AI prompt mall: 7 återanvändbara arbetsflöden

Arbetsflöde 1: mötesanteckningar till handlingsplan

Använd det här arbetsflödet efter samtal, säljmöten och planeringsmöten. Målet är en beslutsklar handlingsplan med ansvariga, datum, öppna frågor och uppföljningar, inte ännu en sammanfattning.

Input -> prompt -> output -> QA. Alla arbetsflöden i den här guiden använder samma fyra steg. Om det är själva promptsteget du känner dig osäker på täcker ramverket prompt engineering för nybörjare hur man skriver instruktion, kontext, begränsningar och format som varje mall nedan förutsätter.

Steg	Vad du bidrar med	Varför det spelar roll
Input	Det riktiga materialet: en transkription, en inkorg, källsidor, en diff, en uppgiftslista eller ett utkast	Vaga förfrågningar låter modellen gissa ansvariga, datum och påståenden du aldrig gav den
Prompt	Roll, kontext, begränsningar och det exakta outputformatet	Begränsningar är det som håller modellen borta från privat data och beslut som kräver mänskligt omdöme
Output	En namngiven struktur: åtgärdstabell, prioritetskö, extraktionstabell, resultatlista, schema eller innehållspaket	Ett namngivet format är mycket lättare att kontrollera än löpande text
QA	En kontroll som spårar varje punkt tillbaka till källan innan du agerar	Namn, datum, siffror och åtaganden behöver fortfarande godkännas av en människa

Färdiga mallpaket. De sju arbetsflödena nedan är de generella formerna. Dessa två paket är de ifyllda versionerna, redan utskrivna prompt för prompt.

Mall	Vad den gör	Bäst för
Founder Research Stack	Nio kopieringsklara prompter för marknadskartor, konkurrentgenomgångar, prisstruktur, positionering och kundspråksanalys, som slutar i ett utkast till landningssida	Grundare, konsulter och operatörer som ska bestämma inriktning och prissättning
Claude Coding Prompt Pack	Tolv kopieringsklara prompter för felsökning, kodgranskning, refaktorering, arkitekturgranskningar och testdesign, med de begränsningar som hindrar en liten fix från att bli en omskrivning	Utvecklare som vill ha en granskningsbar diff istället för en ombyggd fil

Input: transkription, lösa anteckningar, deltagarlista, mötets syfte, kända deadlines och beslut du redan litar på. Om transkriptionen är lång, märk upp avsnitten efter ämne eller tidsstämpel innan du promptar.

Prompt: "Gör om dessa mötesanteckningar till en handlingsplan. Kontext: Mötets syfte var [syfte]. Deltagare var [namn]. Anteckningar/transkription: [klistra in]. Begränsningar: Hitta inte på ansvariga eller datum. Markera oklara punkter som behöver bekräftas. Skilj beslut från diskussion. Format: sammanfattning, beslut, åtgärdstabell, risker, uppföljningsmeddelande."

Output: en brief i fem delar med en kort sammanfattning, bekräftade beslut, åtgärdstabell med ansvarig/datum/status, olösta frågor och ett skickklart uppföljningsmejl.

QA: Kontrollera varje åtgärdspunkt mot transkriptionen. Ta bort sådant som AI:n gissat sig till för mycket. Bekräfta datum och ansvariga innan du skickar. Om outputen är för bred, kör om prompten med en extra begränsning: "Ta bara med åtgärder som någon uttryckligen gått med på att göra."

Arbetsflöde 2: e-postsortering till svarskö

Det här arbetsflödet hjälper dig att bearbeta en fullproppad inkorg utan att låta AI:n tala för dig okontrollerat. Den användbara outputen är en prioriteringskö, inte en drös robotartade svar.

Input -> prompt -> output -> QA

Input: avsändare, ämnesrad, e-posttext, relationskontext, brådska och din önskade svarsstil. Ta bort privat data innan du klistrar in känsliga trådar och be modellen skriva ett utkast, inte skicka.

