Effectief opdrachten geven aan AI
Toen ik een jaar of vijf geleden begon met het werken met AI, dacht ik dat ik gewoon een vraag hoefde te stellen en klaar. Maar al snel ontdekte ik dat hoe je iets vraagt, een groot verschil maakt. Geen idee of de term toen al bestond maar tegenwoordig heet dit prompt engineering, oftewel het slim formuleren van opdrachten aan AI. AI is nu een stuk slimmer dan in 2020 dus het is een steeds grotere hulp. Ook met de opkomst van ‘Agentic AI’ in 2025 waarbij vele gespecialiseerde AI’s samenwerken is het belangrijk om zo’n zwerm AI agenten een duidelijke opdracht mee te geven.
Zero-shot prompting: gewoon beginnen
De meest eenvoudige manier is een zogeheten zero-shot prompt. Dit betekent dat je gewoon uitlegt wat je wilt, zonder voorbeelden. Bijvoorbeeld:
“Schrijf een korte samenvatting van dit artikel.”
Je geeft zo heel weinig informatie aan AI. Dit werkt prima bij simpele opdrachten, maar zodra de taak complexer wordt, heeft een AI moeite met raden wat je precies bedoelt en is het risico groot op verkeerde aannames, invulling en antwoorden.
Few-shot prompting: geef voorbeelden
AI voorbeelden geven helpt om duidelijk te maken wat je wenst. Als ik bijvoorbeeld wil dat een AI tekst samenvat, dan laat ik eerst een paar voorbeelden zien. Dit heet few-shot prompting. Het helpt de AI te begrijpen welk patroon te volgen. Bijvoorbeeld:
“Vat elke tekst samen in één duidelijke zin zoals in onderstaande voorbeelden.
Tekst: De hond liep weg, maar kwam later weer terug. Iedereen was opgelucht.
Samenvatting: De weggelopen hond kwam terug en iedereen was blij.
Tekst: De overheid neemt strengere maatregelen na een toename van het aantal besmettingen.
Samenvatting: De overheid denkt aan strengere regels door meer besmettingen.
Tekst: De AI fan wil zich omscholen tot prompt engineer door middel van studeren en allerlei prompts te proberen en te leren hoe zo effectief mogelijk opdrachten te geven aan AI.
Samenvatting:”
Verwachte output:
De AI-liefhebber wil zich scholen tot promptengineer en te oefenen met AI-prompts.
Role prompting: geef de AI een rol
AI een rol toewijzen is een belangrijke techniek, bijvoorbeeld:
“Je bent een Amsterdammer in hart en nieren en hebt jezelf gespecialiseerd als lokale reisleider. Geef 5 tips voor een museumbezoek in Amsterdam.”
Op deze manier weet de AI beter in welke toon en stijl te antwoorden. Dit heet role prompting.
System prompting: regels meegeven
Vertel de AI niet alleen wat je wilt, maar ook hoe het antwoord eruit moet zien. Een voorbeeld van system prompting:
“Geef de in het geuploade document aanwezige labels in hoofdletters: GOUD, ZILVER of BRONS.”
Zo houd je controle over hoe het antwoord eruit gaat zien.
Contextual prompting: extra informatie vooraf
Achtergrondinformatie helpt de AI om de opdracht beter te begrijpen, bijvoorbeeld:
“Context: dit blog gaat over Nintendo Switch games voor kinderen tot 7 jaar. Geef 3 blogideeën met korte uitleg.”
Door de context mee te geven, krijgt de AI ‘voorkennis’ en dat zorgt voor betere antwoorden.
Step-back prompting: eerst denken, dan doen
Een techniek die heel effectrief is heet step-back prompting. Je laat daarbij het model eerst nadenken over algemene onderdelen, voordat je de concrete opdracht geeft. Bijvoorbeeld:
- Eerst: “Wat zijn typische locaties voor een spannend level in Mario game?”
- Dan: “Gebruik één van deze locaties om een verhaallijn te schrijven.”
Door deze extra ‘denk-stap’ kunnen betere en creatievere resultaten ontstaan.
