Miksi Claude tekee väärän asian: 3 kehotetta
MarkdownClaude kirjoittaa väärän asian, koska se ryhtyy koodaamaan ymmärtämättä tarkoitustasi. Kerron miksi ja annan 3 valmista kehotetta, joilla saat sen esittämään ensin kysymyksiä.
Lue koko artikkeli
Tärkein asia
Claude kirjoittaa väärän asian, koska se ryhtyy koodaamaan ja täydentää itse, mitä arvelee sinun tarkoittaneen. Usein se arvaa väärin. Ongelma ei juuri koskaan johdu mallista – vahvinkin malli menee harhaan, jos tehtävä on epämääräinen. Korjaan asian yhdellä keinolla: pyydän Claudea ensin haastattelemaan minua ja selvittämään tarkoitukseni, ja vasta sitten kirjoittamaan. Alla on kolme valmista kehotetta, jotka voit kopioida ja liittää.
Lue lisää palvelun käytöstä Ailoot-dokumentaatiosta.
Miksi Claude tekee väärän asian?
Tärkein asia
Claude saa lyhyen pyynnön, täydentää puuttuvat tiedot heti ja ryhtyy kirjoittamaan koodia oman tehtävätulkintansa pohjalta. Sen tulkinta eroaa sinun tulkinnastasi. Näin saat muutoksia 14 tiedostoon, vaikka odotit yhden rivin muutosta. Syynä on ero sen välillä, mitä sanoit ja mitä tarkoitit. Mallilla ei juuri ole asian kanssa tekemistä.
Kirjoitat: ”Lisää suodattimet tuotesivulle.” Ajattelet paria valintaruutua ja päivittyvää luetteloa. Claude kuulee saman ja päättää rakentaa täysimittaisen suodatusmoottorin: oman tilanhallinnan, erillisen viiveen syötteen käsittelyyn, URL-synkronoinnin ja tusinan apufunktioita. Satoja koodirivejä, vaikka muutama URL-parametri olisi riittänyt.
Tällaisessa tapauksessa johtopäätös on selvä: agentti ei tehnyt virhettä, vaan ratkaisi tarpeettoman suuren ongelman. Virhe oli siinä, ettei toivottua lopputulosta kuvattu tarpeeksi lyhyesti ja täsmällisesti.
Avainsana on ”tarkoitus”. Sinulla se on mielessäsi, Claudella ei. Se näkee pyyntösi tekstin ja kaiken kontekstissaan siihen asti. Sitten se täydentää aukot arvauksilla. Mitä lyhyempi pyyntö, sitä enemmän arvauksia – ja sitä kauemmas tulos ajautuu siitä, mitä halusit.
Anthropic sanoo asian suoraan Claude Code -dokumentaatiossaan:
Jos annat Clauden hypätä suoraan koodiin, se saattaa ratkaista väärän ongelman.
Koin tämän omassa projektissani. Pyysin korjausta yhteen valtuutusnäkymään ja sain muutoksia, jotka vaikuttivat puoleen viereisestä moduulista. Claudea ei voi syyttää: annoin sille yhden rivin, ja se täydensi loput itse. Sen jälkeen olen aloittanut kysymyksillä kaikki tehtävät, jotka ovat isompia kuin kirjoitusvirheen korjaus – niillä kysymyksillä, joita Claude esittää minulle.
Johtuuko se todella mallista – ja miksi vahvimmatkin mallit erehtyvät?
Tärkein asia
Mallilla on vähemmän merkitystä kuin usein ajatellaan. Epämääräisessä tehtävässä vahvinkin malli menee harhaan: se saa samat puutteelliset ohjeet ja täydentää aukot omilla arvauksillaan. Agenttiaan hallitsevat kehittäjät saavat samanlaisia tuloksia sekä huippumallilla että keskitason mallilla. Kaikki riippuu siitä, kuinka selvästi kerrot, mitä haluat. Mallin teho on tässä toissijainen asia.
