbart sted hen: prøver på dine egne tekster inde i prompten gør mere end noget som helst tillægsord i stil med »skriv levende«.

Læring og at skille det svære ad (6)

• Forklar fra nul: »Du er en tålmodig underviser. Forklar [emne], så et menneske uden forudsætninger forstår det. Først en analogi fra hverdagen, så en forklaring af sagen på 150 ord, så tre spørgsmål, der tjekker min forståelse — og vent på mine svar, svar ikke for mig.«
• Skille en fejl ad: »Jeg løste det sådan her: [min løsning]. Det rigtige svar er: [svar]. Giv mig ikke løsningen — vis, hvilket trin jeg drejede forkert ved, og hvorfor det er en typisk fejl.«
• Læringsplan: »Jeg vil lære [færdighed] på [tid], jeg kan bruge [N] timer om ugen, startniveau [hvilket]. Byg en plan uge for uge: hvad skal jeg lave, hvad skal jeg øve på, hvordan tjekker jeg, at ugen sad fast.«
• Sokratisk tilstand: »Forklar mig ikke [emne] direkte. Stil ét spørgsmål ad gangen, og før mig selv frem til forståelsen. Hvis jeg tager fejl, så ret mig ikke — stil et spørgsmål, der peger mig videre.«
• Referere en artikel: »Her er teksten: [indsæt]. Giv mig: 1) hovedpåstanden i én sætning, 2) forfatterens tre argumenter, 3) det, forfatteren påstår, men aldrig beviser.«
• Repetitionskort: »Lav 15 spørgsmål-svar-kort om [emne] til niveau [hvilket]. Svar på højst to sætninger. Ingen gættespørgsmål.«

Læg mærke til »vent på mine svar, svar ikke for mig«. Uden den sætning stiller modellen sine tre spørgsmål og svarer straks selv — dens job er at fortsætte tekst, ikke at eksaminere dig. Præcis samme hul som ved det automatiske »100% correct«: når intet tjekker dig, finder du ikke ud af, om du forstod det.

Analyse og beslutninger (7)

• Sætte en beslutning under pres: »Du er en analytiker, der diskuterer med mig i stedet for at give mig ret. Sæt denne beslutning under pres: [hvad jeg har tænkt mig]. Mål [hvilket], rammer [penge/tid/folk], frist [hvornår]. Format: 3 stærke argumenter for, 3 imod, den risiko jeg med størst sandsynlighed har overset, og ét spørgsmål, hvis svar ville vende beslutningen.«
• Djævelens advokat: »Her er min plan: [plan]. Find det svageste led, og forklar, hvordan den falder fra hinanden i virkeligheden. Blød det ikke op.«
• Sammenligne muligheder: »Sammenlign [mulighed A] og [mulighed B] til [opgave]. Format: en tabel med kriterium, A, B og hvad der vejer tungest for mig. Vælg selv kriterierne, og begrund valget.«
• Læse data: »Her er tallene: [data]. Nævn tre konklusioner, der følger af dem, og separat konklusioner, der IKKE følger, selvom de ser logiske ud.«
• Forberede en forhandling: »Jeg forhandler med [hvem] om [hvad]. Min position: [hvilken]. Spil modparten: hvilke tre indvendinger stiller du op, og hvad vil du i virkeligheden?«
• Skære en opgave i trin: »Opgave: [hvad der skal gøres]. Skær den i trin, så det første ikke tager mere end 15 minutter. Marker det trin, hvor folk plejer at give op.«
• Hvad overser jeg: »Beslutning: [hvilken]. Jeg har taget højde for: [liste]. Nævn 5 faktorer, der ikke står på min liste, og som kan ændre alt. Til hver: hvordan jeg tjekker den på én dag.«

Karriere og penge (5)

• Tilpasse cv'et: »Her er mit cv: [tekst]. Her er stillingsopslaget: [tekst]. Skriv erfaringsblokken om til det: samme fakta, vægt på det relevante. Marker, hvad cv'et mangler til netop denne stilling.«
• Forberede jobsamtale: »Opslag: [beskrivelse]. Min baggrund: [kort]. Stil mig 8 spørgsmål, de reelt kommer til at stille, heraf to ubehagelige. Ét ad gangen, vent på mit svar.«
• Snak om lønforhøjelse: »Jeg vil tale om lønforhøjelse. Mine resultater i år: [liste]. Byg argumentationen: hvad skal jeg sige, i hvilken rækkefølge, og hvordan svarer jeg på »der er ikke budget lige nu«.«
• Vurdere et tilbud: »Tilbud: [vilkår]. Hvilke spørgsmål bør jeg stille, før jeg skriver under? Hvad viser sig som regel at veje tungere, end det ser ud fra starten?«
• Ugeplan: »Her er mine opgaver: [liste]. Sortér dem efter hastende/vigtigt, foreslå hvad der helt kan ryge, og nævn den ene opgave, der giver mest.«

Hverdag (8)

