40 färdiga prompter — och vad du gör när de inte fungerar

Kort sagt: en färdig prompt är en mall där roll, uppgift, kontext och format redan står — du fyller bara i hakparenteserna. Nedan hittar du 40 av dem, fördelade på sex kategorier. Men listan är den lätta halvan. Vi ägnade juli 2026 åt att gräva fram data ur Udemys interna API och ur recensionssidorna på Coursera, och upptäckte att det kursdeltagarna klagar mest på är precis det som nästan ingen lär ut: din prompt fungerade inte — vad ändrar du först? Därför handlar andra halvan om felsökning, om de klassiska misstagen och om prompter du kan köra här på sidan med en knapptryckning.

Först ett ärligt problem med listor som den här

Det finns fler listor med ”de 100 bästa prompterna” på nätet än det finns folk som använder dem. Vi ville veta vad de stora betalkurserna faktiskt lär ut, så vi hämtade siffrorna själva: ur Udemys interna API och från Courseras offentliga recensionssidor, mätt den 17 juli 2026.

Först storleksordningen. På Coursera har ”Prompt Engineering for ChatGPT” från Vanderbilt 698 444 anmälda. Den längre ”Prompt Engineering Specialization” från samma Vanderbilt har 138 967. ”Generative AI: Prompt Engineering Basics” från IBM: 654 256. ”Google Prompting Essentials”: 365 425. På Udemy har ”Prompt Engineering with ChatGPT Masterclass” från RPATech 118 803 deltagare, och ”Prompt and Context Engineering 101” av Mike Wheeler 84 942 med betyget 4,31 — det lägsta i vårt urval av åtta toppkurser.

Och så klagomålen. Det här är kurser som har prompt engineering i titeln:

• ”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)

Fyra personer, fyra olika kurser, ett och samma klagomål. Inte ”tråkigt” och inte ”dyrt”, utan ”ni visade mig en indelning av prompter i stället för att lära mig laga en”. Bharat Ram A. skrev till och med ner kursplanen han ville ha och inte fick: vad man ska undvika när man frågar, hur man ordnar sina tankar, hur man ger modellen återkoppling på dess svar.

Slutsatsen vi drog: hålet på den här marknaden är inte mallarna, det är felsökningen. En mall svarar på ”vad skriver jag första gången”. Felsökning svarar på ”vad gör jag när första gången inte fungerade” — och det händer i stort sett alltid. Därför är artikeln byggd så här: först fyrtio mallar, sedan den del som kurserna hoppar över.

En invändning mot oss själva. Våra citat kommer från standardlistan med recensioner som vilken besökare som helst ser, inte från ett representativt urval: stjärnfiltret på Coursera körs i webbläsaren, och server-HTML:en ger alltid första sidan. Det här mäter alltså inte hur många som är missnöjda; det visar vad de missnöjda är missnöjda med. Andelen tittade vi också på, och den är liten: negativa recensioner (≤3,5★) ligger på 1,5–3,5 % på Coursera och märkbart högre på Udemy — 9,61 % för ”Generative AI for Beginners” och 10,36 % för ”The Complete AI Guide”. De flesta gillar de här kurserna. Det är bara de som inte gör det som klagar på samma sak.

Därför är knappen ”Kör” under en prompt ingen utsmyckning

Det finns ett fynd nummer två, och det förklarar varför prompting är så svårt att lära ut på video. Här är en recension av ”Prompt Engineering for ChatGPT” från 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 handlar inte om en lat lärare. Det är en strukturell gräns: det finns ingen modell inuti en Coursera-lektion. Det finns exakt ett sätt att kontrollera en prompt — köra den och titta på svaret. Plattformen klarar inte det, så den stämplar ett automatiskt ”100% correct”. Deltagaren lade ner arbetet och fick aldrig veta om arbetet dög.