Joka viikko ilmestyy edellistä ”älykkäämpi” malli, ja joka kerta tuntuu siltä, että nyt tekoäly vihdoin ymmärtää meitä muutamasta sanasta. Ei ymmärrä. Tehokkaampi malli kirjoittaa koodia nopeammin ja käsittelee monimutkaista logiikkaa paremmin, mutta se ei silti osaa lukea ajatuksiasi. Jos tehtävä on muotoiltu huonosti, saat kauniisti kirjoitetun mutta silti väärän lopputuloksen.
Johtopäätös on yksinkertainen. Uusimman mallin jahtaaminen, jotta se arvaisi paremmin, on umpikuja. On halvempaa ja luotettavampaa oppia antamaan sille tehtäviä, joissa sen ei tarvitse arvailla. Siitä seuraavaksi.
Mitä grilling tarkoittaa ja miten se korjaa tekoälyn kanssa syntyvän väärinymmärryksen?
Tärkein asia
Grilling tarkoittaa, että pyydät tekoälyä haastattelemaan sinua ennen työn aloittamista: se kysyy tehtävästä yksityiskohtaisia kysymyksiä, kunnes olette samalla kannalla. Tarkoitus on kuroa umpeen viestinnän kuilu ennen ensimmäistäkään koodiriviä.
Se kuulostaa nurinkuriselta. Käytämme tekoälyä saadaksemme asiat tehdyiksi nopeammin, ja nyt meitä kehotetaan hidastamaan sitä ja pyytämään sitä kysymään ensin. Viiden minuutin kysymykset ennen koodaamista voivat kuitenkin säästää tunnin korjauksilta myöhemmin.
Ongelma ei ole vain siinä, että selitit asiat Claudelle huonosti. Usein et ole itse miettinyt tehtävää loppuun asti – mitä tapauksia pitää huomioida, missä rajat kulkevat ja mikä on tärkeintä. Grilling tuo nämä asiat esiin kysymysten avulla. Keskustelun päätteeksi sinulla on paitsi tekoälyn ymmärtämä tehtävä myös oma tehtäväsi vihdoin yksityiskohtaisesti määriteltynä.
Näin kontekstin suunnittelu toimii: suurin työ tehdään ennen kehotetta, ei sitä kirjoitettaessa. Et etsi maagista kehotemuotoilua, vaan kokoat Claudelle etukäteen tarvittavat tiedot, kunnes se ymmärtää ilman lisäselityksiä.
Miten saat Clauden kysymään sinulta ensin?
Tärkein asia
Kuvaile tehtävä lyhyesti ja pyydä Claudea nimenomaisesti haastattelemaan sinua ennen työn aloittamista: pyydä sitä kysymään yksityiskohdista, poikkeustapauksista ja rajoitteista sekä kokoamaan lopuksi kaiken määritystiedostoon. Tämä on Anthropicin virallinen suositus – Claude Code -dokumentaatiossa on valmis kehote. Kopioi se, muuta kuvausta ja liitä se istunnon alussa.
Anthropic ei ainoastaan hyväksy tätä lähestymistapaa, vaan myös suosittelee sitä. Dokumentaatiossa on osio ”Anna Clauden haastatella sinua”, jossa on valmis kehote. Tässä on käytännöllinen versio:
KehoteGrilling-kehote – pyydä Claudea haastattelemaan sinua
Haluan rakentaa [lyhyt kuvaus tehtävästä].
Haastattele minua perusteellisesti ennen kuin kirjoitat koodia. Kysy toteutuksesta, käyttöliittymästä, poikkeustapauksista, riskeistä ja kompromisseista. Älä kysy itsestäänselvyyksiä – perehdy hankaliin asioihin, joita en ehkä ole tullut ajatelleeksi.
Esitä yksi kysymys kerrallaan ja odota vastaustani. Ehdota heti omaa suosittelemaasi vastausta jokaiseen kysymykseen.
Jatka, kunnes olemme käsitelleet kaiken. Kokoa sitten täydellinen määrittely tiedostoon nimeltä SPEC.md.
