Ik ben de laatste jaren geobsedeerd door ChatGPT. Maar er is één ding dat alle taalmodellen missen: consistentie.
In het begin vroeg ik om marketingtekst en kreeg ik iets dat briljant was of volledig nutteloos. Op de ene dag sloeg het perfect aan bij mijn merkstem. De volgende dag, pure bedrijfstaal zonder enige zin.
En hoewel iedereen zijn eigen tips heeft en LinkedIn-goeroes cursussen verkopen, zijn er enkele basisprincipes die nog steeds uitstekend werken.
Ik heb 12 van de populairste prompt engineering tips getest met echte bedrijfsscenario’s: marketingteksten, klant-e-mails en productbeschrijvingen. Hier is wat daadwerkelijk verschil maakte.
Hoe Heb Ik Deze Technieken Getest?
Ik behandel drie echte bedrijfscasussen in deze gids:
- Lanceer-e-mails voor een projectmanagementapp
- Instagram-advertentietekst voor een koffieabonnementsdienst
- Klantenservice reactie op terugbetalingsverzoeken
Ik heb elke opdracht drie tot vijf keer uitgevoerd, gewoon door op de knop opnieuw proberen te klikken, om te zien wat voor resultaten de opdracht oplevert. Mijn enige verwachting was dat ChatGPT consistentie zou behouden met de opdracht en de stijl.
👉Opmerking: Alle prompts zijn getest op het nieuwste ChatGPT 5 model met “Denken” ingesteld op “Auto” en zonder personalisatie-aanwijzingen.
En gezien taalmodellen nooit tweemaal dezelfde respons genereren, is het onwaarschijnlijk dat je de exacte uitvoer zult zien zoals ik in de schermafbeelding laat zien.
In plaats van deze resultaten op hun nominale waarde te nemen, raad ik je aan om op de outputpatronen te letten zodat je de verschillen kunt zien.
Ik heb ook een score toegevoegd op een schaal van 10, waarbij 10 het hoogst is qua bruikbaarheid en betrouwbaarheid, en 1 het laagst.
Laten we beginnen met de prompts.
1. Wees Belachelijk Specifiek: 10/10
ChatGPT is een eenvoudige patroonherkenningsmachine. De taal en gegevens in jouw prompt bepalen hoe jouw output eruitziet. Over het algemeen is het verschil tussen generieke AI-inhoud en bruikbaar materiaal de specificiteit over leveringen, publiek en beperkingen.
De Opdracht (vaag/basis):
Schrijf een e-mail over onze nieuwe projectmanagementapp.
De Opdracht (specifiek):
Schrijf een productlanceringsmail van 150 woorden voor DreamHost, een webhostingplatform. Benadruk deze 3 functies: lage kosten, eenvoudig bedieningspaneel en hoge beveiliging. Toon: enthousiast maar professioneel, alsof je een collega vertelt over een platform dat zojuist je grootste probleem heeft opgelost. Inclusief een duidelijke CTA om een gratis proefperiode van 14 dagen te starten.
- De vage opdracht leverde iets zo algemeens op dat het letterlijk elke productiviteitstool had kunnen beschrijven.
- De specifieke opdracht genereerde tekst met persoonlijkheid, concrete voordelen en daadwerkelijke details over functies.
Waarom Het Werkt: ChatGPT werkt op basis van patroonherkenning. Wanneer je specifieke beperkingen geeft (woordenaantal, publieksgrootte, drie exacte functies, toonvergelijking), heeft het duidelijke parameters om binnen te werken. Specificiteit elimineert onduidelijkheid.
2. Roltoewijzing (9/10)
Het starten van aanwijzingen met “Je bent een [specifieke rol]” speelt in op de training van ChatGPT in professionele schrijfpatronen. Het model heeft associaties geleerd tussen rollen en schrijfstijlen, dus het expliciet benoemen van expertise verbetert de kwaliteit van de output voor creatieve en professionele taken.
De Opdracht (Zonder Rol):
Schrijf Instagram-advertentietekst voor een premium koffieabonnement.
