Wat is prompt engineering? Een praktische gids voor niet-ontwikkelaars
Prompt engineering is het schrijven en verfijnen van instructies voor een AI-model, zodat het betrouwbaar oplevert wat je wilt. Een prompt is alles wat je het model geeft — een vraag, een taak, wat context, voorbeelden. Prompt engineering betekent bewust nadenken over wat er in gaat, testen wat eruit komt, en bijsturen. Het gaat minder om toverformuleringen en meer om duidelijk communiceren.
Waarom het ertoe doet bij het bouwen met AI
Bij een AI-app-builder zijn je prompts de specificatie. De AI kan alleen bouwen wat je beschrijft, en als je verzoek gaten laat, vult hij die in met redelijk klinkende gissingen. Soms zijn die gissingen goed. Vaak zijn ze niet wat je bedoelde: de verkeerde velden in een formulier, een functie die je niet wilde, een ontwerp dat niet bij je publiek past.
Een duidelijke prompt bespaart je rondes van correcties, en elke ronde kost tijd en meestal credits. Prompting is ook belangrijk als je AI in je app toevoegt: de instructies die je dat model geeft, bepalen hoe je chatbot met klanten praat, wat hij weigert, en of hij bij je feiten blijft. Voor app-bouwen specifiek, zie hoe je prompts schrijft voor AI-app-builders.
Een analogie uit het dagelijks leven
Stel je voor dat je een bekwame freelancer brieft die je nog nooit heeft ontmoet, niets van je bedrijf weet, en meteen begint met werken zodra je stopt met praten.
"Maak een logo voor me" levert een logo op. "Een logo voor een zwemschool voor kinderen in Dubai; vriendelijk, niet kinderachtig; blauw en oranje; moet klein werken op een badmuts; hier zijn twee die we mooi vinden en één die we niet mooi vinden" levert iets op dat dichtbij wat je wilt komt.
Een AI-model is die freelancer — getalenteerd, snel en volledig afhankelijk van je briefing. Prompt engineering is leren hoe je een goede briefing schrijft.
De kerntechnieken
| Techniek | Wat het betekent | Voorbeeld |
|---|---|---|
| Wees specifiek over het doel | Zeg wat je wilt en waarom. | "Een boekingspagina waar nieuwe klanten een sessie van 30 of 60 minuten kunnen kiezen." |
| Geef context | Voor wie het is, wat er al is, wat belangrijk is. | "Gebruikers zijn vooral oudere klanten op hun telefoon." |
| Definieer 'klaar' | Beschrijf het eindresultaat. | "Klaar betekent dat een klant kan boeken en ik een e-mail krijg." |
| Stel beperkingen | Wat je niet moet doen, en grenzen. | "Voeg nog geen login toe. Houd de bestaande kleuren aan." |
| Laat voorbeelden zien | Geef een voorbeeld van hoe goed eruitziet. | "Schrijf het antwoord in deze stijl: …" |
| Vraag om een formaat | Vertel hoe de uitvoer gestructureerd moet zijn. | "Antwoord als tabel met kolommen X, Y, Z." |
| Splits in stappen | Eén stuk tegelijk bij grote klussen. | "Eerst het datamodel, dan het formulier, dan de e-mails." |
| Laat het vragen of eerst plannen | Krijg een plan vóór wijzigingen. | "Vóór het bouwen: geef je vragen en een plan." |
| Itereer | Controleer het resultaat en verfijn. | "Het formulier werkt. Maak nu de datumkiezer groter." |
Een uitgewerkt voorbeeld: voor en na
Voor:
Maak een sportschool-app.
De AI moet alles raden: leden of personeel? Groepslessen of personal training? Betalingen? Je krijgt waarschijnlijk een generiek dashboard met verzonnen trainingen.
Na:
Bouw een webapp voor een kleine bokssportschool met ongeveer 150 leden.
Wie gebruikt het: Leden boeken lessen op hun telefoon. De eigenaar, Sam, beheert het rooster op een laptop.
Leden kunnen: de lessen van deze week bekijken (tijd, coach, vrije plekken) en een les boeken of annuleren tot 2 uur voor aanvang.
Sam kan: lessen toevoegen, bewerken en annuleren, en zien wie er per les is ingeschreven.
Regels: maximaal 12 personen per les. Niet dubbel boeken in hetzelfde tijdslot.
Nu nog niet: betalingen, trainingen bijhouden, een mobiele app.
Stijl: donkere achtergrond, rode accenten, grote knoppen om op te tikken.
Maak voordat je bouwt een lijst van alles wat onduidelijk is en beschrijf de pagina's die je gaat maken.
De tweede prompt is niet slim; hij is compleet. Hij noemt gebruikers, handelingen, regels, wat je weglaat en hoe te beginnen. De laatste regel nodigt de AI uit om te plannen en vragen te stellen, wat misverstanden vangt voordat er code wordt geschreven.
Prompts in je app
Als je app zelf een LLM aanroept, schrijf je prompts die vaak en voor veel gebruikers draaien. Dezelfde principes gelden, plus een paar extra:
- Systeemprompt: vaste instructies die elk antwoord vormgeven — rol, toon, regels. "Je bent de assistent van Leaf & Pot, een plantenwinkel. Beantwoord alleen vragen over bestellingen, planten en levering."