Kolme yksityiskohtaa tekevät kehotteesta hyödyllisen koristeellisen sijaan. Ensinnäkin ”yksi kysymys kerrallaan”. Jos tekoäly esittää kymmenen kysymystä yhdellä kertaa, hämmennyt ja vastaat pintapuolisesti. Toiseksi ”ehdota vastausta”: sinun ei tarvitse keksiä kaikkea itse, vaan voit hyväksyä ehdotuksen tai korjata sitä. Kolmanneksi ”kokoa määritys tiedostoon”: sinusta esiin saatu tarkoitus muuttuu dokumentiksi, joka ei katoa.
Anthropic kuvaa hyötyä työpanoksen näkökulmasta:
Määrityksen viimeistelyyn käytetty aika on arvokkaampaa kuin toteutuksen seuraamiseen käytetty aika.
Kun haastattelu on ohi, avaa uusi istunto ja anna sille valmis määritys. Puhdas konteksti ja selvästi ilmaistu tarkoitus – ja Claude osuu kohdalleen ensimmäisellä yrittämällä.
”Todista, että tämä on paras suunnitelma” -tekniikka
Tärkein asia
Älä pyydä tekoälyä vain esittämään kysymyksiä – pyydä sitä myös perustelemaan päätöksensä. Lisään tehtävään vaatimuksen: sen pitää osoittaa, että ehdotettu suunnitelma on paras eikä vain ensimmäinen mieleen tullut vaihtoehto ja että se on mietitty useita askelia eteenpäin. Näin Claude siirtyy ”teen jotain samankaltaista” -tilasta kriitikon rooliin, jossa se tarkistaa oman työnsä ennen kuin käytät aikaa toteutukseen.
Grilling tuo tarkoituksesi esiin. Tekoälyllä on kuitenkin toinenkin tapa: se tarttuu ensimmäiseen uskottavalta vaikuttavaan ratkaisuun. Anthropic kutsuu tätä ”luota mutta varmista” -aukoksi: Claude tuottaa uskottavan toteutuksen, joka ei kestä poikkeustapauksia. Ratkaisu on pyytää perusteluja ennen koodia.
Jos et pysty tarkistamaan tulosta, älä lähetä sitä.
Lisään kehotteeseeni lähes aina ”todista se” -osion. Tässä on tarkka sanamuoto:
KehoteKehote – pyydä tekoälyä perustelemaan suunnitelmansa
Analysoi tehtävä kriitikon tavoin ennen koodaamisen aloittamista.
Etsi 2-3 tapaa ratkaista se. Osoita kunkin kohdalla, että se todella ratkaisee tehtäväni eikä vain lisää tarpeetonta monimutkaisuutta. Älä kirjoita koodia vain kirjoittamisen vuoksi.
Valitse sitten yksi ratkaisu ja osoita, että se on paras ja että olet ajatellut useita askelia eteenpäin. Mikä rikkoutuu projektin kasvaessa? Mitä emme huomaa juuri nyt?
Ehdota toteutusta vasta tämän jälkeen.
Ilman tätä osiota Claude antaa ensimmäisen toimivan vaihtoehdon. Sen kanssa Claude karsii umpikujaan johtavat ratkaisut itse, selittää valintansa ja näyttää päättelynsä ennen kuin yhteenkään tiedostoon kosketaan. Luet kahdessa minuutissa lyhyen tekstin sen sijaan, että käyttäisit tunnin selvittääksesi, miksi valmis koodi ei toimi odotetusti.
Ennakkoruumiinavaus: pyydä tekoälyä keksimään 10 syytä epäonnistumiselle ennen aloitusta
Tärkein asia
Ennakkoruumiinavaus on tekniikka, jossa pyydät tekoälyä kuvittelemaan, että projekti on jo epäonnistunut, ja nimeämään syyt. Claude vaihtaa optimistisesta ”hoidan tämän” -tilasta etsimään heikkouksia, jotka muuten tulisivat esiin vasta viikon työn jälkeen. Saat luettelon riskeistä ennen kuin olet sijoittanut projektiin aikaa ja voit ratkaista ne etukäteen.