De Opdracht (Met Rol):
Je bent een ervaren direct-response tekstschrijver die gespecialiseerd is in Instagram-advertenties voor premium lifestyle merken. Schrijf 3 versies van advertentieteksten (elk onder de 125 tekens) voor een premium koffie-abonnementsservice die de nadruk legt op kleinschalig branden en directe handelsrelaties.
De rolgebaseerde prompt genereerde tekst die directe respons-principes begreep: beginnen met aandachttrekkers, focussen op specifieke voordelen, en gebruikmaken van een overtuigende structuur. De generieke prompt wekte enthousiasme op zonder een strategie.
Waarom het werkt: De training van ChatGPT bevat ontelbare voorbeelden van professioneel schrijven uit specifieke rollen. Door “direct-response copywriter” op te roepen, kan het model patronen matchen die geassocieerd worden met die expertise in plaats van generieke marketingteksten.
3. Geef Concrete Voorbeelden (ook bekend als Few-Shot Learning): 9/10
Dit is een goed gedocumenteerde techniek voor het fijntunen van taalmodellen, en het is vrij eenvoudig te implementeren.
Jij geeft de input in termen van wat je wilt en geeft voorbeelden van de uitkomsten. Wat er gebeurt met deze opzet is dat het model de patronen die je verwacht van de uitkomsten begrijpt en probeert deze zo nauwkeurig mogelijk na te bootsen.
Zo verminder je het heen en weer gaan dat nodig is om de gewenste resultaten te krijgen en begin je consequent goede resultaten te behalen.
De Opdracht (Zonder Voorbeelden):
Schrijf een professioneel antwoord aan een klant die om een terugbetaling vraagt vanwege vertragingen bij de verzending.
De Opdracht (met voorbeelden):
Geef een reactie aan een klant die om een teruggave vraagt vanwege vertragingen bij de verzending. Hier zijn twee voorbeelden van onze merkstem in ondersteuningse-mails:
Voorbeeld 1: “Hé Sarah, het spijt me ontzettend dat jouw bestelling vastzit tijdens het transport. Dat is ongelooflijk frustrerend, vooral als je enthousiast bent over het proberen van nieuwe spullen. Ik heb een volledige terugbetaling verwerkt naar jouw oorspronkelijke betaalmethode.
Je zou het binnen 2-3 werkdagen moeten zien. Ik stuur ook een vervangende bestelling met versnelde verzending zonder extra kosten. Je zou niet hoeven te kiezen tussen een terugbetaling en het krijgen van wat je besteld hebt.”
Voorbeeld 2: “Ik begrijp volledig je frustratie, Marcus.
Vertragingen bij verzending zijn het ergst, en we hebben de communicatie hier laten vallen. Laten we dit nu meteen oplossen: Ik geef je vandaag je terugbetaling en voeg een tegoed van €25 toe voor je volgende bestelling. Geen verdere omwegen meer. Je zou het nu meteen op je rekening moeten zien.”
Match deze stem precies en formatteer het resultaat als een e-mail.
Het voorbeeldgestuurde verzoek genereerde een reactie die aansloot bij mijn verwachte merkstem: empathisch zonder overdreven te zijn, oplossingsgericht zonder verdedigend te zijn, en oprecht behulpzaam zonder zakelijk taalgebruik.
Waarom het werkt: ChatGPT leert van de patronen in je gegeven voorbeelden beter dan wanneer je het een paragraaf met instructies over schrijfstijl geeft. Dat omvat zinsstructuur, woordkeuzes, hoe je empathie combineert met actie, en wat je benadrukt. Twee kwalitatieve voorbeelden leren meer over jouw stem dan een paragraaf die je toon beschrijft.
4. Specificeer Het Uitvoerformaat Precies: 8/10
Het exact vertellen aan ChatGPT hoe de output gestructureerd moet worden, bespaart enorm veel tijd op het gebied van formattering. Deze techniek is bijzonder waardevol wanneer je inhoud direct in andere tools plakt, zoals je contentmanagementsysteem (CMS), of specifieke datastructuren nodig hebt.