- Verankering (grounding): voeg de feiten toe die het model moet gebruiken, zoals je beleid of productcatalogus, en vertel het om daarop te vertrouwen. Zie wat is een LLM om te begrijpen waarom dit belangrijk is.
- Terugvallen: vertel wat het moet doen als het niet zeker is: "Als het antwoord niet in de verstrekte informatie staat, zeg dat en bied het supportadres aan."
- Uitvoerformaat: als je code het antwoord leest, vraag om een strikt formaat zoals JSON.
- Testen: probeer lastige invoer — onbeleefde berichten, onderwerpen buiten het domein, pogingen om de instructies te negeren (prompt injection genoemd) — voordat echte gebruikers dat doen.
Belangrijke termen uitgelegd
| Term | Wat het betekent |
|---|---|
| Prompt | De invoer die je aan een AI-model geeft. |
| Systeemprompt | Vaste instructies die vóór het gesprek worden ingesteld. |
| Context | Achtergrondinformatie die in de prompt is opgenomen. |
| Zero-shot / few-shot | Vragen zonder voorbeelden, of met een paar voorbeelden van de gewenste uitvoer. |
| Gedachtenketen (chain of thought) | Het model vragen een probleem stap voor stap uit te werken voordat het antwoordt. |
| Verankering (grounding) | Het model brontekst geven en zeggen dat het antwoorden daarop moet baseren. |
| Prompt injection | Tekst die de instructies van het model probeert te overschrijven, zoals "negeer eerdere instructies". |
| Contextvenster | Hoeveel tekst het model tegelijk kan overwegen. |
| Iteratie | Een prompt verfijnen op basis van wat er terugkwam. |
Veelgemaakte fouten en misverstanden
- Zoeken naar toverwoorden. "Je bent een wereldklasse expert" is veel minder belangrijk dan zeggen wat je echt nodig hebt.
- Alles tegelijk vragen. Een verzoek met 20 functies levert 20 half afgeronde functies op. Bouw in stukken.
- De oplossing beschrijven in plaats van het probleem. "Voeg een tabel met drie kolommen toe" is minder nuttig dan "Sam wil in één oogopslag zien wie er per les is ingeschreven."
- Vergeten te zeggen wat je niet wilt. Als je nog geen login, betalingen of een herontwerp wilt, zeg dat dan.
- Het resultaat niet lezen. Test wat er is gebouwd tegen je definitie van 'klaar' voordat je verdergaat.
- Opnieuw beginnen in plaats van verfijnen. Meestal werkt een korte vervolgvraag ("dat is in de buurt; verander X") beter dan de hele prompt herschrijven.
- Geheimen in prompts plakken. Plak geen wachtwoorden of live API-sleutels in de chat, tenzij de tool een veilige manier heeft om ze op te slaan.
Wat je aan je AI-builder kunt vragen
- "Stel me voor het bouwen eventuele vragen en laat me je plan zien."
- "Herhaal in drie zinnen wat ik volgens jou wil."
- "Verander alleen het boekingsformulier; raak verder niets aan."
- "Wat heb je aangenomen dat ik niet heb gespecificeerd?"
- "Zet mijn notities om in een korte specificatie met gebruikers, functies, regels en 'nu nog niet'-punten." Zie hoe je met AI een productvereistendocument schrijft.
- "Stel voor hoe ik dat verzoek beter had kunnen formuleren."
Prompten in Mythex
Mythex heeft drie chatmodi die bij deze manier van werken passen: Plan om een aanpak af te stemmen voordat er iets verandert, Build om wijzigingen aan te brengen, en Ask voor vragen die geen bestanden mogen bewerken. Je kunt schermafbeeldingen of mockups als context bijvoegen, en als een wijziging misgaat, kun je terugrollen naar een checkpoint. De docs-pagina's over effectieve prompts en itereren bevatten meer voorbeelden, en hoe je een met AI gebouwde app itereert behandelt de vervolgloop.
Veelgestelde vragen
Wat is prompt engineering in simpele woorden?
Prompt engineering is het schrijven en verfijnen van instructies voor een AI-model, zodat het betrouwbaar het resultaat oplevert dat je wilt. Het gaat over wat je vraagt, de context die je geeft, voorbeelden, beperkingen en het formaat dat je terug wilt.
Heb ik speciale trucs of toverwoorden nodig?
Niet echt. Moderne modellen reageren het best op duidelijke, specifieke en goed georganiseerde instructies — dezelfde dingen die een menselijke collega helpen. Context, voorbeelden en een duidelijke beschrijving van het eindresultaat zijn veel belangrijker dan speciale zinnen.
Wat is een systeemprompt?
Een systeemprompt is een set vaste instructies die het model vóór het gesprek krijgt, zoals zijn rol, regels en toon. Apps gebruiken die om elk antwoord vorm te geven, terwijl de berichten van de gebruiker daarna komen.
Is prompt engineering nog nodig naarmate AI slimmer wordt?
Betere modellen hebben minder omwegen nodig, maar ze kunnen nog steeds niet in je gedachten lezen. Je doel, doelgroep, beperkingen en wat 'klaar' betekent duidelijk maken, verbetert de resultaten altijd, omdat het model alleen kan werken met wat je vertelt.