KENNISBANK · AI EN TAALMODELLEN

Prompt Engineering

Goede instructies geven aan AI

prompt engineering is het vak van het zo formuleren van instructies aan een taalmodel dat de output betrouwbaar, bruikbaar en in het gewenste formaat komt.

Wat is het?

De prompt is de invoer die het model aanstuurt: je instructie, voorbeelden en randvoorwaarden. Prompt engineering is het systematisch verbeteren daarvan. Het is de snelste en goedkoopste manier om meer uit een model te halen — geen training nodig.

Hoe werkt het technisch?

  • Duidelijke taakdefinitie: beschrijf precies wat de output moet zijn, voor wie, en in welke vorm. Vage prompts geven wisselende resultaten.
  • Few-shot prompting: voeg enkele voorbeelden van invoer en gewenste output toe; het model imiteert het patroon. Vaak effectiever dan lange uitleg.
  • Rol en perspectief: een roltoewijzing (“je bent een belastingadviseur”) activeert relevante kennis en toon.
  • Chain-of-thought: bij klassieke modellen verhoogt “redeneer eerst, concludeer dan” de juistheid bij complexe vragen. Moderne redeneermodellen doen dat intern al; daar stel je de redeneerinspanning in en houd je de prompt eenvoudig.
  • Outputformaten: eis een structuur (JSON, tabel, vaste kopjes). Dat maakt output machinaal verwerkbaar in ketens.
  • Iteratie en evaluatie: prompts verbeter je door te testen op een vaste set gevallen, niet door gevoel alleen.

Wat kun je ermee bouwen?

  • Betrouwbare tekstgeneratie voor mail, rapportage en productcontent.
  • Extractiepipelines die ongestructureerde tekst omzetten naar gestructureerde data.
  • Chatbots met beheerste toon en gedrag via een goede systeemprompt.
  • Snelle prototypes om een AI-idee te valideren voordat je investeert in training.

Commercieel gebruik

prompt engineering heeft de hoogste verhouding tussen inspanning en resultaat van alle AI-technieken. Het versnelt elke AI-implementatie en voorkomt overkill: veel problemen die naar fine-tuning “ruiken”, lossen met een betere prompt op. Als onderdeel van context engineering is het een kerncompetentie voor elk team dat met LLM’s bouwt.

Sterke combinaties

met RAG (de opgehaalde kennis komt in de prompt terecht). Met evaluatieframeworks om promptwijzigingen objectief te toetsen. Met modelroutering: een goede prompt maakt een goedkoper model vaak goed genoeg.

Belangrijkste 20%

  • Specifiekheid wint: taak, publiek, format en randvoorwaarden expliciet maken.
  • Voorbeelden zijn krachtiger dan beschrijvingen; toon het gewenste gedrag.
  • Test prompts als software: met een vaste testset, en opnieuw bij elke modelupdate.

Praktijkvoorbeeld (fictief)

een webshop laat productbeschrijvingen genereren. De eerste prompt (“schrijf een beschrijving”) levert wollige teksten op. De definitieve prompt bevat een roltoewijzing, huisstijlregels, twee voorbeelden van goedgekeurde teksten en een verplicht format met vaste kopjes. De acceptatiegraad van de teksten stijgt sterk en de redactie hoeft alleen nog te controleren, niet te herschrijven.

Vrijblijvend

Wil je dit toepassen in je eigen zaak?

Ik help kmo's en zelfstandigen met websites, AI-chatbots en automatisering. Vraag een gratis website-check aan of stel gewoon je vraag.

Stel je vraag