De Prompt (Zonder Formaatspecificatie):
Vergelijk de functies van onze app met die van concurrenten.
De Opdracht (met opmaakspecificaties):
Maak een goed onderzochte vergelijkingstabel met 4 kolommen: Functie Naam, Onze App, Concurrent A, Concurrent B. Neem 5 sleutelfuncties op. Gebruik dit exacte markdownformaat:
| Functie | Onze App | Concurrent A | Concurrent B |
|———|———|————–|————–|
| [functie] | [details] | [details] | [details] |
Het door het formaat gespecificeerde prompt genereerde een perfect gestructureerde tabel die ik direct in documentatie kon plakken—geen tijd nodig voor opmaak. Het generieke prompt gaf me informatie in paragraafvorm, wat 10-15 minuten handmatig tafel maken vereiste.
⚠️ Onthoud dat de informatie in de tabel (en zelfs de paragraaf hierboven) feitelijk onjuist kan zijn. In feite moet elke uitvoer op juistheid worden gecontroleerd.
Waarom Het Werkt: ChatGPT kan in vrijwel elk formaat uitvoeren, maar het standaardformaat is proza, tenzij het trainingsmodel specifieke woorden expliciet associeert met bepaalde formaten (een casestudy zou automatisch secties hebben voor introductie, uitdaging, oplossing en impact). Het expliciet specificeren van structuren, zoals tabellen, lijsten, specifieke markdown, JSON, enz., geeft het model exact aan hoe de informatie georganiseerd moet worden.
5. Vertel GPT Wat NIET Te Doen: 7/10
Grote taalmodellen (LLM’s), inclusief ChatGPT, hebben herhalende schrijfpatronen. Mensen die ze lang genoeg gebruiken, kunnen dezelfde patronen van mijlenver herkennen. Dus, als je ChatGPT gebruikt om marketingmateriaal te schrijven, zorg er dan voor dat het resultaat niet klinkt als AI-prutswerk.
Je hebt het nodig dat het leuk, interessant en persoonlijk is. Je kunt precies aangeven wat je wilt vermijden (specifieke woorden, formuleringen of structuren), en het houdt zich over het algemeen aan de regels. Voor langere inhoud kunnen deze regels echter worden gebroken.
De Opdracht (Zonder Beperkingen):
Schrijf een productbeschrijving voor een premium koffie-abonnement.
De Opdracht (met Negatieve Beperkingen):
Schrijf een productbeschrijving voor een premium koffieabonnement.
GEBRUIK deze woorden of uitdrukkingen NIET: ambachtelijk, samengesteld, reis, ervaring, gepassioneerd, vakmanschap, verheffen, handgeselecteerd.
OVERTREF 75 woorden NIET.
GEBRUIK geen uitroeptekens.
Richt je op: specifieke details over de herkomst, wat de koffie daadwerkelijk anders maakt, en concrete voordelen voor de klant. Geen gedachtestreepjes.
Let op dat de output van de eerste prompt veel koppeltekens bevat en wat verkoopachtig klinkt. Ik denk wel dat mijn ChatGPT neutraal is geworden door alle herinneringen aan mijn vorige chats. Maar ik vind de tweede versie zeker goed omdat deze mijn specifieke beperkingen volgt.
Waarom het werkt: ChatGPT leert van patronen op het internet, wat betekent dat het standaard gebruikmaakt van gangbare formuleringen. Wanneer die gangbare formuleringen precies zijn wat je niet bevalt, blokkeren negatieve beperkingen die patronen expliciet en dwingen ze tot alternatieve benaderingen.
6. Duidelijke Instructies Eerst, Context Daarna: 7/10
Google’s handleiding voor AI-prompts suggereert duidelijk om eerst heldere instructies over de taak te geven en vervolgens context te bieden over hetzelfde.
Hier is het fragment uit de handleiding:
LLM’s prioriteren informatie sequentieel (de eerste zin krijgt de hoogste prioriteit). Dus, het toevoegen van de taak als eerste geeft de LLM voldoende informatie om de taak uit te voeren. De context kan later als onderdeel van de prompt worden opgenomen.
