Prompts schrijven is het geven van een opdracht aan een AI-model op een manier die voorspelbaar tot bruikbare output leidt. Het verschil tussen een teleurstellend en een verbluffend antwoord zit zelden in het model en bijna altijd in de prompt. Wie context, rol, taak en gewenst formaat helder neerzet, krijgt scherpere, completere en herbruikbare resultaten. In dit artikel lees je welke frameworks daarbij helpen, zie je slechte versus goede voorbeeld-prompts naast elkaar en krijg je een checklist die je vandaag kunt toepassen.
- Een goede prompt geeft een rol, context, een concrete taak en een gewenst formaat.
- Frameworks zoals RTF en CRISPE maken je prompts herhaalbaar en compleet.
- Vaag vragen levert vage antwoorden op: hoe specifieker je input, hoe bruikbaarder de output.
- Voorbeelden meegeven (few-shot) werkt beter dan eindeloos uitleggen wat je bedoelt.
- Iteratie hoort erbij: je eerste prompt is een concept, niet het eindresultaat.
Waarom de meeste prompts mislukken
De meeste mensen typen een korte vraag en hopen op een goed antwoord. Het model raadt dan zelf in welke rol, voor welk publiek en in welk formaat het moet antwoorden. Dat raden gaat vaak mis. Een prompt mislukt zelden omdat het model dom is, maar omdat de opdracht te weinig houvast geeft.
De drie meest voorkomende fouten
- Te vaag. "Schrijf iets over marketing" laat alles open: lengte, toon, doelgroep en doel.
- Geen context. Het model weet niets van jouw bedrijf, lezer of situatie als je het niet vertelt.
- Geen gewenst formaat. Wil je een lijst, een tabel, een e-mail of een script? Zeg het, anders krijg je een willekeurige vorm.
Een prompt is in feite een briefing. Je zou een freelancer ook niet "maak iets moois" appen en verwachten dat het precies aansluit. Hoe beter je briefing, hoe minder je hoeft bij te sturen.
Een AI-model is geen gedachtenlezer. Het is een uitstekende uitvoerder van een heldere opdracht.
De vier bouwstenen van elke goede prompt
Bijna elk prompt-framework komt neer op dezelfde vier elementen. Begrijp je die, dan kun je elke methode aan.
| Bouwsteen | Wat het doet | Voorbeeld |
|---|---|---|
| Rol | Bepaalt het perspectief en de toon | "Je bent een ervaren SEO-copywriter." |
| Context | Geeft de achtergrond die het model nodig heeft | "Ons publiek zijn lokale ondernemers zonder technische kennis." |
| Taak | De concrete opdracht, met scope | "Schrijf 5 onderwerpregels voor een nieuwsbrief." |
| Formaat | De vorm waarin je het antwoord wilt | "Geef het als genummerde lijst, max 8 woorden per regel." |
Waarom volgorde helpt
- Begin met de rol, zodat het model meteen het juiste "hoofd" opzet.
- Geef daarna context, zodat het de situatie kent voor de taak komt.
- Sluit af met formaat-eisen, zodat die vers in het geheugen staan bij het genereren.
Slecht versus goed: hetzelfde verzoek, andere uitkomst
Niets maakt het verschil duidelijker dan twee versies naast elkaar. Bekijk dit voorbeeld voor een productbeschrijving.
Slechte prompt: Schrijf een productbeschrijving voor mijn koffiezetapparaat.
Goede prompt: Je bent een copywriter voor een webshop in koffieapparatuur. Context: het product is een handmatige espressomachine voor beginnende thuisbarista's, prijs 149 euro, USP is dat hij zonder stroom werkt. Taak: schrijf een productbeschrijving van 120 woorden. Toon: enthousiast maar niet overdreven, je-vorm. Formaat: een pakkende openingszin, daarna 3 korte alinea's, afsluiten met 1 zin call-to-action.
De eerste prompt levert een generiek blok tekst op dat voor elk koffieapparaat zou kunnen gelden. De tweede geeft het model alles om iets specifieks en bruikbaars te maken. Het verschil is geen geluk, het is structuur.