Samma gräns skapar det vanligaste klagomålet på videokurser i våra data: läraren läser bilden högt. Ordagrant: ”why read straight from the slide? I can do that. This was not a helpful course at all” (Janie I., 02.07.2026, 1★). Och hårdare: ”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★). Och en till, på en kurs med 118 803 deltagare: ”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 den här sidan får varje <pre>-block en Kör-knapp: du trycker och ser ett riktigt svar från modellen utan att lämna artikeln. Prompterna nedan är skrivna för att kunna köras som de är, utan att du sätter in något — exemplet ligger redan i dem. Det är precis det en lektion utan modell i sig strukturellt inte kan ge dig.

Så använder du listan

• Fyll i alla parenteser. En tom parentes är ett hål som modellen täpper till på måfå, och då blir svaret genomsnittligt.
• Lägg till eget material. Nästan varje prompt blir starkare om du klistrar in källan efter den: mejlet, utkastet, siffrorna, ramarna.
• Stanna inte vid första svaret. ”Kortare”, ”annan ton”, ”byt exempel” — efter två, tre justeringar brukar du vara framme.
• En mall är en hypotes, inte en besvärjelse. Den sparar dig den första minuten. Sedan är det felsökningsdelen som jobbar.

Säger formeln ”roll + uppgift + kontext + format” dig inget ännu, börja då med vad en prompt är och hur du skriver den — då kan du bygga egna i stället för att bara kopiera.

Jobbmejl och korrespondens (8)

Den största tidsvinsten är inte ”skriv ett mejl”, utan ett mejl med bestämt mål och bestämd ton.

• Be om något: ”Du är en erfaren affärskorrespondent. Skriv ett mejl till min kollega [namn/roll] med en förfrågan om [vad du behöver]. Kontext: deadline [datum], min förra förfrågan blev obesvarad, relationen är god och professionell — inget tryck. Under 120 ord, artigt, med en tydlig tidsfrist och en fråga på slutet.”
• Mjuka upp ett skarpt mejl: ”Här är mitt utkast: [text]. Skriv om det så att innehållet och förfrågan står kvar oförändrade, men tonen blir lugn och professionell. Förklara i två punkter vad du ändrade och varför.”
• Tacka artigt nej: ”Jag har blivit erbjuden [vad]. Jag tackar nej eftersom [skäl]. Skriv ett avslag på 3–4 meningar: inga ursäkter som liknar självspäkning, men lämna dörren på glänt.”
• Svara en missnöjd kund: ”Kunden skriver: [klagomål]. Fakta från min sida: [vad som faktiskt hände]. Skriv ett svar: erkänn problemet, förklara utan bortförklaringar, föreslå ett konkret nästa steg med datum.”
• Påminna om en försenad uppgift: ”Skriv en tredje påminnelse om [uppgift]. Tonen ska vara vänlig, men nu nämna följden av förseningen: [följd]. Under 80 ord.”
• Mötesanteckningar: ”Här är mina anteckningar från mötet: [text]. Bygg ett sammanfattningsmejl: beslut, ansvariga, tidsfrister. I en egen lista: öppna frågor utan beslut.”
• Mejl på ett annat språk: ”Översätt det här mejlet till [språk]: [text]. Behåll innehållet, men anpassa formuleringarna till affärsnormerna i det språket i stället för att översätta ordagrant. Markera ställen där originalets ton skulle låta oartig.”
• Reda ut ett inkommande mejl: ”Här är ett långt mejl: [text]. Svara på tre frågor: vad vill de ha av mig, till när, och vad händer om jag inte svarar. En mening på varje.”

Det som jobbar här är inte rollen — ”erfaren affärskorrespondent” bidrar med nästan ingenting. Det är två saker: en bestämd längd och en enda beteenderegel (”inget tryck”). En beteenderegel slår rollen nästan varje gång. Kom ihåg det, för det är steg tre i felsökningslistan längre ner.