Prompt: "Sortera dessa mejl för idag. Kontext: Min roll är [roll], mina prioriteringar är [prioriteringar] och min ton ska vara [ton]. Mejl: [klistra in]. Begränsningar: Besvara inte frågor som kräver privat kontodata. Flagga allt som behöver mänskligt omdöme. Format: prioritetstabell, rekommenderad åtgärd, utkast till svar för varje mejl som kan besvaras säkert."

Output: en tabell med prioritet, motivering, nästa åtgärd, förslag till svar och riskflagga. Faktureringsfrågor, kontoåtkomst och löften bör flaggas för manuell granskning.

QA: Läs prioritetsmotiveringen först. Om modellen inte kan förklara varför ett mejl är brådskande, sänk prioriteten. Kontrollera alla namn, datum, löften, priser och bilagor. Behåll en personlig regel: AI kan skriva utkast till svar, men människor godkänner åtaganden.

Arbetsflöde 3: konkurrentanalys till research-brief

Använd det här som ett AI-arbetsflöde för research när du behöver en snabb men spårbar bild av en marknad utan att drunkna i flikar.

Input -> prompt -> output -> QA

Input: konkurrentnamn, anteckningar från webbplatser, prisutdrag, produktsidor, recensionsutdrag, målkund och beslutet du ska fatta. Du kan också utgå från Whizis Founder Research Stack om du vill ha en mer komplett mall.

Prompt: "Skapa en konkurrentanalys för [marknad]. Kontext: Jag ska besluta [beslut]. Konkurrenter och anteckningar: [klistra in]. Begränsningar: Använd bara de bifogade anteckningarna. Skilj fakta från slutsats. Hitta inte på priser, kunder eller funktioner. Format: jämförelsetabell, positioneringsmönster, luckor, risker och nästa research-frågor."

Output: en jämförelsetabell med konkurrent, målgrupp, löfte, funktioner, prisanteckningar, bevis och antagen positionering. Den bästa versionen har även en kolumn för "vad som behöver verifieras" så att researchen inte utger sig för att vara slutgiltig.

QA: Spåra varje påstående tillbaka till en anteckning eller ett källutdrag. Markera obekräftade slutsatser. Kör samma prompt i en annan modell för viktiga beslut och jämför vilken output som tydligast skiljer bevis från åsikt.

Arbetsflöde 4: PDF-sammanfattning till verifierad extraktion

Generiska PDF-sammanfattningar är riskabla eftersom de kan missa reservationer eller överdriva slutsatser. Det här arbetsflödet kräver extraktion och verifiering innan någon sammanfattning görs.

Input -> prompt -> output -> QA

Input: PDF-texten eller det uppladdade dokumentet, dokumenttyp, ditt syfte, de avsnitt som spelar störst roll och den exakta output du behöver. Om dokumentet är långt, be om sammanfattningar per avsnitt innan du ber om en syntes.

Prompt: "Analysera det här dokumentet för [syfte]. Kontext: Dokumenttypen är [typ] och det jag bryr mig mest om är [ämnen]. Begränsningar: Citera eller hänvisa till avsnittsnamn när det går. Markera osäkra punkter. Sammanfatta inte avsnitt du inte kan se. Format: en sida sammanfattning, tabell med nyckelfakta, risker/reservationer, extraherade datum/siffror/namn och en verifieringschecklista."

Output: en kompakt sammanfattning plus en strukturerad extraktionstabell. En tabell för en forskningsartikel kan innehålla påstående, bevis, metod, begränsning och tillförlitlighet. En avtalstabell kan innehålla åtagande, part, deadline, avsnitt och risk.

QA: Sök i originaldokumentet efter varje siffra, deadline, namngiven part och citat. Be om en andra genomgång: "Lista fem sätt den här sammanfattningen kan vara vilseledande." Om svaret påverkar juridiska, medicinska, ekonomiska eller anställningsrelaterade beslut, behandla AI-outputen som ett läshjälpmedel, inte rådgivning.

Arbetsflöde 5: kodgranskning till säkrare ändringslista

Det här AI-arbetsflödet för kodning är användbart när du har en diff, en pull request eller en fil du vill ha granskad. Poängen är att minska risk, inte lämna över omdömet.

