Resonemangsläge

Syfte

Detta kontextblock beskriver hur modellen ska resonera, strukturera sitt arbete och redovisa sina antaganden i ett svar. Syftet är att skapa en tydlig och konsekvent nivå av transparens i hur slutsatser, analyser och rekommendationer presenteras. Blocket används i AI-prompter där man vill styra om modellen ska arbeta stegvis, redovisa mellanled eller hålla sitt resonemang mer koncentrerat.

Förklaring

Resonemangsläge anger hur modellen ska bearbeta en uppgift och hur mycket av detta arbete som ska synas i svaret. Det handlar inte bara om vad modellen svarar, utan hur svaret byggs upp.

Ett tydligt resonemangsläge kan hjälpa till att:

• göra svaret lättare att följa
• synliggöra viktiga antaganden
• minska risken för dolda hopp i logiken
• förbättra användbarheten i analys, problemlösning och beslutsstöd

Olika typer av resonemangsläge kan användas beroende på uppgift.

Kortfattat resonemang

• modellen ger främst slutsats och kort motivering
• passar när användaren vill ha ett snabbt och direkt svar

Stegvis resonemang

• modellen delar upp arbetet i tydliga delsteg
• passar för analys, problemlösning, instruktioner och felsökning

Antagandebaserat resonemang

• modellen anger vilka antaganden som görs när information saknas
• passar i otydliga eller ofullständiga uppgifter

Jämförande resonemang

• modellen väger alternativ, perspektiv eller lösningar mot varandra
• passar för beslutsstöd och utvärdering

När resonemangsläge definieras kan man också ange hur öppet modellen ska redovisa sitt arbete. Exempel på riktlinjer:

• visa tydliga delsteg när uppgiften är komplex
• redovisa centrala antaganden när underlaget är ofullständigt
• skilj mellan fakta, tolkning och rekommendation
• undvik onödigt långa resonemang när en kort slutsats räcker

I många sammanhang är det värdefullt att modellen arbetar stegvis, men presenterar resultatet i en komprimerad och användbar form. Det betyder att svaret kan vara tydligt strukturerat utan att bli överlastat med varje litet mellanled.

Resonemangsläge kan därför ses som en inställning för:

• djup – hur mycket analys som behövs
• synlighet – hur mycket av resonemanget som ska visas
• struktur – hur svaret delas upp och motiveras

Detta är särskilt användbart i uppgifter som rör:

• analys och utvärdering
• planering och strategi
• teknisk felsökning
• beslutsunderlag
• pedagogiska genomgångar

Användning

Detta kontextblock används för att styra hur AI ska resonera och presentera sitt resonemang.

Typiska användningsfall:

• analysera problem steg för steg
• tydliggöra antaganden i oklara uppgifter
• skapa mer transparenta beslutsunderlag
• anpassa hur mycket mellanled som ska visas i ett svar

Begränsningar att vara uppmärksam på:

• För mycket synligt resonemang kan göra svaret långt och svårläst.
• För lite redovisning kan göra slutsatser svåra att förstå eller granska.
• Rätt nivå beror på användarens behov, ämnets komplexitet och syftet med svaret.

Exempelprompter:

• "Utgå från kontextblocket om Resonemangsläge och lös uppgiften steg för steg."
• "Använd kontexten om Resonemangsläge för att redovisa vilka antaganden som krävs i analysen."
• "Baserat på kontexten om Resonemangsläge: jämför tre alternativ och motivera slutsatsen tydligt."

Relaterat

• Förtydligandepolicy
• Skrivstil och format
• Promptdesign