Texter och innehåll (6)

• Korta till N ord: ”Du är en redaktör som skär bort utfyllnad. Korta texten nedan till [N] ord utan att tappa ett enda faktum eller en enda slutsats. Målgrupp: [vem], läser i mobilen och har bråttom. Först den kortade texten, sedan en lista på det du skar bort. Text: [klistra in din]”
• Rubriker: ”Här är texten: [text]. Ge 10 rubriker: 3 neutrala, 3 med en siffra, 3 som fråga, 1 provocerande. Ingen clickbait — texten måste infria löftet.”
• Disposition före skrivandet: ”Jag skriver [vad] för [vem]. Läsarens mål: [varför det angår hen]. Gör en disposition på 5–7 avsnitt, med en mening till varje om vad som ska stå där. Skriv inte själva texten.”
• Hitta de svaga ställena: ”Läs det här som en skeptisk läsare: [text]. Nämn 5 ställen där du skulle sluta tro på det eller bli uttråkad, och förklara varje. Skriv inte om.”
• Anpassa efter kanal: ”Ta den här texten: [text]. Gör tre versioner: ett inlägg på 600 tecken, ett nyhetsbrevsmejl och ett videomanus på en minut. Ett budskap, tre former.”
• Träffa min egen röst: ”Här är 3 texter av mig som stilprov: [texter]. Skriv en ny om [ämne] som träffar samma röst. Lista sedan vilka stildrag du återskapade.”

”Sin egen röst” är ett kapitel för sig, och ingen mall löser det helt. Från OpenAI-forumet, tråden om att skriva utan AI-bismak: ”I've studied best practices to avoid it generating content that sounds like AI, but I'm not having any success.” Från Hacker News: ”the email writing tools just seems to strip out my personal voice making me sound like I'm writing unsolicited marketing spam.” Invändning: det här är avancerade användare och bara ett par källor — en signal, inte en mätning. Men signalen är stabil och pekar någonstans användbart: prov på dina egna texter inuti prompten gör mer än något adjektiv i stil med ”skriv levande”.

Lärande och att plocka isär det svåra (6)

• Förklara från noll: ”Du är en tålmodig lärare. Förklara [ämne] så att någon utan förkunskaper förstår. Först en analogi från vardagen, sedan en förklaring av själva saken på 150 ord, sedan tre frågor som kollar min förståelse — och vänta på mina svar, svara inte åt mig.”
• Plocka isär ett fel: ”Jag löste det så här: [min lösning]. Rätt svar är: [svar]. Ge mig inte lösningen — visa vid vilket steg jag svängde fel och varför det är ett typiskt fel.”
• Studieplan: ”Jag vill lära mig [färdighet] på [tid], jag kan lägga [N] timmar i veckan, startnivå [vilken]. Bygg en plan vecka för vecka: vad ska jag göra, vad ska jag öva på, hur kollar jag att veckan satt.”
• Sokratiskt läge: ”Förklara inte [ämne] direkt för mig. Ställ en fråga i taget och led mig fram till förståelsen själv. Om jag har fel, rätta mig inte — ställ en fråga som leder mig vidare.”
• Sammanfatta en artikel: ”Här är texten: [klistra in]. Ge mig: 1) huvudtesen i en mening, 2) författarens tre argument, 3) det författaren påstår men aldrig bevisar.”
• Repetitionskort: ”Gör 15 fråga-svar-kort om [ämne] för nivå [vilken]. Svar på högst två meningar. Inga gissningsfrågor.”

Lägg märke till ”vänta på mina svar, svara inte åt mig”. Utan den meningen ställer modellen sina tre frågor och besvarar dem direkt själv — dess jobb är att fortsätta text, inte att förhöra dig. Exakt samma hål som med det automatiska ”100% correct”: när inget kontrollerar dig får du inte veta om du förstod.