• Mad og indkøb: »Lav en madplan for ugen: [hvor mange personer], budget [beløb], uden [allergener/fødevarer], tilberedning under 30 minutter. Separat: en indkøbsliste grupperet efter afdelinger i butikken.«
• Gennemgå udgifter: »Her er mine udgifter for måneden: [liste]. Grupper dem efter kategori, find de tre, hvor der løber mest ud, og foreslå én realistisk besparelse til hver.«
• Planlægge en rejse: »Jeg skal til [by] i [hvor mange dage], interesser: [hvilke]. Byg en rute dag for dag, der tager hensyn til geografien, så jeg ikke skal frem og tilbage. Marker, hvad der bør bookes i forvejen.«
• En svær samtale: »Jeg skal fortælle [hvem] om [hvad]. Jeg frygter reaktionen: [reaktion]. Hjælp mig med formuleringerne: hvad siger jeg først, hvad siger jeg under ingen omstændigheder.«
• Vejledning i almindeligt sprog: »Her er en vejledning: [tekst]. Skriv den om trin for trin til en, der gør det for første gang. Marker det trin, hvor det oftest går galt.«
• Gaveidéer: »En gave til [hvem], budget [beløb], kan lide [hvad], kan ikke lide [hvad]. Giv 10 idéer: 5 almindelige, 5 mindre oplagte. Ingen floskler som et gavekort.«
• Øve et oplæg: »Jeg skal tale [hvor] i [hvor længe] for [hvem]. Emne: [hvilket]. Giv mig en struktur, en åbningssætning og en afslutning. Stil mig derefter 3 spørgsmål, salen kunne finde på at stille.«
• Læse en kontrakt igennem: »Her er en kontrakt: [tekst]. Find de bestemmelser, der er til ulempe for mig, og forklar hver af dem i én enkel sætning. Separat: hvad der mangler, men burde stå der. Du er ikke jurist — marker, hvor jeg har brug for en.«

Og så det vigtigste: din prompt fejlede — hvad ændrer du først?

Det er dette hul, hele artiklen er skrevet for. De fire mennesker ovenfor betalte penge og gik derfra uden denne færdighed. Gå listen igennem oppefra og ned, og spring ikke over.

• 1. Tjek, om der står en definition af »færdig« i prompten. Den hyppigste årsag til et middelmådigt svar er, at modellen ikke aner, hvordan et godt svar ser ud. »Skriv en tekst om produktet« har intet kriterium, så du får gennemsnittet af al produkttekst, der nogensinde er skrevet. »Skriv 150 ord, der overbeviser en, som allerede har sagt nej én gang« har et. Kan du ikke selv beskrive, hvad der skiller et godt svar fra et dårligt, kan modellen det slet ikke.
• 2. Læg materiale til, ikke tillægsord. »Gør det mere interessant« ændrer intet, fordi »interessant« ikke er en handling, modellen kan udføre. Tre afsnit af dine egne tekster indsat som prøve ændrer alt. Reglen: vil du forbedre et svar, så læg input til, ikke en dom over det forrige.
• 3. Byt forbud ud med forskrifter. »Skriv ikke kancellisprog« virker dårligere end »sætninger under 12 ord, verber i aktiv, ingen kæder af substantiver«. Et forbud siger, hvor man ikke skal hen; en forskrift siger, hvor man skal hen. Modeller er meget bedre til at gøre noget end til at lade være.
• 4. Skær opgaven op. Beder en prompt om at finde, vurdere og skrive om på én gang, bliver alle tre svage. Først »nævn 5 svage steder«, så »skriv sted nr. 3 om«. Modellen bliver ikke træt, men den har stadig kun én tankerække pr. svar.
• 5. Spørg, hvad den manglede. Ordret: »Før du svarer, så stil mig de 3 spørgsmål, hvis svar ville ændre dit svar mest.« Det er den billigste måde at finde hullet i sin egen prompt — og præcis det, Bharat Ram A. bad om og ikke fik: hvordan man giver modellen feedback på dens svar.
• 6. Først derefter rollen og formuleringerne. »Du er en erfaren marketingmedarbejder« er en justering på nogle få procent. Folk begynder der, fordi det er den synlige del, og går i stå der, fordi det er den svage del.

Prøv det på et rigtigt eksempel. Prompten nedenfor står selv — tryk Kør, der er intet at udfylde: der ligger allerede en bevidst dårlig prompt indeni, som skal repareres.

Du er underviser i prompt-debugging. Her er en prompt, som en begynder har skrevet:

»Skriv et godt opslag til sociale medier om vores app. Gør det interessant, og skriv ikke kedeligt.«

Gør fire ting:
1. Nævn præcis tre grunde til, at denne prompt vil give et gennemsnitligt svar.
2. Angiv til hver grund den rettelse, der løser den — rettelsen skal være en handling, ikke en dom.
3. Skriv prompten om i rettet form, find selv på den manglende kontekst, og marker alt det, du finder på, med ordet ANTAGELSE.
4. Slut med én sætning: hvilken af de tre rettelser ville give mest, og hvorfor?