De Opdracht (context-eerst):
Wij zijn een SaaS-bedrijf dat zich richt op externe teams van 10-50 personen. We zijn 3 jaar in bedrijf en hebben onlangs een nieuwe functie gelanceerd voor AI-gestuurde taakprioritering die de werklast van het team analyseert en optimale taakvolgorde voorstelt. Onze belangrijkste concurrenten zijn Asana en Monday.com, maar wij onderscheiden ons door diepere integratie van AI en betere connectiviteit met Slack. Onze doelklanten zijn doorgaans technisch onderlegde projectmanagers die gefrustreerd zijn door handmatige taakorganisatie. We hebben een aankondigingsmail nodig voor deze nieuwe functie.
De Opdracht (Taakgericht):
Schrijf een e-mail van 200 woorden over de productaankondiging voor onze nieuwe AI taakprioriteringsfunctie.
Context: We zijn een 3 jaar oud SaaS-bedrijf dat zich richt op remote teams (10-50 personen). Belangrijkste concurrenten: Asana en Monday.com. Ons onderscheid: diepere integratie van AI en native Slack-connectiviteit. Doelgroep: technisch onderlegde projectmanagers die gefrustreerd zijn over handmatige taakorganisatie.
Benadruk: hoe AI-sequencing tijd bespaart en overweldiging vermindert.
Deze techniek is minder belangrijk geworden naarmate LLM’s slimmer zijn geworden. Maar aangezien bedrijven suggereren dat prompts in deze structuur moeten zijn, gebruiken ze waarschijnlijk dezelfde structuur voor het finetunen van hun model. En naarmate je dieper ingaat op prompt engineering, kunnen deze fundamenten helpen om consistente resultaten te krijgen.
Waarom het werkt: Beginnen met de taak stelt het doel onmiddellijk vast, waarna de context uitlegt hoe dat doel te benaderen. Een structuur die begint met context kan vertroebelen wat je eigenlijk vraagt, vooral in langere opdrachten.
7. Gebruik Stapsgewijze Genummerde Instructies: 7/10
Gebruik genummerde lijsten voor meerdere items. Als je bijvoorbeeld wilt dat GPT 15 socialemediaposts, 1 blogpost en 10-12 hashtags creëert, is het waarschijnlijk dat het taalmodel niet alles in één keer kan leveren.
De Opdracht (zonder stappen):
Creëer sociale media inhoud voor de lancering van onze app, inclusief tweets, een LinkedIn-bericht, hashtags en aanbevelingen voor de plaatsingstijd.
De Opdracht (met genummerde stappen):
Maak socialemedia-inhoud voor onze app-lancering:
1. Schrijf 3 tweetvariaties (elk onder de 280 tekens, inclusief aandachtstrekker en CTA)
2. Schrijf 1 LinkedIn-bericht (150-200 woorden, professionele toon met nadruk op ROI)
3. Creëer 5 relevante hashtags voor Twitter en 5 voor LinkedIn
4. Stel optimale plaatsingstijden voor voor de B2B-techindustrie
5. Leg voor elk bericht de gekozen berichtgevingshoek uit
Levert elk onderdeel duidelijk gelabeld aan.
De bovenstaande uitvoer zijn niet de beste voorstellingen aangezien we heel weinig items in de lijst hebben. Echter, je zult echte verschillen beginnen te merken wanneer het aantal items of taken per lijstitem begint toe te nemen.
Waarom Het Werkt: Deze genummerde instructies creëren een duidelijke checklist in het “brein” van ChatGPT die gemakkelijk achtereenvolgens kan worden gevolgd.
8. Vraag “Heb Je Nog Vragen?”: 6/10
Vraag het model om jou verduidelijkende vragen te stellen. Je krijgt hulp bij het invullen van de kennishiaten waarvan je aannam dat ze onnodig waren en helpt je om meer relevante context aan je uitvoer toe te voegen.
Maar de sprong in uitvoerkwaliteit is alleen zichtbaar als het onderwerp een beetje “algemeen” is en je de vragen beantwoordt met gegevens en specificiteit.