Analys och beslut (7)

• Sätta ett beslut under press: ”Du är en analytiker som argumenterar mot mig i stället för att hålla med. Sätt det här beslutet under press: [vad jag tänker göra]. Mål [vilket], ramar [pengar/tid/folk], deadline [när]. Format: 3 starka argument för, 3 emot, den risk jag med störst sannolikhet har missat, och en fråga vars svar skulle vända beslutet.”
• Djävulens advokat: ”Här är min plan: [plan]. Hitta den svagaste länken och förklara hur den rasar i verkligheten. Släta inte över.”
• Jämföra alternativ: ”Jämför [alternativ A] och [alternativ B] för [uppgift]. Format: en tabell med kriterium, A, B och vad som väger tyngst för mig. Välj kriterierna själv och motivera valet.”
• Läsa data: ”Här är siffrorna: [data]. Nämn tre slutsatser som följer av dem, och separat slutsatser som INTE följer trots att de ser logiska ut.”
• Förbereda en förhandling: ”Jag förhandlar med [vem] om [vad]. Min position: [vilken]. Spela motparten: vilka tre invändningar lägger du fram, och vad vill du egentligen?”
• Dela upp en uppgift i steg: ”Uppgift: [vad som ska göras]. Dela upp den i steg så att det första inte tar mer än 15 minuter. Markera steget där folk brukar ge upp.”
• Vad missar jag: ”Beslut: [vilket]. Jag har tagit hänsyn till: [lista]. Nämn 5 faktorer som inte finns på min lista och som kan ändra allt. Till varje: hur jag kollar den på en dag.”

Karriär och pengar (5)

• Anpassa cv:t: ”Här är mitt cv: [text]. Här är annonsen: [text]. Skriv om erfarenhetsdelen efter den: samma fakta, tyngdpunkt på det relevanta. Markera vad cv:t saknar för just den här tjänsten.”
• Förbereda en anställningsintervju: ”Annons: [beskrivning]. Min bakgrund: [kort]. Ställ 8 frågor som de verkligen kommer att ställa, varav två obekväma. En i taget, vänta på mitt svar.”
• Samtal om löneökning: ”Jag vill prata om löneökning. Mina resultat i år: [lista]. Bygg argumentationen: vad ska jag säga, i vilken ordning, och hur svarar jag på ”det finns ingen budget just nu”.”
• Bedöma ett erbjudande: ”Erbjudande: [villkor]. Vilka frågor bör jag ställa innan jag skriver på? Vad brukar i sådana villkor visa sig betyda mer än det ser ut från början?”
• Veckoplan: ”Här är mina uppgifter: [lista]. Sortera dem efter brådskande/viktigt, föreslå vad som kan strykas helt, och nämn den enda uppgift som ger mest.”

Vardag (8)

• Mat och handling: ”Gör en matsedel för veckan: [hur många personer], budget [belopp], utan [allergener/livsmedel], tillagning under 30 minuter. Separat: en inköpslista grupperad efter avdelningar i butiken.”
• Gå igenom utgifterna: ”Här är mina utgifter för månaden: [lista]. Gruppera dem efter kategori, hitta de tre där mest rinner iväg, och föreslå en realistisk nedskärning till var och en.”
• Planera en resa: ”Jag åker till [stad] i [hur många dagar], intressen: [vilka]. Bygg en rutt dag för dag som tar hänsyn till geografin, så att jag slipper åka fram och tillbaka. Markera vad som bör bokas i förväg.”
• Ett svårt samtal: ”Jag måste berätta för [vem] om [vad]. Jag är rädd för reaktionen: [reaktion]. Hjälp mig med formuleringarna: vad säger jag först, vad säger jag absolut inte.”
• Instruktion på begriplig svenska: ”Här är en instruktion: [text]. Skriv om den steg för steg för någon som gör det här första gången. Markera steget där det oftast går fel.”
• Presenttips: ”En present till [vem], budget [belopp], gillar [vad], gillar inte [vad]. Ge 10 idéer: 5 vanliga, 5 mindre självklara. Inga klichéer som presentkort.”
• Öva ett anförande: ”Jag ska tala [var] i [hur länge] inför [vem]. Ämne: [vilket]. Ge mig en struktur, en inledningsmening och en avslutning. Ställ sedan 3 frågor som salen kan tänkas ställa.”
• Gå igenom ett avtal: ”Här är ett avtal: [text]. Hitta de punkter som är till nackdel för mig och förklara var och en i en enkel mening. Separat: vad som saknas men borde stå där. Du är ingen jurist — markera var jag behöver en.”