Datzelfde patroon zie je terug bij vrijwel elke taak. Hieronder drie verzoeken in een platte en een verrijkte vorm, zodat je het effect op verschillende soorten output ziet.
| Platte prompt | Verrijkte prompt | Wat verbetert |
|---|---|---|
| "Vat dit rapport samen." | "Vat dit rapport samen voor een directieteam, max 5 bullets, focus op beslissingen en risico's." | Doelgroep, lengte en focus |
| "Geef ideeen voor social media." | "Geef 8 LinkedIn-ideeen voor een boekhoudkantoor dat ZZP'ers helpt, per idee een hook van 1 zin." | Aantal, kanaal, niche en vorm |
| "Maak deze tekst beter." | "Maak deze tekst bondiger, schrap jargon, behoud de feiten, mik op B1-niveau." | Richting, beperking en niveau |
Twijfel je of je prompt genoeg houvast geeft? Lees hem hardop en vraag jezelf af: zou een nieuwe stagiair hiermee de juiste output maken zonder verdere vragen? Zo niet, voeg toe wat ontbreekt.
Framework 1: RTF (Rol, Taak, Formaat)
Het simpelste bruikbare framework. Perfect voor dagelijkse taken waarbij je snel een goed resultaat wilt zonder lange instructie.
Hoe je het opbouwt
- Rol: wie moet het model zijn? "Je bent een ervaren recruiter."
- Taak: wat moet er gebeuren? "Beoordeel deze vacaturetekst op aantrekkingskracht."
- Formaat: hoe wil je het terug? "Geef 3 sterke punten en 3 verbeterpunten als lijst."
RTF in de praktijk: Rol: je bent een ervaren tekstredacteur. Taak: corrigeer onderstaande tekst op spelling en stijl en maak hem bondiger zonder de betekenis te veranderen. Formaat: geef eerst de verbeterde tekst, daarna een korte lijst met wat je hebt aangepast.
Framework 2: CRISPE voor complexere opdrachten
Heb je een grotere of gevoeligere taak, dan helpt een uitgebreider framework. CRISPE staat voor Capacity/role, Insight, Statement, Personality en Experiment. In gewone taal:
| Letter | Onderdeel | Wat je invult |
|---|---|---|
| C | Rol en capaciteit | Welke expert moet het model spelen |
| R | Achtergrond (insight) | De context en relevante feiten |
| I | Instructie (statement) | De concrete opdracht |
| S | Stijl en persoonlijkheid | Toon, niveau en schrijfstijl |
| P+E | Experiment | Vraag om meerdere varianten om te vergelijken |
Wanneer gebruik je wat
- RTF: snelle, alledaagse taken zoals een e-mail of een samenvatting.
- CRISPE: belangrijke output zoals een landingspagina, een strategie of klantcommunicatie.
- Eigen sjabloon: terugkerende taken die je vaak doet, leg je vast als herbruikbaar template.
Vraag bij belangrijke teksten om 3 varianten in een keer ("geef 3 versies met een andere insteek"). Je kiest dan de beste of combineert sterke delen, in plaats van telkens opnieuw te beginnen.
Few-shot: laat zien wat je bedoelt
Uitleggen wat je wilt werkt, maar een voorbeeld tonen werkt vaak beter. Bij few-shot prompting geef je een of meer voorbeelden van het gewenste resultaat, zodat het model het patroon overneemt.
Few-shot prompt: Ik schrijf korte product-tags in deze stijl: Product: bureaustoel Tag: Zit urenlang comfortabel, ook bij lange werkdagen. Product: sta-bureau Tag: Wissel moeiteloos tussen zitten en staan. Maak nu een tag in dezelfde stijl voor: Product: ergonomische muis
Het model ziet het patroon (kort, voordeel-gericht, je-vorm) en past het toe. Dit is veel betrouwbaarder dan beschrijven "maak het kort en pakkend".
Wanneer few-shot loont
- Als de gewenste stijl lastig in woorden te vatten is.
- Als je consistentie wilt over veel vergelijkbare items.
- Als eerdere pogingen telkens net naast de bedoeling zaten.
Iteratie: je eerste prompt is nooit je laatste
Goede prompters herschrijven. Ze behandelen de eerste output als een concept en sturen gericht bij. Dat is sneller dan vanaf nul opnieuw beginnen.