Tämä on suosikkitekniikkani, ja siinä on kyse psykologiasta. Kun pyydät tekoälyä ”tekemään hyvää työtä”, se keskittyy onnistumiseen ja ohittaa aukot. Pyydä sitä kuvittelemaan epäonnistuminen, niin se alkaa huomata aiemmin sivuuttamansa asiat. Kehote on lyhyt:
KehoteEnnakkoruumiinavauksen kehote – etsi aukot ennen aloitusta
Kuvittele, että nyt on kulunut vuosi. Suunnittelemamme projekti on epäonnistunut.
Kirjoita 10 syytä, miksi niin kävi. Mitä emme huomioineet alussa, mitä aliarvioimme, missä oikaisimme ja mitkä oletukset osoittautuivat vääriksi?
Kerro sitten jokaisen syyn kohdalla, mitä voimme korjata jo nyt sen ehkäisemiseksi.
Käytän tätä kehotetta ennen suunnitelman hyväksymistä. Puolet syistä osoittautuu hölynpölyksi, mutta toinen puoli on todellisia sudenkuoppia, joihin olisin muuten törmännyt viikon päästä. Niiden korjaaminen suunnitteluvaiheessa kestää kymmenen minuuttia. Valmiissa projektissa niihin törmääminen vie useita päiviä selvitystyötä.
Yhdistelmä on yksinkertainen: grilling tuo tarkoituksen esiin, ”todista se” perustelee päätöksen ja ennakkoruumiinavaus paljastaa aukot. Kolme lyhyttä tekstipätkää, jotka liität mukaan ennen koodaamista. Ne muuttavat hätäilevän suorittajan yhteistyökumppaniksi, joka ajattelee ensin.
Miksi ylikuormittunut konteksti saa Clauden toimimaan tyhmästi?
Tärkein asia
Clauden konteksti-ikkuna on rajallinen: se pystyy pitämään mielessään vain tietyn määrän tietoa kerrallaan. Kun ikkunasta on täynnä yli puolet, se alkaa unohtaa tärkeitä yksityiskohtia, sekoittaa aiempia sopimuksia ja täydentää aukkoja muistamisen sijaan. Pitkä keskustelu kaikesta mahdollisesta on tavallinen syy siihen, että tekoäly tekee päivän päätteeksi aivan muuta kuin mistä aamulla sovittiin.
Täydellisestikin määritelty tehtävä menee pieleen, jos työskentelet sekavassa kontekstissa. Näin se toimii: jokainen uusi pyyntö tuo koko keskusteluhistorian Clauden työskentelykontekstiin. Mitä pidempi istunto, sitä nopeammin ikkuna täyttyy. Pidä se enintään puolillaan; sen jälkeen tekoäly alkaa käyttäytyä tyhmästi ja unohtaa tärkeitä asioita, joista puhuitte alussa.
Tässä sääntö, joka säästää minulta eniten turhautumista: yksi tehtävä, yksi keskustelu. Saitko funktion valmiiksi? Sulje keskustelu ja avaa seuraavaa tehtävää varten uusi. Kaiken tekeminen yhdessä ikkunassa voi joskus olla kätevämpää, mutta maksat siitä menetetyllä kontekstilla ja aiheesta poikkeavilla vastauksilla.
Anthropic kutsuu tätä virhetilaa ”romulaatikkokeskusteluksi”. Ratkaisu on yksinkertainen: käytä komentoa /clear eri tehtävien välillä tyhjentääksesi ikkunan ja estääksesi edellisen tehtävän sekamelskan siirtymisen uuteen.
Jos työskentelet pitkissä istunnoissa etkä ymmärrä, mihin rahat ja tekoälyn huomio kuluvat, käsittelen asiaa erikseen oppaassa, joka kertoo mihin Claude Code -tokenit menevät. Olen koonnut pysyvän kontekstin perusteet, jotka Claude lukee jokaisen käynnistyksen yhteydessä, myös CLAUDE.md:n määrittämistä käsittelevään oppaaseen.