Och nu det viktigaste: din prompt fungerade inte — vad ändrar du först?

Det är det här hålet hela artikeln är skriven för. De fyra personerna ovan betalade pengar och gick därifrån utan den här färdigheten. Gå igenom listan uppifrån och ner, och hoppa inte över något.

• 1. Kolla om det står en definition av ”färdigt” i prompten. Den vanligaste orsaken till ett medelmåttigt svar är att modellen inte har en aning om hur ett bra svar ser ut. ”Skriv en text om produkten” har inget kriterium, så du får genomsnittet av all produkttext som någonsin skrivits. ”Skriv 150 ord som övertygar någon som redan sagt nej en gång” har ett. Kan du inte själv beskriva vad som skiljer ett bra svar från ett dåligt, kan modellen det ännu mindre.
• 2. Lägg till material, inte adjektiv. ”Gör det intressantare” ändrar ingenting, eftersom ”intressant” inte är en operation modellen kan utföra. Tre stycken av dina egna texter inklistrade som prov ändrar allt. Regeln: vill du förbättra ett svar, lägg till indata, inte en dom över det förra.
• 3. Byt förbud mot föreskrifter. ”Skriv inte kanslisvenska” fungerar sämre än ”meningar under 12 ord, verb i aktiv form, inga substantivkedjor”. Ett förbud säger vart man inte ska; en föreskrift säger vart man ska. Modeller är mycket bättre på att göra en sak än på att låta bli.
• 4. Skär upp uppgiften. Ber en prompt om att hitta, bedöma och skriva om samtidigt blir alla tre svaga. Först ”nämn 5 svaga ställen”, sedan ”skriv om ställe 3”. Modellen blir inte trött, men den har ändå bara en resonemangstråd per svar.
• 5. Fråga vad den saknade. Ordagrant: ”Innan du svarar, ställ de 3 frågor vars svar skulle ändra ditt svar mest.” Det är det billigaste sättet att hitta hålet i sin egen prompt — och exakt det Bharat Ram A. bad om och inte fick: hur man ger modellen återkoppling på dess svar.
• 6. Först därefter rollen och formuleringarna. ”Du är en erfaren marknadsförare” är en justering på några få procent. Folk börjar där för att det är den synliga delen, och fastnar där för att det är den svaga delen.

Testa på ett riktigt exempel. Prompten nedan står på egna ben — tryck Kör, det finns inget att fylla i: inuti ligger redan en medvetet dålig prompt som ska lagas.

Du är lärare i felsökning av prompter. Här är en prompt som en nybörjare har skrivit:

”Skriv ett bra inlägg för sociala medier om vår app. Gör det intressant och skriv inte tråkigt.”

Gör fyra saker:
1. Nämn exakt tre skäl till att den här prompten kommer att ge ett genomsnittligt svar.
2. Ange till varje skäl den ändring som åtgärdar det — ändringen måste vara en operation, inte en dom.
3. Skriv om prompten i rättad form, hitta själv på den kontext som saknas, och märk allt du hittar på med ordet ANTAGANDE.
4. Avsluta med en mening: vilken av de tre ändringarna skulle ge mest, och varför?

Andra experimentet: konkretion slår artighet och slår rollen. Den här prompten tvingar modellen att visa skillnaden på en och samma uppgift.

Utför tre uppdrag i rad och visa alla tre svaren i sin helhet.

Uppdrag A. Svara på den här prompten: ”Skriv ett mejl om att flytta en deadline.”
Uppdrag B. Svara på den här prompten: ”Du är en erfaren affärskorrespondent. Skriv ett professionellt mejl om att flytta en deadline.”
Uppdrag C. Svara på den här prompten: ”Skriv ett mejl till en kollega: jag ber om att flytta inlämningen av rapporten från fredag till onsdag nästa vecka, eftersom vår leverantör lämnade data för sent. Relationen är god, inget tryck, och det är min första förfrågan om uppskov. Under 90 ord, en fråga på slutet, be inte om ursäkt mer än en gång.”

