Naar de inhoud

Start hierLerenGratis e-mailcursusAI voor je beroepPlaygroundAI-WerkplaatsAI-geletterdheid voor organisaties
PromptsWorkflowsToolsVeiligheidBegrippenBlog
Mijn dashboard
↑↓ kiezenEnter openenCtrlK overal openenEsc sluiten

Begrip, prompten

Prompt engineering

prompt designpromptontwerp

Prompt engineering is het systematisch ontwerpen, testen en verbeteren van prompts, zodat een AI-model betrouwbaar het gewenste resultaat geeft, vooral bij terugkerende taken, automatiseringen en eigen AI-toepassingen.

Een goede prompt schrijven voor een eenmalige vraag is prompten. Prompt engineering gaat een stap verder: je behandelt de prompt als iets wat je ontwerpt, test en verbetert, omdat hij vaak wordt gebruikt of in een automatisering of app draait. Een kleine verbetering in zo'n prompt werkt dan door in honderden of duizenden antwoorden.

De technieken zijn minder geheimzinnig dan de naam doet vermoeden. Je geeft het model een duidelijke rol en context, beschrijft de taak en het doel, laat met voorbeelden zien wat goed is (few-shot prompting), legt de vorm van het antwoord vast, eventueel als structured output, en vertelt wat het model moet doen als informatie ontbreekt. Bij complexe taken knip je het werk op in kleinere stappen. Steeds vaker spreekt men ook van context engineering: niet alleen de opdracht ontwerpen, maar ook bepalen welke informatie het model krijgt.

Een klantenserviceteam gebruikt een prompt om concept-antwoorden op klachten te schrijven. In plaats van de prompt steeds los aan te passen, verzamelt het team twintig echte, geanonimiseerde klachten als testset. Bij elke nieuwe versie van de prompt kijken ze of de antwoorden op die twintig klachten beter worden: klopt de toon, worden de juiste voorwaarden genoemd, wordt er niets toegezegd wat niet mag? Pas daarna gaat de nieuwe versie in gebruik.

Een misverstand is dat prompt engineering draait om magische zinnetjes of trucs die je online vindt. Wat werkt, is duidelijkheid en testen. Trucs die bij het ene model werken, doen bij een ander model of een nieuwere versie soms niets. Een ander misverstand is dat prompt engineering alles oplost. Ontbreekt de juiste informatie, of is de taak niet geschikt voor AI, dan helpt een betere prompt weinig. Dan heb je RAG, een andere aanpak of een mens nodig.