Pek ut området
Navngi bildene, beskriv regionen og skill det som skal observeres fra det som skal tolkes.
Mer enn tekst
Prompter for bilder, PDF, lyd og video
Fortell hvilken fil, side, region, taler eller tidsperiode modellen skal bruke — og om oppgaven er å observere, sammenligne, trekke ut eller tolke.
Bevar sidereferansen
Be om side, tabell eller avsnitt ved hvert viktig funn. Kontroller OCR og små tegn.
Skill taler og sikkerhet
Oppgi språk og formål. Bevar tidskode og marker usikker transkripsjon.
Avgrens tidsrommet
Be om hendelser, endringer eller sitater i en konkret sekvens, med tidskode.
En fireleddet multimodal brief
Materiale:
- Bilde 1: [hva det forestiller / kilde]
- Bilde 2: [hva det forestiller / kilde]
Oppgave:
Sammenlign bare [navngitt område eller egenskap].
Arbeidsregel:
- Beskriv først det som faktisk er synlig.
- Skill observasjon fra tolkning.
- Ikke gjett tekst eller detaljer som ikke kan leses.
- Oppgi hvilket bilde og hvilken region hvert funn gjelder.
Lever:
En tabell med observasjon | mulig tolkning | usikkerhet | anbefalt kontroll.Tre vanlige feil
- Utydelig referanse: «Hva er forskjellen?» uten å si hvilke bilder eller egenskaper som skal sammenlignes.
- For stor sikkerhet: modellen blir bedt om å identifisere liten tekst, eksakt antall eller romlig plassering uten kontroll.
- Skjulte instrukser i filer: dokument- eller bildetekst behandles som ordre i stedet for ubetrodd innhold.
Kilder
- Anthropic: Vision — bilder, rekkefølge og begrensninger
- Google: Prompt design strategies — multimodal struktur og referanser
- OpenAI: Images and vision — offisiell visjonsguide