Det kan beskrives med ét ord: Leg.
Den eneste måde du kan danne dig en forståelse med praktiske færdigheder er hvis du leger med det.
Det er som sådan en fejlagtig antagelse at man kan prompte "korrekt". I sagens natur er der ikke noget "korrekt" eller "forkert" i forhold til LLM'er.. I sagens natur er deres eneste output en sandsynlig fortsættelse på en tegnsekvens, vægtet efter træningsdataen.
Det kan lyde lidt afvisende eller trivielt, men mener det ikke sådan. Derimod er der en del paraleller det at konversere mellem mennesker. Hvis du møder et fremmed menneske for første gang er det heller ikke rimeligt at tro, at der findes en "korrekt" måde at snakke sammen på. Omvendt skal man heller ikke antropomorfisere: De her algoritmer har ikke noget "jeg"... de kan alene lave statistisk funderede tekstfortsættelser.
Ét greb der altid er befordrende for en god udveksling er at være bevidst om sin samtalepartners kontekst, altså hvad de ved og ikke ved.
Når det første man som læser møder er "så når jeg beskriver borgerens udfordringer" er man temmelig meget på bar bund, uanset om man er menneske eller maskine. Starter man derimod med "Jeg har et arbejde hos en dansk kommune hvor jeg skal visitere borgere til forskellige ydelser.." så har alle bedre forudsætninger for at svare med noget nyttigt 🙂.
I forhold til dit konkrete oplæg til en prompt ville jeg sige den nok er for staccato og data-tæt (jvf mine egne erfaringer med LLM).. Som sådan "forstår" maskinen ikke "mand 25 år".. ord betyder kun noget for den i de omfang og sammenhænge de optræder i træningsdataen.. Så medmindre din konkrete LLM er trænet til at håndtere den slags får du nok et bedre resultat med mere flydende prosa.
Men igen, hvis den resulterende udveksling viser sig tilstrækkelig for dig så fungerede det jo fint. Hvilket bringer os tilbage til starten: Leg 🙂.
I forhold til at bruge det professionelt mener jeg selv det er ret meget ligesom mange andre værktøjer.. de kan bruges fornuftigt eller ufornuftigt.. Det er fx nemmere at komme til at grave en vandledning over med en gravko end med en spade.. Tilsvarende med en LLM er det nemmere at komme til at sige en masse vås end hvis man skulle skrive det selv..
I min egen erfaring kan de være gode redskaber til at blive inspireret og til at give eksempler.. men man er altid selv ansvarlig for hvad man sender ud i sidste ende.
Mit eget felt er softwareudvikling. Her kan de være ret nyttige til opgaver der er simple men omfangsrige, især i de tilfælde hvor de kan krydstjekke deres arbejde med anden software og således få et feedback loop.
Håber du lykkes med det! 🙂