De Opdracht:
Maak een uitgebreide onboarding e-mailreeks voor nieuwe gebruikers van onze projectmanagementapp. Heb je nog vragen voordat je begint?
Uit mijn tests met ChatGPT waren de resultaten inconsistent. Soms genereert ChatGPT echt nuttige vragen over de doelgroep, e-mailfrequentie of specifieke kenmerken om te benadrukken.
Voor zeer gespecialiseerde industrieën beginnen de vragen vaag te klinken, en ze worden steeds irrelevanter naarmate je dieper op een onderwerp ingaat.
Waarom Het Soms Werkt: Als je werkt aan een onderwerp waarover je niet veel informatie hebt, kan ChatGPT de kennislacunes invullen en belangrijke context toevoegen. Het kan ons soms helpen ontdekken wat we niet wisten dat we niet wisten.
9. Ketting van Gedachten (“Denk Stap-Voor-Stap”): 6/10
Het toevoegen van zinnen als “denk stap voor stap” of “leg je redenering uit” zorgt ervoor dat ChatGPT zijn werk laat zien — zelfs als het niet in denkmodus is of wanneer de LLM denken niet ondersteunt. Deze techniek verbetert de resultaten voor analytische taken, maar voegt onnodige lengte toe aan creatief werk.
De Opdracht (Zonder Gedachtegang):
Analyseer waarom onze e-mail openingspercentages vorige maand met 15% zijn gedaald en beveel oplossingen aan.
De Opdracht (Met Gedachtegang):
Analyseer waarom onze e-mail open rates vorige maand met 15% zijn gedaald en beveel oplossingen aan. Denk dit stap voor stap door, waarbij je je redenering voor elke mogelijke oorzaak laat zien voordat je aanbevelingen doet.
Zonder context toe te voegen aan de gegevens van je analytics dashboard, zullen de reacties met of zonder gedachtegang generiek zijn. Je zult echter merken dat GPT5 besloot de denkmodus te activeren om door het probleem heen te redeneren toen de gedachtegangprompt gegeven werd.
Het is duidelijk dat er stap voor stap is nagedacht om het probleem te begrijpen en dat te gebruiken om te reageren. Vergelijk dat met de niet-CoT prompt, waar de reactie snel was en geen denkwerk vereiste.
Waarom Het Werkt: Als je werkt aan analytische en probleemoplossende taken, helpt het vragen naar de redenering je te verifiëren dat het taalmodel de stappen doorloopt zoals jij dat zou doen. Voor creatieve taken, zoals marketingteksten, is dit misschien niet zo nuttig.
10. Toon Je Wijzigingen Terug Aan ChatGPT: 7/10
Net als bij few-shot learning, leert ChatGPT van jouw berichten in de chat. Als je een output van GPT krijgt die dichtbij genoeg is maar niet perfect, en je bewerkt deze naar jouw wens, deel het dan als jouw reactie. Dit doe ik vrij vaak en heb een duidelijke verbetering in de reacties opgemerkt tot op zekere hoogte.
De Opdracht (na het ontvangen en bewerken van door AI gegenereerde advertentietekst):
Hier is wat ik uiteindelijk heb gebruikt na het bewerken van jouw concept:
“DreamHost is een budgetvriendelijke shared-hosting vanaf ~$2,59/maand en biedt een geld-terug-garantie van 97 dagen.”
Ik heb de zinsstructuur verbeterd en de tekst vloeiender gemaakt. Doe hetzelfde voor de rest van de kolominvoeren.
In dezelfde chat krijg je waarschijnlijk een geweldige reactie, aangezien het taalmodel de patronen heeft opgepikt die je leuk vindt.
Gelukkig kan ChatGPT dankzij kruisverwijzingen in chats en intern geheugen ook verwijzen naar je eerdere gesprekken om vanaf de eerste keer veel betere resultaten te leveren.
Waarom Het Werkt: ChatGPT behoudt een blijvend geheugen van je voorkeuren door gesprekken heen. De moeite die nodig is om wijzigingen te delen weegt niet op tegen de beperkte opbrengst. Je bent beter af met het vanaf het begin creëren van uitgebreide voorbeelden (Techniek #3).
