Fra to ord til færdig PowerShell – sådan virker min AI-kommando “Lav BFS”
En prompt behøver ikke være lang. Hvis betydningen på forhånd er defineret, kan ganske få ord starte en langt mere omfattende arbejdsgang. I et af mine ChatGPT-projekter har jeg derfor oprettet kommandoen "Lav BFS", som bruges til at få lavet PowerShell til en læsbar oversigt over mapper og filer.
Hvad betyder BFS?
BFS bruger jeg som en kort kommando til en bestemt arbejdsgang. Når jeg skriver "Lav BFS", skal ChatGPT udarbejde den PowerShell, der genererer en læsbar fil- og mappestruktur for den mappe, jeg angiver.
Det vigtige er, at "Lav BFS" ikke er en PowerShell-kommando. Det er min egen kommando til ChatGPT. Betydningen er defineret på forhånd i projektets instruktioner.
Hvad skal ChatGPT gøre?
Når jeg bruger kommandoen, skal ChatGPT ikke begynde at gætte på, hvad jeg mener med BFS. Kommandoens betydning er allerede fastlagt.
Den PowerShell, som ChatGPT laver, skal blandt andet:
- kontrollere, at den valgte kildemappe findes
- gennemgå mapper og filer rekursivt
- sortere mapper før filer
- medtage dato og tidspunkt
- medtage den fulde kildesti
- opbygge en læsbar træstruktur
- give mulighed for at gemme resultatet som TXT eller Markdown
Selve gennemgangen skal være rent læsende. PowerShell må altså ikke flytte, omdøbe, ændre eller slette noget i den mappe, der undersøges.
Hvorfor lave en filstruktur?
Ved store projekter kan der efterhånden være mange mapper, undermapper og filer. Hvis AI skal hjælpe med at forstå strukturen, er det ikke altid nødvendigt at give AI selve filerne.
En BFS kan i stedet give et øjebliksbillede af, hvordan materialet er organiseret. Man kan se mappernes placering, filnavne og sammenhængen mellem de forskellige dele af strukturen.
Det kan blandt andet bruges som grundlag for at tale med AI om projektstruktur, filplacering og dokumentstyring.
Kommandoen må ikke ændre betydning
En vigtig del af min løsning er, at kommandoen har en fast betydning. ChatGPT skal derfor ikke fortolke "Lav BFS" på ny, hver gang jeg bruger den.
Kommandoen betyder heller ikke, at AI skal foreslå en ny mappestruktur, flytte filer eller begynde at reorganisere projektet. Den skal udføre den arbejdsgang, der allerede er defineret.
Definér kommandoen én gang → fastlæg præcise regler → skriv "Lav BFS" → få PowerShell til den konkrete mappe → kør PowerShell → gem den genererede filstruktur.
AI skriver PowerShell til den konkrete opgave
Fordelen ved denne metode er, at den korte kommando ikke behøver indeholde selve PowerShell-koden. ChatGPT udarbejder koden, når den skal bruges.
Det betyder også, at arbejdsgangen kan bruges på forskellige mapper. Jeg angiver den aktuelle mappe, og ChatGPT kan derefter lave den nødvendige PowerShell efter de regler, der allerede er fastlagt.
Fra prompt til fast arbejdsgang
BFS-eksemplet viser en anden måde at bruge prompts på end almindelige spørgsmål til en chatbot. I stedet for at skrive den samme lange instruktion igen og igen har jeg defineret en kort kommando med en bestemt betydning.
Det samme princip kan bruges til andre tilbagevendende opgaver. Hvis en arbejdsgang kan beskrives præcist, kan den defineres på forhånd, så en kort kommando senere er nok til at fortælle AI, hvad der skal ske.
På den måde bliver AI ikke kun et værktøj, man stiller spørgsmål til. Det kan også blive en del af en fast og struktureret digital arbejdsgang.
