En simpel redaktionel arbejdsgang med GPT
En redaktionel arbejdsgang er tidskrævende og besværlig.
Det er den fordi indholdet skifter hænder så mange gange undervejs.
Og det gælder uanset om man sender tekstfiler rundt mellem forskellige medarbejdere på e-mail, eller om man bruger et mere moderne og integreret værktøj til projekthåndtering og indholdsstyring.
Fra en ide formuleres til den færdige tekst kan præsenteres for offentligheden, er der ofte mange forskellige øjne som indholdet skal forbi.
¶ Kan en redaktionel arbejdsgang automatiseres?
De forskellige personer som er involveret i en redaktionel arbejdsgang, har hver især en ret specialiseret og veldefineret rolle. I bedste fald bibringer hver person i denne kæde indholdet noget betydningsfuldt.
Målet er et troværdigt produkt som er engagerende nok til at læserne vil bruge deres sparsomme tid på det.
Når nu både rollerne undervejs i processen er veldefinerede, og der også kan opstilles en klar målsætning, så brude processen kunne opstilles programmatisk.
Jeg har arbejdet med at automatisere den redaktionelle proces. Her er resultatet af det arbejde i en lettere simplificeret udgave:
'Please write 7 paragraphs about classic cars from 1950 to 1960' |
gpt --endpoint=completions --role=skribent |
gpt --endpoint=edits --role=ombryder |
gpt --endpoint=edits --role=redaktør |
trans --brief en:da |
gpt --endpoint=edits --role=korrekturlæser |
slb |
nvim -
- linje er ideen til teksten – en artikel om veteranbiler fra 1950’erne.
Ideen sendes med |-symbolet videre til
- linje, der er OpenAI’s completions endpoint i deres GPT-API.
Samtidig med at jeg fodrer API’et med selve ideen, så fortæller jeg også lidt om hvordan GPT skal forholde sig til ideen. Det gør jeg ved at give den en rolle som er defineret som følger:
{
"name": "skribent",
"expecting": "Lucid writing",
"variables": null,
"role": "You are a copy writer. Based on my input you must ..."
}
Så spytter GPT en artikel ud som er syv afsnit lang.
Den artikel piper jeg så igen med | videre til et andet endpoint hos OpenAI, nemlig deres edits-endpoint – det sker her på linje 3.
Samtidig definerer jeg en ny rolle som jeg kalder “ombryder”. Jeg vil ikke afsløre instruktionen for den rolle, men “ombryder”-rollen er nødvendig fordi GPT i sig selv skriver lidt monotont og ikke er tilstrækkeligt opmærksom på at skabe læserindgange i teksten, så den får lige lov til at arbejde lidt med sin egen tekst ud fra nogle ideer om formattering og ombrydning som jeg giver den.
På 4. linje får teksten er mere traditionel redigering, blandt andet ud fra nogle betragtninger om at fjerne overflødigt fedt og rydde ud i gentagelserne som GPT er lidt slem til at lave.
Linje 5 er bare en oversætter. Det er bedst at arbejde på engelsk så længe som muligt i arbejdsgangen, af flere forskellige årsager som er veldokumenterede, men som jeg ikke vil kede læseren med her.
Så beder jeg på sjette linje GPT om at læse korrektur på den danske udgave af teksten.
Linje 7 hedder bare slb – det er min egen funktion som splitter sætninger ud på linjer som forklaret nærmere i serien: Skriv som en poet - ikke en bot
Og endelig på 8. linje sender jeg den færdige tekst videre til mit eget redigeringsprogram, så jeg personligt kan gå den efter i sømmene:
Ideen er min, og det endelige ansvar er også mit.
Men de forskellige redaktionelle roller undervejs i tilblivningsfasen er automatiserede. Her er menneskerne skiftet ud med GPT.
Hov!
Mangler der ikke en væsentlig rolle – spørger den vågne læser nu forhåbentligt.
Jo, researcheren.
Jeg har her i det her simple eksempel udeladt researcheren.
Research er ikke GPT’s stærke side. Så skal den kobles sammen med andre værktøjer.
Jeg har i den forbindelse leget en smule med langchain – og jo, researcheren kan også automatiseres med lidt mere teknisk snilde og tid end jeg for nærværende har på hånden.
¶ Kan resultatet måle sig med en rigtig redaktion?
Mine eksperimenter har været forholdsvist vellykkede – i hvert fald så længe jeg kun har givet simple og relativt kortfattede opgaver til GPT.
Bliver tingene lidt mere komplekse og teksterne noget længere, så er GPT stadig ikke sammenlignelig med en rigtig redaktion.
På nogle punkter vil GPT heller ikke blive sammenlignelig med en redaktion bestående af mennesker.
På den anden side er der enormt meget skrivearbejde som på tilfredsstillende vis vil kunne automatiseres, også fordi prisen er en faktor af betydning. Og GPT er både hurtig og billig sammenlignet med mennesker.
I fremtiden vil visse publikationer sikkert markedsføre sig på at være menneskeskabte, ligesom visse aviser stolt peger på papirudgaven i dag, selvom meget få læser den.
Det har været interessant at undersøge mulighederne i GPT med henblik på at automatisere det redaktionelle workflow. Og de opnåede resultater er både fascinerende og lettere skræmmende.
Jeg er også selv blevet skarpere på præcist hvad en god redaktionel arbejdsgang består i. Når man skal formalisere sin viden, bliver man nødt til at skære ind til benet.