Prompt engineering: de basis die iedereen moet kennen
Een goede prompt is het verschil tussen bruikbare output en rommel. Hier leer je de basis: de formule, veelgemaakte fouten, en technieken die direct werken.
Je weet nu wat AI allemaal kan. Maar hoe krijg je het zover dat het ook doet wat jij wilt? Dat begint bij de prompt.
Een prompt is niet gewoon een vraag. Het is alles wat je aan de AI meegeeft: de context, de instructies, de voorbeelden, de beperkingen. Hoe beter je prompt, hoe beter de output. Zo simpel is het.
En toch gaat het hier vaak mis. Niet omdat AI niet kan, maar omdat mensen niet weten hoe ze moeten vragen. Dat is precies waarom zoveel AI projecten falen.
De basis formule
Elke goede prompt heeft vier elementen:
1. Rol
Vertel de AI wie het is. "Je bent een ervaren Laravel developer" geeft andere output dan "Je bent een technisch schrijver". De rol bepaalt de toon, het vocabulaire, en de aannames.
2. Context
Wat moet de AI weten om je te helpen? Achtergrond, beperkingen, wat je al geprobeerd hebt. Hoe meer relevante context, hoe beter. Maar relevante context, geen ruis.
3. Taak
Wat moet er gebeuren? Wees specifiek. "Schrijf een functie" is vaag. "Schrijf een PHP functie die een array van gebruikers filtert op actieve status en sorteert op aanmaakdatum" is bruikbaar.
4. Format
Hoe wil je de output? Bullet points, code, JSON, een tabel? Als je het niet specificeert, kiest de AI zelf. En die keuze is niet altijd wat je wilt.
Een voorbeeld
Slechte prompt:
Schrijf iets over onze nieuwe feature.
Goede prompt:
Je bent een technisch schrijver voor een SaaS product.
Context: We lanceren een nieuwe feature waarmee gebruikers automatisch rapporten kunnen genereren. De doelgroep is facility managers zonder technische achtergrond.
Taak: Schrijf een release note van maximaal 150 woorden die de feature introduceert.
Format: Korte intro (1 zin), 3 bullet points met voordelen, CTA naar de documentatie.
Het verschil in output is enorm. De eerste prompt geeft je een willekeurig stuk tekst. De tweede geeft je precies wat je nodig hebt.
Veelgemaakte fouten
Te vaag
"Maak dit beter" is geen instructie. Beter hoe? Sneller? Leesbaarder? Korter? Veiliger? De AI kan niet gedachten lezen.
Te veel in één keer
Een prompt die 15 dingen tegelijk vraagt, krijgt 15 halfbakken antwoorden. Splits complexe taken op. Eerst dit, dan dat.
Geen voorbeelden
Als je een specifiek format wilt, laat het zien. "Schrijf het zoals dit voorbeeld" werkt beter dan drie alinea's uitleg over hoe het moet.
Aannames niet benoemen
De AI weet niet dat je Laravel 12 gebruikt, dat je geen jQuery wilt, of dat je publiek Nederlands spreekt. Zeg het.
Technieken die werken
Few-shot examples
Geef 2-3 voorbeelden van wat je wilt. De AI leert het patroon en past het toe. Anthropic noemt dit multishot prompting.
Voorbeeld input: "klant vraagt om korting"
Voorbeeld output: "Bedankt voor je vraag! Kortingen zijn mogelijk bij bestellingen boven €500. Kan ik je helpen met een offerte?"
Nu jouw input: "klant klaagt over levertijd"Chain of thought
Vraag de AI om stap voor stap te denken. "Analyseer eerst het probleem, bedenk dan drie mogelijke oplossingen, kies de beste en leg uit waarom." Dit geeft betere resultaten bij complexe taken.
Constraints
Beperkingen maken output scherper. "Maximaal 100 woorden", "Geen jargon", "Alleen standaard PHP functies", "Antwoord in JSON format". Hoe strakker de grenzen, hoe gerichter de output.
Iteratie
De eerste output is zelden perfect. Verfijn. "Maak het korter", "Meer voorbeelden", "Minder formeel". Elke iteratie brengt je dichter bij wat je nodig hebt.
Van prompt naar systeem
Een losse prompt is handig voor eenmalige taken. Maar als je AI structureel inzet, wil je meer. Je wilt dat de AI je project kent, je conventies snapt, je domein begrijpt.
Dat is context engineering: het systematisch opbouwen van kennis die de AI bij elke interactie kan gebruiken. In development projecten leg je dit vast in bestanden zoals CLAUDE.md. Bij SIA hebben we uitgebreide system prompts die de AI vertellen hoe incidentrapporten eruitzien, welke velden verplicht zijn, en hoe follow-up vragen gesteld moeten worden.
Het verschil tussen een goede prompt en een goed systeem is het verschil tussen een handige tool en een betrouwbare assistent.
Welke LLM maakt uit
Niet elke AI reageert hetzelfde op dezelfde prompt. GPT-4 is anders dan Claude, en Opus 4.5 is weer anders dan Sonnet. Sommige modellen zijn beter in code, andere in creatief schrijven. Sommige volgen instructies preciezer, andere nemen meer vrijheid.
Experimenteer. Wat werkt in ChatGPT werkt niet altijd in Claude. Pas je prompts aan op het model dat je gebruikt.
Aan de slag
Prompt engineering is geen rocket science. Het is een vaardigheid die je leert door te doen. Begin met de formule: Rol + Context + Taak + Format. Vermijd de veelgemaakte fouten. Experimenteer met technieken. Voor meer verdieping: de officiële guides van OpenAI en Anthropic zijn uitstekende bronnen.
Bij Dronelucht gebruiken we prompts om professionele offertes te genereren. De AI weet wat er in een offerte moet staan, kent de prijsstructuur, en past de toon aan op de klant. Geen magic, gewoon goede prompts.
Wil je dit leren in de praktijk? In mijn AI trainingen oefen je met echte cases. Of je kunt direct aan de slag met AI implementatie in je eigen processen.
Vragen? Neem contact op.