11. Gebruik Duidelijke Scheidingslijnen Om Instructies Van Inhoud Te Scheiden: 6/10
Wanneer je prompt zowel instructies als inhoud bevat om te verwerken (zoals voorbeelden, tekst om te analyseren of klantenfeedback), gebruik dan scheidingstekens om onderscheid te maken tussen de twee.
Dit voorkomt dat ChatGPT jouw instructies verwart met de inhoud zelf.
De Opdracht (met Scheidingstekens):
Schrijf de klantenmail hieronder opnieuw om te passen bij onze professionele ondersteuningstone.
—E-MAIL OM TE HERFORMULEREN—
Hé, bedankt voor je bericht over de bug. Ja, we zijn ervan op de hoogte en iemand is er naar aan het kijken. Het zou binnenkort opgelost moeten zijn. Laat het me weten als je nog iets nodig hebt.
—EINDE E-MAIL—
Vereisten:
– Warmte behouden terwijl je professioneel blijft
– Geef een specifieke tijdlijn
– Inclusief duidelijke vervolgstappen
Afgebakende prompts zorgen consequent voor schonere outputs omdat ChatGPT duidelijk kan onderscheiden wat een instructie is en wat inhoud is. Zonder begrenzers, vooral bij langere prompts, zul je consequent zien dat ChatGPT de opgegeven instructies mist.
Waarom het werkt: Scheidingstekens (drievoudige aanhalingstekens, XML-tags, markdownsecties of eenvoudige streepjes) creëren expliciete grenzen. Dit is bijzonder waardevol als je meerdere voorbeelden geeft, klantenfeedback analyseert of door gebruikers gegenereerde inhoud verwerkt waarbij de taal instructies kan lijken. De techniek wordt essentieel wanneer je inhoud frasen bevat zoals “schrijven”, “creëren” of “analyseren” die het model kunnen verwarren.
12. Wees Niet Te Streng Voor ChatGPT: 3/10
Mensen suggereerden vroeger dat veeleisende of kritische feedback (“Dit is onaanvaardbaar, probeer opnieuw”) de resultaten verbetert.
Maar gedurende mijn tests werd het duidelijk dat veeleisend zijn alleen maar zorgt dat ChatGPT de output opnieuw doet. Het is onwaarschijnlijk dat het “betere” resultaten oplevert als het niet weet wat beter betekent.
De Opdracht (Omdat Deze “Moeilijk” Is):
Deze reactie is vreselijk en slaat volledig de plank mis. De toon is verkeerd, de structuur is slecht, en je hebt niet benadrukt wat ik vroeg. Probeer het opnieuw en doe het deze keer goed.
De Opdracht (Specifiek Zijn):
Deze reactie moet herzien worden:
– Verander de toon van formeel naar conversatie
– Herschik zodat het klantprobleem eerst komt, niet onze oplossing
– Benadruk de AI-prioriteringsfunctie in de eerste alinea
Gelieve te herzien met deze specifieke wijzigingen.
De “harde” opdracht levert altijd een nieuwe uitvoer, misschien dwingt het ChatGPT zelfs om in de “denk” modus te gaan. Maar de resultaten zijn niet consequent beter. Aan de andere kant zullen specifieke instructies over wat je moet veranderen je bijna altijd veel betere en schonere uitvoeren opleveren.
Waarom Deze “Hack” Blijft Bestaan: Mensen verwarren correlatie met causaliteit. Wanneer ze betere resultaten krijgen na “veeleisend” te zijn, is dat meestal omdat ze specifieker zijn over de vereisten in een poging om “boos” te zijn, niet omdat ChatGPT reageert op de toon.
De 5 Kern Technieken Die Je Moet Gebruiken
Na het testen van een grote verscheidenheid aan technieken (inclusief deze 12) in tientallen scenario’s, hebben de volgende vijf consequent resultaten opgeleverd.
- Belachelijk specifiek zijn (10/10) is de basis voor alles.
- Een rol toewijzen (9/10) is uitstekend voor creatieve en professionele taken.