Effectieve bijstuur-zinnen
- Inkorten: "Maak dit de helft korter, behoud de kern."
- Toon aanpassen: "Schrijf het zakelijker, informeler of directer."
- Verdiepen: "Werk punt 2 verder uit met een concreet voorbeeld."
- Formaat wisselen: "Zet dit om naar een tabel."
Een veelgemaakte fout is alles in een mega-prompt willen proppen. Soms is het slimmer om in stappen te werken: eerst een opzet vragen, die goedkeuren, dan laten uitwerken. Zo houd je de regie en voorkom je dat het model de verkeerde kant op rent. Wil je dit onder de knie krijgen met begeleiding, kijk dan bij onze coaching of de kant-en-klare sjablonen in onze producten.
Checklist: loop je prompt langs voor je hem stuurt
Voor je op enter drukt, controleer of je prompt deze vragen beantwoordt.
| Vraag | Klaar als je dit hebt |
|---|---|
| Welke rol moet het model aannemen? | Rol benoemd |
| Welke context heeft het nodig? | Achtergrond gegeven |
| Wat is de concrete taak en scope? | Taak en omvang helder |
| Voor wie is de output bedoeld? | Doelgroep genoemd |
| In welk formaat wil je het antwoord? | Vorm en lengte bepaald |
| Welke toon en stijl horen erbij? | Toon vastgelegd |
| Heb je een voorbeeld nodig (few-shot)? | Overwogen |
Vul je de meeste vragen in, dan haal je het overgrote deel van de winst binnen. De rest is iteratie.
Prompts schrijven voor AI-vindbaarheid
Wie content maakt om geciteerd te worden door AI-zoekmachines, kan prompting gericht inzetten. Vraag het model bijvoorbeeld om antwoord-eerst te schrijven, koppen als letterlijke vragen te formuleren en feiten compact en controleerbaar neer te zetten.
Praktische voorbeelden
- "Herschrijf de eerste alinea zodat de hoofdvraag in 2 zinnen volledig wordt beantwoord."
- "Maak van deze kop een natuurlijke vraag die mensen echt zo intypen."
- "Vat dit samen in een tabel met maximaal 5 rijen."
Zo wordt prompten een hefboom voor je vindbaarheid, niet alleen voor snelheid. Een uitgewerkt stappenplan om door AI geciteerd te worden lees je in het AI-citatie-recept. Meer voorbeelden en uitleg vind je op het blog.
Wat is het belangrijkste onderdeel van een goede prompt?
Specificiteit. Een model presteert het best als je rol, context, taak en gewenst formaat duidelijk maakt. Mist een van die vier, dan gaat het model raden en wordt de output onvoorspelbaar. Als je maar een ding verbetert, maak je opdracht dan concreter.
Moet ik altijd een framework gebruiken?
Niet per se. Voor simpele vragen volstaat een heldere zin. Frameworks zoals RTF of CRISPE zijn vooral handig bij belangrijke of terugkerende taken, omdat ze je dwingen niets te vergeten en je prompts herhaalbaar maken.
Wat is het verschil tussen zero-shot en few-shot prompting?
Bij zero-shot geef je alleen een instructie zonder voorbeeld. Bij few-shot voeg je een of meer voorbeelden toe van het gewenste resultaat. Few-shot werkt beter wanneer de stijl of het patroon lastig in woorden te beschrijven is.
Waarom geeft hetzelfde model soms wisselende antwoorden?
AI-modellen werken met een mate van variatie, dus identieke prompts kunnen net andere output geven. Wil je consistentie, wees dan strakker in je instructie, geef voorbeelden en vraag eventueel om meerdere varianten zodat je de beste kunt kiezen.
Hoe lang moet een prompt zijn?
Zo lang als nodig, zo kort als mogelijk. Een prompt mag uitgebreid zijn als de taak dat vraagt, maar vermijd ruis. Elke zin moet het model helpen de juiste output te maken. Onnodige uitweidingen leiden eerder af dan dat ze helpen.
Kan ik mijn beste prompts hergebruiken?
Ja, en dat is aan te raden. Leg prompts die goed werken vast als sjabloon met invulplekken voor de variabele delen. Voor terugkerende taken bespaart dat veel tijd en houd je de kwaliteit constant.
