Wat is chain prompting?
Chain prompting (ook wel prompt chaining of sequential prompting) is een techniek waarbij je een complexe taak opdeelt in meerdere, opeenvolgende prompts. De output van stap 1 wordt de input voor stap 2, die op zijn beurt input wordt voor stap 3, enzovoort.
Het idee is simpel: grote complexe taken zijn vaak te groot om in één prompt perfect te behandelen. Door ze op te delen in beheersbare stappen krijg je betere output per stap en meer controle over het totaalresultaat.
Vergelijk het met softwareontwikkeling. Een complexe functie splits je op in kleinere functies, waarbij elke functie één ding goed doet. Chain prompting past hetzelfde principe toe op AI-taken.
Wanneer gebruik je chain prompting?
Chain prompting is het meest waardevol bij taken die aan een of meer van de volgende kenmerken voldoen.
Meerdere duidelijk onderscheidbare fasen
Onderzoek, analyse, schrijven en revisie zijn vier afzonderlijke fasen. Elke fase heeft andere eisen en een andere focus.
Tussenresultaten die je wilt beoordelen
Wil je de output van een vroege stap controleren of aanpassen voor je doorgaat, dan is chain prompting bijna onmisbaar.
Taken die te complex zijn voor één prompt
Als een taak zo groot is dat de output onvolledig, oppervlakkig of inconsistent wordt, is opdeling de oplossing.
Strenge kwaliteitscontrole
Met chain prompting kun je na elke stap handmatig ingrijpen. Dat is essentieel bij hoogrisicotaken zoals juridische of medische content.
Waarom opdelen helpt
Een model presteert doorgaans beter wanneer het zich per prompt op één duidelijke deeltaak kan richten in plaats van op één grote, samengestelde opdracht. Door de cognitieve last per stap te verlagen krijg je consistentere en beter controleerbare output. Meet dit zelf na voor je eigen taak, want het effect verschilt per model en per opdracht.
Praktijkvoorbeeld: een blogpost schrijven
Een blogpost schrijven in één prompt levert vaak een generiek resultaat. Met chain prompting verdeel je het werk over duidelijke stappen.
Blogpost via een chain
- Onderzoek: "Genereer vijf kernpunten over het onderwerp [X], gebaseerd op recente trends in de sector."
- Structuur: "Maak op basis van deze kernpunten [output stap 1] een gedetailleerde inhoudsopgave voor een blogpost van 1.200 woorden, inclusief H2- en H3-koppen."
- Schrijven: "Schrijf de inleiding en het eerste H2-hoofdstuk op basis van deze structuur: [output stap 2]."
- Revisie: "Lees deze tekst na op toon, consistentie en leesbaarheid: [output stap 3]. Geef drie concrete verbeterpunten."
- Verbetering: "Pas de tekst aan op basis van deze feedback: [output stap 4]."
Elke stap is beheersbaar, controleerbaar en te verbeteren. Het eindresultaat is doorgaans aanzienlijk beter dan dat van één enkele prompt.
Anatomie van een goede chain
Zo bouw je een sterke chain
- Definieer het einddoel. Wat moet het eindresultaat zijn? Werk van dat doel terug naar de stappen.
- Identificeer de stappen. Welke tussenresultaten heb je nodig en wat zijn de logische fasen?
- Maak elke stap los beoordeelbaar. Je moet per stap kunnen oordelen of de output goed genoeg is.
- Zorg voor expliciete doorgave. Geef de output van elke stap expliciet mee in de volgende prompt en vertrouw niet op het model om alle context te onthouden.
- Bouw feedbackmomenten in. Besluit na elke stap of je doorgaat of bijstuurt.
Handmatige versus geautomatiseerde chains
Handmatige chains
Je voert elke stap zelf uit in de chat-interface. Je beoordeelt elke output handmatig en beslist of je doorgaat. Dit is het meest flexibel, maar ook het meest arbeidsintensief.
