Een prompt is de instructie die je aan een AI-taalmodel geeft, bijvoorbeeld aan Gemini, ChatGPT of Claude. De kwaliteit van het antwoord hangt sterk af van de kwaliteit van je prompt. Een vage vraag levert een vaag antwoord op, een doordachte opdracht levert iets bruikbaars op. Prompt-engineering is simpelweg de vaardigheid om die opdracht goed te formuleren.
Hieronder vind je de vier bouwstenen die vrijwel elke goede prompt deelt, plus een werkwijze om je prompts te verbeteren.
1. Context: geef achtergrond en een rol
Een model weet niet wie je bent of waarom je iets vraagt, tenzij je het vertelt. Door context te geven, stuur je het antwoord de juiste kant op. Denk aan:
- Wie je bent of voor wie het bedoeld is: "Ik ben projectleider en schrijf voor collega's zonder technische achtergrond."
- Een rol voor het model: "Gedraag je als een ervaren tekstredacteur."
- Relevante achtergrondinformatie: plak het document, de data of de e-mail erbij waar het over gaat.
Hoe meer relevante context, hoe minder het model hoeft te gokken.
2. Taak: zeg precies wat je wilt
Maak de eigenlijke opdracht concreet en ondubbelzinnig. Vergelijk "Schrijf iets over onze nieuwe dienst" met "Schrijf drie korte LinkedIn-berichten die onze nieuwe back-updienst aankondigen." De tweede versie geeft een duidelijk doel.
- Gebruik een actief werkwoord: vat samen, vertaal, vergelijk, herschrijf, maak een lijst.
- Splits een grote opdracht eventueel op in losse stappen.
- Benoem wat je juist niet wilt, als dat helpt.
3. Formaat: bepaal vorm, lengte en toon
Het model raadt anders zelf hoe het antwoord eruitziet. Stuur dat expliciet:
- Vorm: een opsomming, een tabel, een alinea of een stappenplan.
- Lengte: "in maximaal 100 woorden" of "in vijf bullets".
- Toon: zakelijk, informeel, of geschikt voor een klant.
Vraag om een vast formaat
Vraag om een vast formaat als je de uitvoer later verder verwerkt. "Geef het resultaat als opsomming" maakt het makkelijker om het over te nemen in een document of e-mail.
4. Voorbeelden: laat zien wat je bedoelt
Soms is een voorbeeld duidelijker dan een uitleg. Door een of twee voorbeelden mee te geven van invoer en bijbehorende gewenste uitvoer, laat je het model precies het patroon zien dat je wilt. Dit heet few-shot prompting en werkt goed voor herhaalbare taken met een vast formaat. Kies voorbeelden die de variatie in je echte invoer dekken, dat helpt meer dan eindeloos sleutelen aan een enkel perfect voorbeeld.
De vier bouwstenen samen in een voorbeeld
Zie hier hoe een vage vraag verandert in een complete prompt zodra je de vier bouwstenen invult.
Een prompt opbouwen in vier stappen
- Context: "Ik ben accountmanager en mail een bestaande klant die te laat heeft betaald. De relatie is goed en ik wil die houden."
- Taak: "Schrijf een vriendelijke herinnering om de openstaande factuur te betalen en vraag of er iets is wat de betaling tegenhoudt."
- Formaat: "Maximaal 120 woorden, professionele maar warme toon, met een duidelijke afsluitende vraag."
- Voorbeeld: plak eventueel een eerdere mail die qua toon goed zat, zodat het model die stijl overneemt.
Het resultaat is concreet, in de juiste toon en direct bruikbaar, in plaats van een algemene tekst die je nog flink moet herschrijven.
Verfijnen: prompten is een gesprek
Verwacht niet altijd het perfecte antwoord in een keer. De kracht van een chatmodel is dat je kunt bijsturen. Is het antwoord te lang, vraag om een kortere versie. Klopt de toon niet, vraag om een zakelijkere variant. Mist er iets, benoem het en laat het model aanvullen.
Het gesprek bouwt voort
Elk nieuw bericht bouwt voort op het gesprek tot dan toe. Je hoeft de context niet telkens te herhalen, verwijs gewoon naar het vorige antwoord, bijvoorbeeld "maak de tweede optie korter".
Veelgemaakte fouten
- Te vaag: "Help me met mijn presentatie" zonder onderwerp, publiek of doel.
- Te veel tegelijk: vijf ongerelateerde vragen in een prompt. Splits ze op.
- Geen formaat: je krijgt een lap tekst terwijl je een lijstje wilde.
- Schreeuwen met hoofdletters: termen als "BELANGRIJK" of "JE MOET" helpen niet en kunnen bij nieuwere modellen juist slechtere antwoorden geven. Een rustige, directe instructie werkt beter.
- Blind vertrouwen: een model kan overtuigend klinken en toch fout zitten.
Controleer altijd zelf
Controleer feiten, cijfers en namen altijd zelf. Taalmodellen kunnen plausibel ogende maar onjuiste informatie genereren. Deel daarnaast geen vertrouwelijke of persoonsgegevens in een prompt zonder dat je zeker weet dat de tool en het account daarvoor geschikt en goedgekeurd zijn.
Samengevat
Bouw je prompt op uit context, taak en formaat, voeg een voorbeeld toe waar dat helpt, en verfijn in een paar beurten. Met die structuur haal je uit vrijwel elk taalmodel bruikbaardere en consistentere antwoorden.
Wat is het verschil tussen een prompt en prompt-engineering?
Een prompt is de losse opdracht die je intypt. Prompt-engineering is de vaardigheid om die opdracht zo te formuleren dat je betrouwbaar een goed antwoord krijgt, door bewust context, taak, formaat en voorbeelden te combineren.
Moet ik altijd een rol meegeven aan het model?
Niet altijd, maar het helpt vaak. Een rol zoals "gedraag je als een ervaren tekstredacteur" stuurt de toon en het detailniveau. Voor eenvoudige feitvragen voegt een rol weinig toe.
Wat is few-shot prompting?
Bij few-shot prompting geef je een of meer voorbeelden mee van invoer en de gewenste uitvoer. Het model leert daaruit het patroon en past het toe op jouw nieuwe invoer. Dit werkt vooral goed bij herhaalbare taken met een vast formaat.
Waarom krijg ik soms een lap tekst terwijl ik een lijstje wilde?
Waarschijnlijk heb je geen formaat opgegeven. Vraag expliciet om de vorm die je wilt, bijvoorbeeld "geef het antwoord als opsomming met maximaal vijf punten".
Kan ik vertrouwelijke gegevens in een prompt zetten?
Alleen als je zeker weet dat de tool en het account daarvoor zijn goedgekeurd binnen je organisatie. Zet bij twijfel geen persoonsgegevens of bedrijfsgevoelige informatie in een prompt.
Hoe verbeter ik een antwoord dat bijna goed is?
Stuur bij in hetzelfde gesprek. Benoem precies wat er anders moet, bijvoorbeeld korter, zakelijker of met een ander voorbeeld, en laat het model het antwoord aanpassen in plaats van helemaal opnieuw te beginnen.