Bygg efter de tre svaren en tabell: vilka egenskaper tillkom i B jämfört med A, och i C jämfört med B. Svara i sista raden på frågan: vad gav mest — rollen eller kontexten?

Tredje greppet, det mest underskattade. Be inte modellen om ett svar. Be den fråga ut dig först.

Min situation: jag har en vecka på mig att välja mellan två jobberbjudanden och vill inte ångra mig om ett år.

Svara inte och ge inga råd än. I stället:
1. Ställ exakt 5 frågor till mig — de vars svar skulle ändra din rekommendation mest. Sortera dem efter fallande vikt.
2. Förklara till varje fråga i en mening vilken del av din rekommendation som hänger på den.
3. Skriv sedan vad din rekommendation skulle bli om jag inte svarade på en enda fråga, och varför man inte ska lita på den versionen.

Vänta på mina svar innan du går vidare.

Lägg märke till vad alla tre har gemensamt: ingen av dem ber om en färdig produkt. De ber modellen lägga fram sitt eget resonemang, sina egna antaganden eller skillnaden mellan två indata. Så ser en övning ut som går att kontrollera — och därför lär en prompt med Kör-knapp dig mer på trettio sekunder än en bild om promptindelningar gör på tjugo minuter.

Fem misstag som tar kål på en mall

• Att lämna parenteserna tomma. Det låter fånigt, men det är orsak nummer ett. Modellen frågar inte — den hittar på något själv.
• Att pressa in tre uppgifter i en prompt. ”Analysera, skriv om och föreslå rubriker” ger tre medelmåttiga bitar i stället för en bra.
• Att kräva ”ingen utfyllnad” utan att ange längd. Längden är den enda begränsning en modell följer bokstavligt. Använd den.
• Att tro på första svaret. Varje svar är ett utkast. Särskilt det som låter säkert.
• Att samla på mallar i stället för på ändringar. Fyrtio av andras mallar är mindre värda än tre egna, felsökta på ditt eget arbete.

Vad samma sak kostar som kurs

Eftersom vi ändå var inne i prisdatan — här är den, mätt den 17 juli 2026. Den vanliga uppfattningen att ”Udemy alltid har 90 % rabatt” överlever inte mötet med deras eget API: det svarar "saving_price": 0.0, "has_discount_saving": false, "discount_percent": 0. Det finns ingen rabatt. Elva av de tolv toppkurserna kostar 19,99 €; en (Complete AI Guide) 24,99 €. Udemy Personal Plan kostar 20,00 €/mån, på kampanj 10,00 €/mån. Coursera Plus: 50 €/mån eller 343 €/år, med 14 dagars ångerrätt.

Och en detalj värd att känna till innan du köper: ”Prompt Engineering Specialization” från Vanderbilt kräver ett betalt ChatGPT+-abonnemang för att göra uppgifterna. Praktiken kostar dig alltså två gånger — en gång plattformen, en gång modellen. Det exakta priset på ChatGPT Plus anger vi inte här: primärkällan är stängd (alla OpenAI-domäner gav vår crawler 403), och andrahandssiffror hör inte hemma i en artikel som argumenterar för påståenden som går att kontrollera.

Vad du gör nu

Försök inte lära dig fyrtio mallar utantill. Välj tre som passar riktiga uppgifter och kör dem den här veckan. När ett svar hamnar fel — och det gör det — gå igenom de sex felsökningsstegen uppifrån och ner och skriv ner vilket som löste det. Om en månad har du ingen lista med andras prompter, utan en färdighet som överlever nästa modell. Det gör inte listan.

En invändning: varje svar på de här prompterna är ett utkast, inte sanningen. En modell kan med full övertygelse hitta på ett faktum, en siffra eller en länk — varför det händer tar vi i AI-hallucinationer. Vilka data det över huvud taget är säkert att klistra in i en chatt står i vår text om integritet när du jobbar med AI. Formeln bakom plockar vi isär i vad en prompt är. Och vill du ha en prompt som inte bara svarar utan själv utför en uppgift i flera steg, är du inne på AI-agenter.