Hvad er et prompt? En praktisk guide til prompts for kodning og læring

Hvad er et prompt?

Et prompt er den besked, instruktion eller det spørgsmål, du skriver til en AI, for at få den til at gøre noget bestemt. Det kan være alt fra “forklar denne kode” til “skriv et udkast til en rapport på dansk”.

Når du bruger værktøjer som ChatGPT, er hvert input du giver, et prompt. AI’en svarer ud fra de ord, du skriver, og den gætter sig frem til, hvad du vil have, ud fra mønstre i sproget.

I praksis betyder det her:

• Til kodning kan et prompt fx være: “Find fejlen i denne JavaScript-funktion og forklar den for en begynder”.
• Til læring kan et prompt være: “Forklar loops i Python, som om jeg aldrig har programmeret før, og giv to små øvelser”.

En prompt er altså ikke magi. Det er bare en tekst-instruktion. Men forskellen på en vag og en præcis instruktion kan være forskellen på et brugbart svar og ren støj.

Hvad bruges prompts til i praksis?

Prompts bruges til at styre, hvad AI’en skal gøre for dig. Nogle af de mest typiske anvendelser er:

• Tekst og formidling: skrive udkast til mails, opsummere tekster, omskrive, oversætte eller forenkle svære forklaringer.
• Idéudvikling: brainstorme projektidéer, funktionsforslag til en app eller opgaver til et studieprojekt.
• Analyse og struktur: få hjælp til at strukturere en rapport, lave en indholdsfortegnelse eller finde hovedpointer i et dokument.
• Kodning: generere kode, forklare eksisterende kode, finde fejl, foreslå tests eller alternative løsninger.
• Læring: forklare faglige begreber, lave øvelser, teste din forståelse og give feedback på dine egne svar.

I denne guide fokuserer vi især på, hvordan du bruger prompts til kodning og læring. Det er dér, du som udvikler eller studerende typisk får mest ud af AI som sparringspartner.

Hvordan er en god prompt bygget op?

Mange taler om “prompt engineering” som en hel disciplin. I praksis handler det om at designe gode prompts. Selve prompten er bare den tekst, du skriver. Prompt engineering er arbejdet med at gøre den tekst så klar og effektiv som muligt.

En god prompt indeholder typisk fire elementer:

• Rolle – hvem AI’en skal opføre sig som.
• Mål/opgave – hvad den konkret skal hjælpe med.
• Kontekst – baggrund, begrænsninger og detaljer.
• Format/output – hvordan svaret skal se ud.

1. Rolle

Du kan sætte en rolle for at styre stil og niveau:

• “Du er en tålmodig programmeringsunderviser for begyndere.”
• “Du er en erfaren Python-udvikler, der skriver klar, kommenteret kode.”

Rollen hjælper modellen med at vælge sprog, detaljeringsgrad og vinkel.

2. Mål eller opgave

Beskriv præcist, hvad du vil have lavet:

• “Forklar, hvad denne funktion gør, trin for trin.”
• “Skriv en simpel HTML-side med en kontaktformular.”
• “Find og forklar fejlen i denne kode.”

Jo mere konkret opgaven er, jo mindre skal AI’en gætte.

3. Kontekst

Kontekst er alt det, der omgiver opgaven:

• Hvilket sprog (HTML, CSS, JavaScript, Python osv.).
• Hvilket niveau du er på (nybegynder, let øvet).
• Hvad koden skal bruges til (webapp, skoleopgave, hobbyprojekt).
• Eventuelle begrænsninger (ingen eksterne biblioteker, ren CSS osv.).

4. Format og output

Fortæl, hvordan du vil have svaret:

• “Svar i punktform.”
• “Giv kun koden, uden forklaring.”
• “Giv både koden og en kort forklaring til hver blok.”
• “Lav 10 quizspørgsmål med facit til sidst.”

Hvis du sætter rolle, mål, kontekst og format tydeligt, bruger du i praksis enkel prompt engineering – uden at det behøver et fancy navn.

Gode og dårlige prompts: hvad er forskellen?

Den hurtigste måde at forstå prompts på er at se forskellen mellem en vag og en præcis prompt.

Eksempel 1: Forklaring af kode

Dårlig prompt:

Forklar denne kode:

(indsætter 30 linjer Python-kode uden mere info)

Her skal AI’en gætte på dit niveau, konteksten og hvor detaljeret den skal forklare. Du får ofte en meget generel og måske for teknisk forklaring.