Grilling vai Plan Mode – mikä niiden ero on ja miten ne täydentävät toisiaan?
Tärkein asia
Grilling ja Plan Mode ratkaisevat saman ongelman eri puolet. Grilling selvittää tarkoituksesi kysymyksillä ennen suunnitelman tekemistä. Plan Mode ottaa jo ymmärretyn tehtävän ja näyttää muutossuunnitelman koskematta mihinkään ennen hyväksyntääsi. Ne toimivat parhaiten yhdessä: ensin grilling selventää, mitä rakennamme, sitten Plan Mode näyttää tarkalleen miten.
Ihmiset sekoittavat usein nämä tekniikat toisiinsa tai olettavat, että vain toinen niistä tarvitaan. Käytännössä ne kuuluvat prosessin eri vaiheisiin.
| Ominaisuus | Grilling | Plan Mode |
|---|---|---|
| Milloin se tapahtuu | Ennen suunnitelmaa – selventää tarkoituksen | Sen jälkeen – laatii muutossuunnitelman |
| Kuka kysyy keneltä | Tekoäly haastattelee sinua | Sinä luet ja hyväksyt suunnitelman |
| Mitä saat | Tehtävän määrittelyn | Tiedostokohtaisen muutossuunnitelman |
| Keskeinen hyöty | Ehkäisee tilanteen ”tätä en tarkoittanut” | Ehkäisee tilanteen ”älä koske mihinkään muuhun” |
Anthropic kuvaa nelivaiheista vakiotyönkulkua: ensin Explore (Claude tutkii ja kyselee), sitten Plan (laatii suunnitelman tekemättä muutoksia), sen jälkeen Implement (kirjoittaa koodin suunnitelman mukaan) ja lopuksi Commit (tallentaa tuloksen). Grilling tapahtuu ensimmäisessä vaiheessa ja Plan Mode toisessa. Lue toista vaihetta käsittelevä opas Claude Coden Plan Modesta.
Anthropic itse esittää tärkeän varauksen: älä kuormita pieniä tehtäviä tällä.
Jos pystyt kuvaamaan muutoksen yhdellä virkkeellä, ohita suunnitelma.
Kirjoitusvirheen korjausta, uudelleennimeämistä tai yhden rivin muutosta varten kirjoita pyyntö suoraan ilman haastattelua tai suunnitelmaa. Grilling kannattaa tehtävissä, joihin liittyy epäselvyyttä ja virheiden korkea hinta. Triviaalien tehtävien kohdalla se vain hidastaa.
5 tehtävän määrittelyvirhettä, jotka saavat tekoälyn tekemään väärän asian
Tärkein asia
Lähes kaikki tekoälyn virheet johtuvat viidestä tehtävän määrittelyvirheestä: epämääräinen yhden rivin pyyntö, rajoitteiden puuttuminen, ”kirjoita koodi” ilman sitä edeltävää ”ymmärrä ensin” -vaihetta, valmiin tuloksen määritelmän puuttuminen ja yksi loputon keskustelu kaikkea varten. Jokainen niistä saa Clauden täydentämään tehtävää arvauksilla. Alla näet, miltä kukin näyttää ja millä sen voi korvata.
Olen koonnut tavallisia sudenkuoppia taulukkoon. Vasemmalla on se, mitä ihmiset yleensä tekevät väärin; oikealla on, mitä pitäisi tehdä sen sijaan.
