Prompt engineering: 10 technieken die écht verschil maken

'AI werkt niet goed' is vaak 'mijn prompt werkt niet goed'. Tien technieken om dat te fixen.

Notitieblok met prompts en ideeën

Dezelfde AI, twee mensen. Persoon A krijgt geweldige resultaten. Persoon B zegt "AI werkt niet goed". Het verschil? Zelden de AI. Meestal de prompt.

Prompt engineering klinkt als iets voor techneuten. Is 't niet. Het is helder instructies schrijven. Iets wat iedereen kan leren. Hier zijn tien technieken die 't grootste verschil maken.

1. Geef de AI een rol

In plaats van: "Schrijf een e-mail over vertraging."

Beter: "Je bent een ervaren accountmanager bij een B2B-softwarebedrijf. Schrijf een e-mail over vertraging..."

Waarom werkt dit? LLMs zijn getraind op miljarden teksten. "Een account manager" triggert ander schrijfgedrag dan "een schoolleerling" of "een advocaat". De juiste rol zet 't model in de juiste modus.

2. Geef voorbeelden (few-shot)

Als je een specifiek format wil, toon 't met 2-3 voorbeelden. Niet beschrijven — tonen.

Schrijf product-titles in deze stijl:

Voorbeeld 1: "Bose QuietComfort Ultra — Noise-Cancelling Headphones, Wireless, 24h Battery"

Voorbeeld 2: "Apple MacBook Air M3 — 13-inch Laptop, 16GB RAM, 512GB SSD"

Schrijf nu een title voor: [jouw product]

Resultaat: AI imiteert 't format en de toon. Zonder voorbeelden krijg je tien verschillende stijlen.

3. Vraag om stap-voor-stap redenering

Voor complexe taken: "Denk eerst stap voor stap, geef dan het antwoord." Of: "Leg eerst je redenering uit voordat je de conclusie geeft."

Dit is Chain-of-Thought prompting. Kwaliteit gaat omhoog bij complexe redeneringen. Nadeel: meer tokens, dus duurder. Afwegen per taak.

4. Specificeer 't formaat

"Geef me feedback op deze tekst" → krijg je een essay terug.

"Geef me feedback als bullet points: 3 sterke punten, 3 zwakke punten, 1 concrete verbetering per zwak punt" → krijg je exact wat je wilt.

Hoe specifieker 't formaat, hoe bruikbaarder de output. Template, tabel, JSON, markdown — AI levert 't allemaal, je moet 't alleen vragen.

5. Geef constraints

AI is een maximalist. Laat 't z'n gang gaan en je krijgt alinea's waar je bullet points had gewild. Stel grenzen:

  • "Maximaal 100 woorden"
  • "Precies 5 bullets"
  • "Geen jargon"
  • "Informele tone-of-voice"
  • "Alleen actieve zinnen"

Constraints forceren goede keuzes. Zonder is 't model lui en breed.

6. Gebruik "doe niet" spaarzaam

Werkt minder goed dan "doe wél". "Schrijf formeel" werkt beter dan "niet informeel".

LLMs reageren op wat je zegt, niet op wat je ontkent. Dit is contra-intuïtief: in menselijke communicatie werkt "niet X" prima. Voor AI: formuleer positief.

7. Laat AI z'n eigen werk reviewen

Na een eerste output: "Nu doe je een kritieke review van bovenstaande. Identificeer drie zwakke punten en schrijf een verbeterde versie."

Of: "Evalueer deze tekst als een professionele editor. Waar kan 't beter?"

AI reviewt zichzelf verrassend goed. Tweede iteratie is vaak aanzienlijk beter dan de eerste.

8. Herhaal de kerninstructie op 't einde

Vooral bij lange prompts: de kerninstructie vóór én ná de context. LLMs weging zwaarder wat dichtbij 't eind staat.

Taak: schrijf een samenvatting van maximaal 3 zinnen.

Context: [5000 woorden tekst]

Herhaal: maximaal 3 zinnen, focus op de hoofdconclusie.

9. Geef context over je doel

"Vertaal dit naar Engels" vs. "Vertaal dit naar Engels voor een formele e-mail aan een potentiële klant". Tweede versie krijg je een veel betere vertaling — niet technisch correct maar contextueel juist.

Vraag jezelf altijd af: wat ga ik met deze output doen? Vertel dat aan 't model.

10. Iteratie is king

Eerste prompt is zelden de beste. Normale flow:

  1. Eerste prompt → middelmatig resultaat
  2. Aanpassen: wat was er fout? Te formeel? Te lang? Verkeerd onderwerp?
  3. Volgende prompt met correctie
  4. Tot 't zit

Dit is geen falen van de AI. Het is hoe 't werkt. Beschouw prompts als eerste drafts die je verbetert, niet als orders die het model moet volgen.

Een template dat vrijwel altijd werkt

Als startpunt voor zakelijke prompts:

Je bent [rol] met [ervaring/specialisatie].

Taak: [wat je wilt]

Context: [relevante achtergrond]

Formaat: [bullet / alinea / tabel / etc.]

Lengte: [aantal woorden/bullets]

Stijl: [formeel / informeel / technisch / toegankelijk]

Doe dit nu voor:

[jouw input]

Deze 6 elementen dekken 90% van de gevallen. Je hoeft ze niet allemaal elke keer in te vullen, maar wees bewust welke je mist — dat is vaak waar 't misgaat.

Het belangrijkste

Prompt engineering is geen truc. Het is gewoon helder nadenken over wat je wilt. Als je 't moeilijk kunt uitleggen aan een ervaren stagiair, is 't ook te vaag voor AI.

Oefen 15 minuten per dag een week lang. Probeer één techniek per dag. Na 7 dagen ben je een orde van grootte effectiever met AI.

Veelgestelde vragen

Werken deze technieken voor alle LLMs?+

De principes wel. De exacte formuleringen kunnen iets verschillen. Claude reageert beter op gestructureerde XML-achtige prompts, GPT op conversationele. Experimenteer.

Hoe lang mag een prompt zijn?+

Zo lang als nodig is voor het resultaat dat je wilt. Voor complexe taken is een prompt van 500-1000 woorden normaal. Voor simpele vragen 10 woorden genoeg. Niet bang zijn voor lange prompts.

Moet ik m'n prompts bewaren?+

Ja. Prompts die goed werken zijn zeldzaam goed. Bewaar ze in Notion, een Google Doc, waar dan ook. Refer erugbruik ze en verbeter ze over tijd.

Wat is 'zero-shot' vs 'few-shot'?+

Zero-shot: geen voorbeelden geven. Few-shot: 2-5 voorbeelden. Few-shot werkt bijna altijd beter voor specifieke taken, maar kost meer tokens.

Bestaan er prompt-libraries die ik kan gebruiken?+

Ja — Anthropic Prompt Library, Awesome ChatGPT Prompts op GitHub, Promptbase. Handig voor inspiratie, maar aanpassen aan jouw context is altijd nodig.

Deel dit artikel
LinkedIn ↗ X / Twitter ↗ Mail ↗
Laten we praten

Vragen die je eigen project betreffen?

Elke call begint met luisteren. Vertel waar je staat, dan denken we samen verder.

Binnen 24u een reactie. Altijd persoonlijk.