Bedre prompt:

Du er en tålmodig Python-underviser for begyndere.

Forklar trin for trin, hvad denne kode gør:

[indsæt koden]

Forklar:
1) Hvad funktionen overordnet gør.
2) Hvad der sker linje for linje.
3) Hvad en nybegynder typisk kan komme til at misforstå.
Svar på dansk.

Hvorfor er den bedre?

• Du sætter rolle (underviser for begyndere).
• Du definerer mål (forklar trin for trin).
• Du giver struktur (3 konkrete punkter).
• Du definerer sprog (dansk).

Eksempel 2: Generering af kode

Dårlig prompt:

Skriv noget JavaScript til en to-do liste.

Her aner AI’en ikke, om det er til en begynder, om du har HTML klar, om du må bruge frameworks osv. Du risikerer at få noget, der ikke passer til dit niveau eller din opgave.

Bedre prompt:

Du er en hjælpsom JavaScript-mentor.

Skriv vanilje-JavaScript (ingen frameworks) til en simpel to-do liste, der kan:
- Tilføje opgaver
- Markere opgaver som færdige
- Slette opgaver

Jeg har allerede denne HTML-struktur:
[indsæt HTML]

Giv:
1) Den fulde JavaScript-kode.
2) En kort forklaring på dansk til hver større kodeblok.

Her begrænser du opgaven, sætter niveau og sikrer en forklaring, du kan lære af.

Promptskabeloner til kodning

Nedenfor får du konkrete prompt-skabeloner, du kan kopiere og tilpasse. Jeg tager udgangspunkt i HTML, CSS, JavaScript og Python, fordi det er typiske begynder-sprog.

1. Generering af kode

HTML/CSS:

Du er en frontend-underviser for begyndere.

Lav en simpel HTML-side med tilhørende CSS til en [beskriv side, fx "personlig portefølje"].

Krav:
- Responsivt layout (1 kolonne på mobil, 2 kolonner på desktop)
- En header, en sektion med indhold og en footer
- Brug kun ren CSS (ingen frameworks)

Giv:
1) HTML-koden
2) CSS-koden
3) En kort forklaring på dansk af, hvordan layoutet er bygget op.

JavaScript:

Du er en JavaScript-mentor.

Skriv ren JavaScript (ingen frameworks) til at:
[beskriv opgaven, fx: "filtrere en liste af produkter ud fra en søgetekst"]

Forudsætninger:
- Jeg har denne HTML-struktur:
[indsæt HTML]

Giv:
1) Den fulde JavaScript-kode
2) En kort forklaring af de vigtigste funktioner og event listeners på dansk.

Python:

Du er en Python-underviser for begyndere.

Skriv et Python-script, der kan:
[beskriv opgaven, fx "læse en CSV-fil og udskrive gennemsnittet af en bestemt kolonne"]

Begrænsninger:
- Brug kun standardbiblioteket

Giv:
1) Den fulde kode
2) Kommentarer i koden, der forklarer de vigtigste trin.

2. Forklaring af kode

Generel skabelon:

Du er en tålmodig [sprog]-underviser for begyndere.

Forklar, hvad denne kode gør, på dansk og i et enkelt sprog:

[indsæt koden]

Strukturer svaret sådan:
1) Kort overblik på 3-5 linjer
2) Gennemgang linje for linje eller blok for blok
3) Typiske fejl eller misforståelser, man kan have med denne type kode.

3. Fejlfinding og debugging

Her er det vigtigt, at du også selv lærer at debugge. En god artikel at kombinere med AI er fx hvordan du stopper med at debugge i blinde. Brug AI som supplement, ikke erstatning.

Du er en erfaren [sprog]-udvikler, der hjælper med debugging.

Jeg får denne fejlbesked:
[indsæt fejlbesked]

Her er koden:
[indsæt relevant uddrag af koden]

Hjælp mig med:
1) En forklaring på, hvad fejlen typisk betyder
2) Et kvalificeret gæt på, hvor problemet er i koden
3) Et forslag til rettelse
4) Forslag til, hvordan jeg selv kunne have debugget mig frem til det.

4. Refaktorering (omstrukturering af kode)

Du er code reviewer på et GitHub-projekt.