| Virhe | Miltä se kuulostaa | Tee sen sijaan näin |
|---|---|---|
| Epämääräinen yhden rivin pyyntö | ”Paranna hallintapaneelia” | Kuvaile tehtävä ja aloita grilling-istunto – anna tekoälyn selvittää yksityiskohdat kysymyksillä |
| Ei rajoitteita | ”Lisää valtuutukset” | Kerro, mikä ei saa rikkoutua, mitä kirjastoja ei pidä lisätä ja mikä on tehtävän ulkopuolella |
| ”Kirjoita koodi” heti | Kehote – ja koodaaminen alkaa | Ensin ”ymmärrä ja kysy”, sitten kirjoita koodi |
| Valmiin tuloksen määritelmä puuttuu | Odotat tekoälyn arvaavan lopputuloksen | Anna esimerkki, viitekuvakaappaus tai testi, joka näyttää, mitä ”toimiva” tarkoittaa |
| Yksi keskustelu kaikkea varten | Vietä koko päivä yhdessä keskustelussa | Yksi tehtävä, yksi uusi keskustelu, jotta konteksti ei sotkeennu |
Tarkista viimeisin kehote, johon tekoäly vastasi väärin. Lähes varmasti taustalla oli jokin näistä viidestä virheestä. Useimmiten se on ensimmäinen: annoit sille lyhyen ilmauksen ja odotit Clauden täydentävän loput oikein. Se täydensi loput – mutta ei tarkoittamallasi tavalla.
Mitä seuraavaksi: rakenna järjestelmä, jonka avulla tekoäly ymmärtää sinua muutamasta sanasta
Tärkein asia
Yksittäiset kehotteet ratkaisevat yksittäisiä tehtäviä. Jos haluat tekoälyn ymmärtävän sinua ilman pitkiä selityksiä joka kerta, tarvitset järjestelmän: grilling selvittää kunkin tehtävän tarkoituksen, Second Brain tallentaa projektitiedot ja kontekstin suunnittelu yhdistää kaiken, mitä Claude lukee ennen kehotetta. Silloin syy väärään lopputulokseen katoaa: sillä on aina riittävästi kontekstia, jotta sen ei tarvitse arvailla.
Tämän oppaan kolme kehotetta – grilling, ”todista se” ja ennakkoruumiinavaus – auttavat käsillä olevassa tehtävässä. Se on jo paljon: et enää saa 14 tiedostoon ulottuvaa muutosta, kun halusit muuttaa vain yhtä riviä.
Grillingillä on kuitenkin rajansa. Tarkoituksesi selvittäminen alusta asti joka kerta vie kauan. Todellinen muutos syntyy, kun osa kontekstista on aina valmiina: projektitietoja sisältävässä kansiossa, CLAUDE.md-tiedostossa, jonka Claude lukee jokaisella käynnistyskerralla, ja skills-taidoiksi koodatussa menetelmässäsi. Silloin tekoäly aloittaa tehtävän tuntien yrityksesi, tavoitteesi ja tyylisi – ja ymmärtää sinua muutamasta sanasta, koska olet antanut puolet kontekstista etukäteen.
Anthropicin tuore analyysi osoittaa, kuinka paljon työtä tämä vaatii: kehittäjät käyttävät tekoälyä noin 60%:ssa työstään, mutta voivat luottaa siihen täysin vain 0-20%:ssa tehtävistä. Loput vaativat ymmärrystäsi, valvontaasi ja kykyäsi selittää, mitä pitää rakentaa. Juuri tätä taitoa kannattaa kehittää, ei älykkäimmän mallin jahtaamista.
Lähteet
Tutustu Ailootiin.
Lisätietoja
Kysymyksiä tästä oppaasta: Miksi Claude tekee väärän asian: 3 kehotetta
Milloin käytän haastattelukehotetta suoraan koodiin siirtymisen sijaan?
Käytä sitä, kun lopputulos, reunatapaukset tai rajoitukset ovat epäselviä ja virheet olisivat kalliita. Pyydä yksi kysymys kerrallaan ja tallenna sovittu tulos SPEC.md-tiedostoon. Kirjoitusvirheen tai selvästi kuvatun yhden rivin muutoksen voi pyytää suoraan.
Mitä tarkistan ennen ehdotetun suunnitelman hyväksymistä?
Pyydä kaksi tai kolme lähestymistapaa ja vertaa, miten kukin täyttää määrittelyn ja rajoitukset. Suorita sitten ennakoivan epäonnistumisarvion kehote, tarkista sen epäonnistumissyyt ja käsittele olennaiset riskit ennen toteutusta.