Den mesta Promptutformningen fokuserar på korrekthet och på att instruktionerna ska täcka allt. De största vinsterna i produktion kommer när själva dialogen behandlas som det centrala designproblemet.
Genom att ange intentioner i form av utlösare och åtgärder vägleds Modellen i hur den ska fatta beslut, i stället för att få ett manus som den inte kan frigöra sig från. Placeringen i en Prompt är i sig en instruktion. Identiteten kommer först, beteendets nyanser i mitten och hårda begränsningar sist. Allt som verkligen är avgörande placeras på båda ställena.
Att skriva Prompten med den avsedda rösten i stället för att beskriva den är en av de förändringar som ger störst effekt.
De mest sammanhållna Agenterna har Promptar som behandlar olika skeden i ett samtal som skilda interaktioner, var och en med en lämplig form, samtidigt som rösten förblir tydligt densamma genom hela samtalet.
I vissa fall ger det mer sammanhållna och välgrundade svar att skilja Agenter som tänker från Agenter som talar. Det förhindrar också att internt Resonemang läcker ut i svaren.
Tidigare presenterade vi ett nytt paradigm för Promptutformning baserat på insikter från lingvistik och kognitiv psykologi. Vi skrev om vikten av att skapa ett tydligt avgränsat problemområde där vår Agent kan verka, och om hur området måste fånga dialogens metauppgift som är inneboende i kundinriktad AI.
Nu ska vi titta på några praktiska sätt som våra Promptar har börjat förändras på när vi har försökt omsätta principerna i produktion.
Efter hundratals iterationer av Promptar i kundinriktade produktionssystem har de största vinsterna inte kommit från fler instruktioner, fler exempel eller vedertagna normer för Promptutformning. De har i stället kommit från att sätta dialogen i centrum för problemet.
Genom kontinuerligt utforskande och testande har flera effektiva tekniker vuxit fram. Vi ändrade en Prompt och studerade var samtalet lyckades eller misslyckades. Sedan spårade vi bristerna tillbaka till hur effektiv vägledningen var, Promptens struktur och vårt språkbruk. Resultatet är ett fåtal återanvändbara mönster som förändrar hur Agenten tolkar sin roll i samtalet, väljer nästa drag och konsekvent behåller sin röst när kontexten skiftar.
Det som följer är varken ett universellt ramverk eller ett påstående om att Promptutformning nu är ”löst”. Det är en sammanfattning i fem mönster av det som fungerade i produktion när målet inte bara var funktionell korrekthet utan bättre dialog: svar som känns sammanhängande, naturliga och tillräckligt konsekventa för att bära ett varumärke.
Det finns många sätt att strukturera ett system med Agenter, men orkestrerade arbetsflöden med flera Agenter är fortfarande populära. Särskilt i sådana system var vår mest konsekventa förbättring att skilja Agenterna som tänker från Agenterna som talar.
Orkestrering av avsikter, klassificering, kunskapsutvinning och verktygsanvändning är interna processer. Kundinriktade svar hör till kunddialogen. När samma Agent gör båda delarna i samma tur kan internt Resonemang och intern logik läcka ut i svaren. Svaren blir försiktiga, överdrivet förbehållsamma eller strukturerade efter processens logik i stället för människans behov.
Den enda begränsningen gör förvånansvärt stor skillnad. Den förankrar svaren i det faktiska samtalet, förhindrar att kontexten nollställs och skapar något som ligger närmare det vi kallar "att leverera skillnaden”. I slutändan tillför Agenten bara minsta möjliga nya information som faktiskt hjälper användaren framåt.
Beslutet om vilken typ av svar som ska ges spelar också roll. Vi upptäckte att den vanligaste samtalsbristen minskade påtagligt när den talande Agenten fick välja samtalsdrag innan den skrev något – svara, förtydliga, hänvisa vidare eller be användaren vänta. Problemet var inte dålig prosa, utan att svaret var helt fel.
Det är värt att notera att de senaste banbrytande Modellerna under rätt förutsättningar börjar utmana premissen för det här mönstret. Många utvecklare förlitar sig ändå av olika skäl fortfarande på mindre eller äldre Modeller. I de fallen rekommenderar vi definitivt att intern bearbetning och kunddialog hålls åtskilda.
För Modeller utan Resonemang fungerar Few-shot-exempel eftersom de är konkreta, går snabbt att använda och Modeller svarar bra på dem. Problemet är överanpassning. Ge en Modell ett exempel så hakar den upp sig på orden, rytmen och formen och fortsätter att skapa snarlika varianter av samma svar även när situationen har förändrats.
Du har oavsiktligt skrivit ett manus som Modellen inte kan frigöra sig från.
Implementeringsintentioner eller heuristiska regler är ett mer hållbart alternativ. I stället för att visa Modellen vad den ska säga i specifika scenarier*,* anger vi ett bredare par av utlösare och åtgärd: om X händer, gör Y.
Den avgörande skillnaden är att vi inte snävar in X och Y med ett exempel i taget, så att de blir alltmer rigida. I stället drar vi en tydlig gräns runt vart och ett med en så precis instruktion att exemplen blir överflödiga. Det gör att Agenten kan reagera på verklig variation i samtalet i stället för att mönstermatcha mot en mall.