Her er et stykke [sprog]-kode:
[indsæt koden]

Opgave:
1) Foreslå en mere læsbar og vedligeholdelsesvenlig version af koden
2) Forklar kort på dansk, hvad du har ændret, og hvorfor det er en forbedring
3) Peg på eventuelle navne, der kan gøres mere meningsfulde.

5. Tests

Hvis du arbejder med tests, kan AI hjælpe med at foreslå testcases. Kombiner det gerne med fx guiden om tests i Vite-projekter.

Du er en testorienteret [sprog]-udvikler.

Her er en funktion, jeg gerne vil teste:
[indsæt koden]

Lav:
1) En liste over realistiske testcases (inkl. edge cases)
2) Eksempler på tests i [test-framework, fx Jest, Pytest]
3) En kort forklaring på dansk af, hvorfor disse tests er vigtige.

Promptskabeloner til læring

AI er stærk som læringspartner, hvis du bruger den aktivt til at forstå og øve dig – ikke kun til at få færdige svar. Nedenfor er nogle skabeloner, som især er gode, hvis du lærer at kode via selvstudie eller studieprojekter.

1. Få en forklaring på dit niveau

Du er en tålmodig underviser i [emne, fx "grundlæggende Python"].

Forklar begrebet "[begreb, fx "while-loop"]" til mig, som om jeg:
- Aldrig har programmeret før
- Men er okay til matematik på gymnasieniveau

Struktur:
1) En kort, enkel definition
2) Et helt konkret eksempel med kode
3) En analogi til noget fra hverdagen
4) 2-3 små øvelser, jeg selv kan prøve.

2. Lav øvelser til dig

Du er min personlige træner i [sprog, fx "JavaScript"].

Lav 10 opgaver til mig om [emne, fx "arrays og loops"].

Krav:
- Stigende sværhedsgrad (mærk dem som let, mellem, svær)
- Kun opgaveformuleringer, ingen løsninger endnu
- Opgaverne skal kunne løses af en begynder, der har haft emnet i et par uger.

3. Tjek din forståelse

Her lader du AI’en fungere som en slags mundtlig eksaminator.

Du er eksaminator i [fag, fx "introduktion til programmering"].

Stil mig 10 spørgsmål om [emne, fx "funktioner i Python"], ét ad gangen.

For hvert spørgsmål:
- Vent på mit svar
- Vurder mit svar (kort) på en skala fra 1-5
- Forklar, hvad der manglede, hvis jeg ikke rammer 5.

Start med et let spørgsmål.

4. Få feedback på din egen forklaring

Du er underviser i [fag, fx "webudvikling"].

Jeg vil prøve at forklare et begreb for at tjekke, om jeg har forstået det.

Begreb: [fx "DOM i JavaScript"]

Her er min forklaring:
[indsæt din egen forklaring]

Opgave:
1) Vurder min forklaring på en skala fra 1-10 for en studerende på begynderniveau.
2) Peg på, hvad der er godt.
3) Peg på, hvad der er upræcist, mangler eller er misvisende.
4) Giv et forslag til en forbedret version af min forklaring.

5. Brug AI som sparringspartner til projekter

Projektbaseret læring er en rigtig god vej ind i kodning. Se fx artikler tagget projektbaseret læring eller hvordan en simpel to-do app kan bruges til at lære JavaScript i denne case. AI kan hjælpe dig med at strukturere og nedbryde projekter.

Du er min mentor, der hjælper mig med at lære at kode gennem projekter.

Jeg vil bygge et projekt i [sprog/stack, fx "HTML, CSS og JavaScript"]:
[beskriv din idé]

Hjælp mig med:
1) At formulere et realistisk mål for første version (MVP)
2) At dele projektet op i små opgaver i rækkefølge
3) At foreslå, hvilke opgaver jeg skal løse selv først, før jeg beder dig om kodehjælp.

Hvis du vil dykke mere ned i, hvordan man lærer at kode effektivt, kan du finde flere strategier under læringsstrategi og studieteknik og den generelle kategori lær at kode.

Sådan prompter du trin for trin

Hvis du er ny til AI, kan du tænke på prompts som små iterationer, ikke som én perfekt besked. Her er en simpel arbejdsgang:

Trin 1: Start med målet

Spørg dig selv: “Hvad vil jeg faktisk opnå?”

• “Forstå denne kode.”
• “Få en første version af denne funktion.”
• “Blive testet i loops.”