Input -> prompt -> output -> QA

Input: koddiff, omgivande funktion eller modul, förväntat beteende, testresultat, felmeddelanden, begränsningar och vad som inte ska ändras. Klistra aldrig in hemligheter, produktionsuppgifter eller privat kunddata.

Prompt: "Granska den här koden som en senior utvecklare. Kontext: Förväntat beteende är [beteende]. Målet med ändringen är [mål]. Kod/diff: [klistra in]. Begränsningar: Prioritera buggar, regressioner, säkerhetsproblem, kantfall och saknade tester. Undvik feedback som bara handlar om stil om den inte döljer en bugg. Format: resultattabell med allvarlighetsgrad, fil/funktion, problem, varför det spelar roll, förslag till fix och test att lägga till."

Output: en rankad granskningslista, föreslagna tester och en minimal ändringsplan. Vid refaktorering, be om den minsta läsbarhetsförbättring som bevarar beteendet och lista sedan tester som bevisar det.

QA: Återskapa varje bugg innan du fixar den när det går. Acceptera inte en föreslagen patch utan att läsa den. Kör tester, lint och typkontroller lokalt. Om två modeller är oense, använd oenigheten som en granskningschecklista snarare än en omröstning.

Arbetsflöde 6: daglig planering till fokuserat schema

En daglig AI-rutin bör hjälpa dig att välja vad du inte ska göra. Det här arbetsflödet gör om en rörig lista till en fokuserad plan med realistiska block, avvägningar och en avstängningspunkt.

Input -> prompt -> output -> QA

Input: uppgiftslista, kalenderbegränsningar, deadlines, energinivå, möten, måsteuppgifter, valfria uppgifter och ett strategiskt mål. Ju ärligare input, desto bättre plan.

Prompt: "Planera min dag utifrån resultat, inte upptagenhet. Kontext: Dagens tillgängliga arbetsblock är [block]. Måsteuppgifter är [måsteuppgifter]. Valfria uppgifter är [valfritt]. Energinivån är [energi]. Strategiskt mål är [mål]. Begränsningar: Skydda djupt arbete, inkludera buffertar, undvik att lova för mycket och förklara avvägningar. Format: schema, tre viktigaste resultat, avvaktande lista, risklista, avstängningschecklista."

Output: ett tidsindelat schema, tre resultat, en avvaktande lista och en avslutande tio minuters avstängningsrutin. Den avvaktande listan spelar roll eftersom den hindrar AI:n från att få en omöjlig dag att se prydlig ut.

QA: Kontrollera om planen får plats i din faktiska kalender. Skär bort 20 procent om den känns för full. Om en uppgift saknar en definition av "klart", be modellen definiera det innan du börjar.

Arbetsflöde 7: återanvändning av innehåll till publiceringspaket

Det här AI-arbetsflödet för skrivande gör om en användbar källa till flera publiceringsbara tillgångar utan att allt låter likadant.

Input -> prompt -> output -> QA

Input: källinnehåll, målgrupp, kanallista, exempel på varumärkesröst, påståenden som måste förbli korrekta, påståenden att undvika och önskade format. Inkludera exempel på ditt bästa befintliga innehåll om du vill ha mindre generisk output.

Prompt: "Återanvänd den här källan till ett publiceringspaket. Kontext: Målgruppen är [målgrupp]. Kanalerna är [kanaler]. Röstexempel: [klistra in]. Källa: [klistra in]. Begränsningar: Behåll fakta, undvik hype, lägg inte till obekräftad statistik och gör varje kanal naturlig i sitt format. Format: kärnbudskap, 5 inläggsidéer, mejlutkast, korta inlägg för sociala medier, ett längre inlägg för sociala medier, nyhetsbrevsavsnitt och QA-tabell."

Output: ett innehållspaket med återanvändbara vinklar, kanalspecifika utkast och en QA-tabell med ursprungligt påstående, återanvänt påstående, källplats och risk.

QA: Jämför varje utkast med källan. Ta bort påståenden som lades till för dramatisk effekt. Kontrollera att mejlet, inlägget och artikelns intro har olika roller istället för att upprepa samma mening. Spara prompten som en återanvändbar ai-prompt mall först när den fungerat på ett riktigt innehåll.