Andet eksperiment: konkrethed slår høflighed og slår rollen. Denne prompt tvinger modellen til at vise forskellen på én og samme opgave.

Udfør tre opgaver i træk, og vis alle tre svar i deres helhed.

Opgave A. Svar på denne prompt: »Skriv en mail om at rykke en deadline.«
Opgave B. Svar på denne prompt: »Du er en erfaren forretningskorrespondent. Skriv en professionel mail om at rykke en deadline.«
Opgave C. Svar på denne prompt: »Skriv en mail til en kollega: jeg beder om at rykke afleveringen af rapporten fra fredag til onsdag i næste uge, fordi vores leverandør leverede data for sent. Forholdet er godt, ingen pres, og det er min første anmodning om udsættelse. Under 90 ord, ét spørgsmål til sidst, undskyld højst én gang.«

Byg efter de tre svar en tabel: hvilke egenskaber kom til i B i forhold til A, og i C i forhold til B. Svar i sidste række på spørgsmålet: hvad gav mest — rollen eller konteksten?

Tredje greb, det mest oversete. Bed ikke modellen om et svar. Bed den om at udspørge dig først.

Min situation: jeg har en uge til at vælge mellem to jobtilbud, og jeg vil ikke fortryde det om et år.

Svar ikke, og giv ikke råd endnu. I stedet:
1. Stil mig præcis 5 spørgsmål — dem, hvis svar ville ændre din anbefaling mest. Sortér dem efter faldende vægt.
2. Forklar til hvert spørgsmål i én sætning, hvilken del af din anbefaling der afhænger af det.
3. Skriv derefter, hvad din anbefaling ville være, hvis jeg slet ikke svarede på noget spørgsmål, og hvorfor man ikke skal stole på den version.

Vent på mine svar, før du går videre.

Læg mærke til, hvad alle tre har til fælles: ingen af dem beder om et færdigt produkt. De beder modellen blotlægge sin egen tankegang, sine egne antagelser eller forskellen mellem to input. Sådan ser en øvelse ud, man kan tjekke — og derfor lærer en prompt med en Kør-knap dig mere på tredive sekunder end en slide om promptsystematik gør på tyve minutter.

Fem fejl, der slår en skabelon ihjel

• At lade parenteserne stå tomme. Det lyder fjollet, men det er årsag nummer et. Modellen spørger ikke — den finder selv på noget.
• At proppe tre opgaver i én prompt. »Analysér, skriv om og foreslå overskrifter« giver tre middelmådige stykker i stedet for ét godt.
• At kræve »uden fyld« uden at angive en længde. Længde er den eneste begrænsning, en model følger bogstaveligt. Brug den.
• At tro på det første svar. Ethvert svar er et udkast. Især det, der lyder sikkert.
• At samle på skabeloner i stedet for på rettelser. Fyrre af andres skabeloner er mindre værd end tre af dine egne, debugget på dit eget arbejde.

Hvad det samme koster som kursus

Nu vi alligevel var inde i prisdataene — her er de, målt 17. juli 2026. Den udbredte idé om, at »Udemy altid har 90% rabat«, overlever ikke mødet med deres eget API: det svarer "saving_price": 0.0, "has_discount_saving": false, "discount_percent": 0. Der er ingen rabat. Elleve ud af de tolv topkurser koster 19,99 €; ét (Complete AI Guide) 24,99 €. Udemy Personal Plan koster 20,00 €/md., på kampagne 10,00 €/md. Coursera Plus: 50 €/md. eller 343 €/år med 14 dages returret.

Og en detalje, det er værd at kende, før du køber: »Prompt Engineering Specialization« fra Vanderbilt kræver et betalt ChatGPT+-abonnement for at lave opgaverne. Så praksis koster dig to gange — én gang platformen, én gang modellen. Den præcise pris på ChatGPT Plus nævner vi ikke her: den primære kilde er lukket (alle OpenAI-domæner gav vores crawler 403), og tal fra anden hånd hører ikke hjemme i en artikel, der argumenterer for påstande, man kan tjekke.

Hvad du gør nu

Forsøg ikke at lære fyrre skabeloner udenad. Vælg tre, der passer til rigtige opgaver, og kør dem i denne uge. Når et svar rammer ved siden af — og det gør det — så gå de seks debugging-trin igennem oppefra og ned, og skriv ned, hvilket der løste det. Om en måned har du ikke en liste med andres prompts, men en færdighed, der overlever den næste model. Det gør listen ikke.

Et forbehold: hvert svar på disse prompts er et udkast, ikke sandheden. En model kan med fuld overbevisning finde på et faktum, et tal eller et link — hvorfor det sker, tager vi i AI-hallucinationer. Hvilke data det overhovedet er sikkert at sætte ind i en chat, står i vores tekst om privatliv, når du arbejder med AI. Formlen bagved skiller vi ad i hvad en prompt er. Og vil du have en prompt, der ikke bare svarer, men selv udfører en opgave i flere trin, er du ovre i AI-agenter.