Trin 2: Tilføj kontekst og begrænsninger

Fortæl, hvilket sprog, niveau, og hvad koden skal bruges til. Hvis du har eksisterende kode eller opgaveformulering, så indsæt den.

Trin 3: Bestem formatet

Sig fx:

• “Svar i punktform.”
• “Giv kun kode, ingen forklaring.”
• “Giv både kode og forklaring.”
• “Lav en lille quiz i slutningen.”

Trin 4: Test svaret

Læs svaret kritisk:

• Passer det til dit niveau?
• Virker koden faktisk, hvis du kører den?
• Forstår du forklaringen?

Trin 5: Iterér på prompten

Justér prompten ud fra det første svar:

• “Forklar mere simpelt.”
• “Giv et kortere eksempel.”
• “Brug Python i stedet for JavaScript.”
• “Fokuser kun på denne del af koden:” [indsæt uddrag].

Selv erfarne brugere arbejder sådan: de skriver en første prompt, ser svaret, og forbedrer derefter deres prompt, indtil de får det, de har brug for.

Faldgruber ved prompts til kodning og læring

AI er et stærkt værktøj, men der er nogle klassiske faldgruber, især når det handler om kode og læring.

1. Kode der ikke virker (eller er usikker)

• AI kan give kode, der ikke kører, eller som kun virker i en bestemt kontekst.
• Den kan mangle fejlhåndtering og sikkerhed (fx når du arbejder med input, filer eller API’er).

Derfor skal du:

• Altid teste koden selv.
• Bruge debugger, logs og din egen forståelse. Se fx kategorien fejlfinding og debugging for metoder.
• Være ekstra forsigtig med kode, der håndterer API-nøgler og secrets. Læs fx om sikker håndtering i artikler som om opbevaring af API-nøgler og secrets skal være kedelige.

2. Copy-paste uden forståelse

Det er fristende bare at indsætte AI’ens kode direkte i dit projekt. Problemet er, at du så:

• Ikke lærer, hvad der faktisk sker.
• Har svært ved at rette fejl og videreudvikle.
• Risikerer at sidde fast, når AI ikke rammer rigtigt.

Pointen er dækket ret præcist i artiklen stop med bare at copy-paste AI-kode. Brug prompts til at forstå og undersøge, ikke kun til at producere kode.

3. Overafhængighed i læring

Hvis du bruger AI til alle opgaver og afleveringer, risikerer du:

• At hoppe over den hårde, men vigtige del af læringen.
• At få svært ved eksamener, hvor du ikke må bruge AI.
• At komme i konflikt med din uddannelses institutions regler.

Tjek altid din skoles eller uddannelsessteds retningslinjer for brug af AI. Brug AI som studiepartner til at forklare, øve og få feedback, ikke som en genvej til at få afleveringer lavet.

4. “Sandhedseffekten”

AI lyder ofte sikker, også når den tager fejl. Den kan:

• Opfinde funktioner, der ikke findes.
• Give fagligt forkerte forklaringer.
• “Hallucinere” kildehenvisninger eller tal.

Derfor bør du altid:

• Tjekke kode ved at køre den, ikke bare læse den.
• Dobbeltchecke faglige påstande i bøger, dokumentation eller troværdige kilder.
• Bruge AI som første udkast, ikke som endelig sandhed.

Kort opsummering: sådan skriver du en god prompt

Et prompt er den tekst-instruktion, du giver en AI for at få hjælp, fx til kode eller læring. Kvaliteten af svaret afhænger direkte af, hvor klart og konkret du formulerer dig.

En god prompt:

• Giver AI’en en rolle (fx mentor, underviser, reviewer).
• Beskriver en konkret opgave (generere, forklare, debugge, teste, undervise).
• Indeholder kontekst (sprog, niveau, formål, begrænsninger).
• Angiver ønsket format (kode, punktform, trin for trin, quiz osv.).

Til kodning kan du bruge prompts til at generere, forklare, fejlfinde, refaktorere og teste kode i HTML, CSS, JavaScript, Python og andre sprog. Til læring kan du bruge prompts til at få forklaringer på dit niveau, lave opgaver, teste dig selv og få feedback på dine egne forklaringer.

Hvis du kombinerer gode prompts med nysgerrighed, egen problemløsning og systematisk øvelse, bliver AI en stærk makker på din vej til at lære at kode og bygge bedre projekter.