Chain of Thought (CoT): redeneer hardop
Soms werkt het goed om het model te vragen stap voor stap te redeneren, bijvoorbeeld:
“Los dit probleem op: de WordPress website is niet zichtbaar door een verlopen SSL certificaat. Denk stap voor stap.”
Dit heet Chain of Thought. Het helpt de AI om logisch na te denken en fouten te vermijden. Je ziet letterlijk de stappen en suggesties van de AI.
Self-consistency: meerdere keren proberen
Bij twijfel kun je dezelfde vraag meerdere keren stellen. De AI geeft dan verschillende antwoorden. Als je steeds hetzelfde antwoord ziet, dan weet je dat je op het goede spoor zit. Dit heet self-consistency. Bijvoorbeeld:
“Geef een korte beschrijving van het kart-verleden van Max Verstappen“
Geef deze exacte prompt een stuk of 5 x, bekijk de antwoorden en overweeg dan of de antwoorden in de basis overeenkomen en correct zijn.
Je kunt dit uitbreiden door verschillende AI-modellen zoals ChatGPT en Gemini dezelfde vraag te stellen en antwoorden te vergelijken.
Tree of Thoughts: meerdere denkpaden tegelijk
Deze techniek is een stap verder dan Chain of Thought. In plaats van één redenering, laat je de AI meerdere routes tegelijk verkennen – als een boomstructuur. Dit kan nuttig zijn bij echt complexe opdrachten zoals scenario’s of dilemma’s. Voorbeeld:
“Laten we nadenken over de ideale situatie waarin afval niet bestaat. Focus niet zozeer op beter opruimen of meer recyclen, maar richt je op afvalpreventie, het zorgdragen dat afval niet ontstaat. Verken meerdere denkrichtingen (bijvoorbeeld technologische oplossingen, gedragsverandering, beloningssystemen, of logistieke aanpassingen).
Voor elke denkrichting:
1. Beschrijf kort het idee.
2. Werk het idee in 3 stappen uit (hoe het werkt, wat het oplevert, wat nodig is).
3. Geef mogelijke voor- en nadelen.“
Daarna een vervolgprompt zoals:
“Kies het meest haalbare idee op basis van effectiviteit en uitvoerbaarheid, en licht je keuze toe.“
ReAct: redeneer én onderneem actie
Soms moet een AI niet alleen nadenken, maar ook ‘iets doen’, bijvoorbeeld:
“Je bent een AI-assistent die complexe vragen beantwoordt door logisch te redeneren en tussentijds acties te ondernemen, zoals informatie opzoeken. Denk stap voor stap en onderneem actie wanneer je iets moet opzoeken.
Vraag: Hoeveel kinderen hebben de bandleden van De Dijk samen?
Gebruik het volgende patroon:
– Gedachte: Wat weet ik al, en wat moet ik weten?
– Actie: Wat ga ik nu doen?
– Observatie: Wat is het resultaat van mijn actie?
– Herhaal als nodig: Moet ik nog iets doen?
– Eindconclusie: Wat is het uiteindelijke antwoord?”
Zo combineer je denken met acties. Dit heet ReAct. De AI zoekt dingen op, evalueert die, denkt verder, zoekt nog iets op enzovoorts . Ongeveer zoals mensen informatie verzamelen en besluiten [zouden moeten] nemen.
Lessen geleerd
Door deze prompt soorten te proberen kun je betere en soms verrassend creatieve antwoorden krijgen van AI. Wat ik o.a. van duizenden prompts heb geleerd:
- Hoe duidelijker en specifieker, hoe beter;
- Voorbeelden geven helpt enorm;
- De stijl van de prompt heeft invloed op de toon van het antwoord;
- Bij complexe taken gebruik maken van stapsgewijs redeneren;
- Elke prompt is een kwestie van proberen en verbeteren.
Gewoon doen
Je hoeft geen expert te zijn. Gewoon beginnen, experimenteren, en leren.
Manieren om expliciet om een tegenvraag te vragen
Tot slot nog een tip als toevoeging voor je prompts:
“Vermijd aannames; als iets onduidelijk of incompleet is, stel dan vragen voordat je antwoordt.”