Geautomatiseerde chains
Via de API bouw je een programma dat de stappen automatisch uitvoert, de output doorgeeft en eventueel conditioneel andere paden volgt. Dit is schaalbaar, maar vereist technische kennis.
Frameworks
Tools zoals LangChain, LangGraph, LlamaIndex en Haystack bieden kant-en-klare structuren voor het bouwen van complexe prompt chains. Ze regelen context, geheugen en foutafhandeling voor je. LangGraph is daarbij vooral gericht op orchestratie van stappen en vertakkingen, terwijl LlamaIndex sterk is in het ontsluiten van eigen data.
Fouten in chains en herstel
Een zwakke schakel in een keten verzwakt alle volgende schakels. Als stap 2 slechte output produceert, bouwt stap 3 voort op die slechte basis.
Controleer elke schakel
Controleer altijd de output van elke stap voor je doorgaat naar de volgende. Een geautomatiseerde keten die zonder controle doordraait, kan veel tokens verspillen aan het verwerken van foutieve tussenresultaten.
Strategieën voor robuuste chains:
Validatiestappen toevoegen: voeg na belangrijke stappen een validatieprompt toe, bijvoorbeeld "Controleer of de vorige output voldoet aan [criteria]."
Retry-logica: faalt een stap, probeer dan opnieuw met een verfijnde prompt voor je verdergaat.
Parallelle paden: voor sommige taken kun je meerdere paden parallel uitvoeren en daarna de beste output kiezen.
Voorbeeldtoepassing: een klantenserviceticket verwerken
Ticket verwerken via een chain
- Classificatie: "Classificeer dit klantenserviceticket als klacht, vraag, compliment of bug-rapport. Ticket: [tekst]"
- Prioriteit: "Geef dit [type uit stap 1] een prioriteit: hoog, gemiddeld of laag. Ticket: [tekst]"
- Samenvatting: "Vat het probleem in één zin samen voor de behandelende medewerker. Ticket: [tekst]"
- Concept-antwoord: "Schrijf een concept-antwoord voor dit [prioriteit] [type] van de klant."
Vier stappen, elk gefocust en elk controleerbaar. Het systeem is modulair: je kunt elke stap vervangen of verfijnen zonder de rest te breken.
Begin klein
Start met een chain van twee of drie stappen. Bouw zo begrip op van hoe de keten zich gedraagt en breid daarna pas uit. Een korte chain die je goed begrijpt is waardevoller dan een lange chain die je niet kunt overzien.
Veelgestelde vragen
Hoeveel stappen mag een chain hebben?
Er is geen vaste limiet, maar meer dan tien stappen wordt vaak onpraktisch. Heb je er meer nodig, overweeg dan of de taak beter past als meerdere parallelle chains.
Hoe geef ik output door zonder de prompt te lang te maken?
Samenvatten helpt. Vat na elke stap de output samen tot het essentiële en geef alleen dat mee in de volgende stap. Dat bespaart tokens en houdt de focus scherp.
Werkt chain prompting met chat-interfaces?
Ja. Je kopieert de output handmatig en plakt die in de volgende prompt. Geautomatiseerde chains vereisen wel API-toegang.
Hoe verschilt chain prompting van multi-agent systemen?
Chain prompting is sequentieel en vaak lineair. Multi-agent systemen kunnen parallel werken, taken verdelen over gespecialiseerde agenten en elkaars output controleren. Chain prompting is de simpelere variant.
Heb ik een framework nodig om te beginnen?
Nee. Voor handmatige chains heb je alleen een chat-interface nodig. Een framework zoals LangChain of LangGraph is pas nuttig wanneer je chains wilt automatiseren of opschalen.
Wat doe ik als een stap consequent slechte output geeft?
Isoleer die stap en verbeter de prompt los van de rest van de keten. Voeg eventueel een expliciete validatiestap toe die de output toetst voor de volgende stap eraan begint.
Chain prompting verandert onbeheersbare complexe taken in gestructureerde, controleerbare processen. Begin met twee of drie stappen, bouw begrip op van hoe de keten werkt en schaal van daaruit op.