I praktiken liknar det mindre exempel och mer körbara tumregler:
If a key detail is missing, ask one clarifying question.
If the answer isn’t supported, say so directly and offer the best available next step.
If the request hits a guardrail, decline briefly and redirect without ceremony.
Det är inte glamoröst, men betydligt robustare än ett bibliotek med exempelsvar, eftersom Modellen får lära sig hur den ska fatta beslut snarare än vad den ska upprepa.
Placeringen i en Prompt påverkar hur stor vikt något får. Det är ett återkommande mönster som vi har sett i olika Modeller och driftsättningar. Början och slutet av en Prompt får oproportionerligt stor uppmärksamhet. I mitten finns nyanserna, precis där de hör hemma.
Det har vi i åtanke när vi strukturerar våra Promptar. Agentens roll och självbild placeras överst, så att identiteten fastställs före allt annat. I mitten finns detaljerna om beteendet: hur samtalet sannolikt kommer att utvecklas, de heuristiska regler som styr svaren och de situationer som Agenten behöver kunna hantera. Hårda begränsningar och sådant som inte är förhandlingsbart placeras längst ned, där det hamnar ”längst fram i minnet”.
Allt som verkligen är avgörande placerar vi på båda ställena. En specifik regel för utdata – exempelvis en tydlig instruktion om skiljetecken eller formatering – kan lätt förbises om den bara förekommer en gång mitt i en informationsrik Prompt. Om den upprepas i slutet följs den.
När det gäller aktualitet är det värt att notera att Strukturerade utdata, när de används, i praktiken är den allra sista instruktionen i Prompten. Beskrivningsfälten i dina Strukturerade utdata påverkar svarens kvalitet och skapar ett starkare kontrakt för utdata än resten av Prompten.
Vi har lärt oss att inte heller använda Few-shot-exempel för tonalitet, och det är en av de förändringar som haft störst effekt på våra kundinriktade Agenter.
I stället skriver vi hela Prompten med den avsedda rösten. Inte en beskrivning av rösten, inte en uppsättning adjektiv som försöker efterlikna den, utan den faktiska rösten, i fullständig prosa, från första raden till den sista. Prompten blir demonstrationen. Vi kallar det här för ”anti-manus”: att vägleda Modellen att efterlikna sina indata, samtidigt som den får använda ett bredare register av språk och formuleringar som ligger i samma stilmässiga ”område” som Prompten.
Så skapar vi variation inom en sammanhållen röst genom Promptar. Det ingår i vår strategi för att sätta dialogen i centrum för varje Agents uppgift, utan att behöva lägga till explicita instruktioner, som vi försöker hålla till ett minimum.
Om vi använder explicita exempel på tonalitet visar de "vad man inte ska göra”. Till exempel: “No em dashes. Ever. No clichés. No policy dumping. No over-explanation when a single sentence will close the loop.” Negativa begränsningar är både mer precisa och mindre hämmande än positiva ambitioner, eftersom de pekar ut de fallgropar som Modellen sannolikt glider mot.
Även formateringen spelar roll här och sätter tonen för svaret. En Prompt fylld med punktlistor, rubriker och instruktioner inom hakparenteser styr Modellen mot mer organiserade och kliniska utdata. Om utdata ska kännas som ett samtal bör indata inte se ut som ett kortfattat specifikationsdokument.
De flesta Promptar om tonalitet reduceras till personlighet. Man anger en uppsättning adjektiv som ska beskriva hur Agenten bör låta. Varm. Professionell. Vänlig men kortfattad. Det är inte fel, men hur en röst faktiskt uppfattas i ett samtal avgörs av stilnivån: hur samma grundläggande Karaktär beter sig i olika sociala situationer.
Ett väntemeddelande medan en fråga behandlas bör inte låta som ett slutgiltigt svar. Ett svar som utlöses av en skyddsregel bör inte ha samma energi som småprat. En frustrerad kund bör inte mötas med samma charm eller humor som någon som bara tittar runt.
Det är skillnaden mellan varumärkesröst och samtalsdesign. Varumärkesrösten beskriver ofta en Karaktär, medan samtalsdesignen avgör hur Karaktären beter sig när situationen förändras. Att lyckas med det innebär att vi inte bara är skribenter som arbetar med AI-utdata. Vi utformar hur en röst rör sig genom ett samtal.
Som du märker är inget av dessa mönster tekniskt komplicerat. Det är delvis poängen. Arkitekturen i ett system med Agenter spelar roll, men för att uppnå hög samtalskvalitet behöver du lägga mycket tid på att utforma och finslipa dina Promptar.
Klyftan mellan rent funktionell och genuint samtalsinriktad AI överbryggas inte genom teknisk design, utan genom en tydligare förståelse för hur språk och uppmärksamhet fungerar i mänsklig dialog och genom att sätta dialogen i centrum för Agenternas problemområde.
För AI-produktteam, ingenjörer och upplevelsedesigners förtjänar samtalsdesign samma noggrannhet som teknisk kvalitet inom kundinriktad AI. För människorna på andra sidan dessa samtal finns ingen Modell, inget samarbete mellan flera Agenter och inget verktygsanrop – bara en interaktion som antingen känns rätt eller inte. En interaktion som antingen skapar eller undergräver förtroende.
I slutändan är det ingen som upplever arkitekturen. De upplever samtalet.
Samtalet är produkten.