- Concrete voorbeelden geven (9/10) behoudt merkconsistentie.
- Outputformaat specificeren (8/10) bespaart tijd bij het formatteren.
- Vertellen wat ChatGPT NIET moet doen (7/10) werkt wanneer je precies weet wat te vermijden.
De overige technieken bieden situationele waarde, maar zijn niet essentieel voor effectief prompten.
Mijn Standaard Promptsjabloon
Ik heb een paar geweldige templates liggen. Maar hier is er een die consequent geweldige resultaten heeft geleverd voor bijna elk gebruikssituatie waar ik het voor heb gebruikt.
Gebruik het dus voor je experimenten en zie wat voor resultaten je kunt behalen. Zodra je een werkende prompt hebt, wordt de rest van je werk gemakkelijk.
Je hebt een [specifieke rol met relevante expertise].
Maak: [Specifiek te leveren product met woord-/tekenaantal]
Voor: [Doelgroep met relevante details]
Over: [Onderwerp/product met sleutelinformatie]
Include:
– [Specifiek vereist element 1]
– [Specifiek vereist element 2]
– [Specifiek vereist element 3]
Format: [Exacte structuur die nodig is]
DO NOT:
– [Specifiek te vermijden ding 1]
– [Specifiek te vermijden ding 2]
Voorbeeld van onze stijl:
[Plak 1-2 relevante voorbeelden]
Dit Framework werkt omdat het alle elementen combineert die consequent goede resultaten opleveren. Je kunt altijd improviseren, voeg meer van de bovenstaande 12 tips toe om te zien wat het beste past bij het resultaat waar je naar streeft.
Kun Je Duizend-Woord Prompts Maken?
Zeker weten. De enige beperking is de prompt, en je verwachte uitvoer mag de context window niet overschrijden.
ChatGPT heeft een contextvenster van 32k tokens per chat voor de Plus en 128k tokens voor de Pro versie. Gemini heeft een contextvenster van 2 miljoen tokens per chat. Claude zit op 1 miljoen.
Denk aan een token in een contextvenster als een deel van een woord.
32k tokens zou vertalen naar ongeveer 27k woorden. Na deze limiet vergeet ChatGPT wat er voor de meest recente 32k tokens besproken was. Dit betekent dat het context “venster” verschuift.
ChatGPT blijft met je chatten, zelfs na het contextvenster. Maar het heeft geen informatie over de chats voorbij het contextvenster.
Als je merkt dat ChatGPT zich anders gaat gedragen na een lang gesprek, probeer het dan opnieuw te oriënteren door de oorspronkelijke opdracht nog eens te geven, of begin een nieuw gesprek.
Consistent ChatGPT Bevragen Met “Projecten”
LLM’s hebben geen context over jouw bedrijf, publiek en doelen. Ze weten ook niet wat de beperkingen zijn qua uitvoerlengte, het formaat, de stijl, enzovoort.
Dus, je kunt elke keer dat je een nieuw gesprek start context bieden als onderdeel van je prompt, of je kunt een project in ChatGPT aanmaken en al deze als tekstbestanden of markdown-bestanden toevoegen.
Alle nieuwe chats die je start vanuit de projecten zullen standaard de vereiste context hebben.
1. Klik Projecten in de linkerzijbalk.
2. Voer de projectnaam in en klik op Project aanmaken.
3. Klik Voeg bestanden toe om alle bestanden die je nodig hebt voor de context toe te voegen.
Wat Nu?
Prompt engineering is geen instellen-en-vergeten-veld. Nieuwe modellen verstoren regelmatig uitvoeringen waarvan je was gaan houden bij de vorige modellen.
Maar de basisprincipes van specificiteit, context en voorbeelden blijven constant. Je hoeft alleen te weten welke technieken welke problemen oplossen.
Richt je op de vijf die ertoe doen en sla de trucjes over.
Ik ben momenteel aan het experimenteren met meerstaps promptsequenties voor complexe inhoudsprojecten, promptsjablonen geoptimaliseerd per inhoudstype en integratiestrategieën met merkstijlgidsen. Dit zijn aparte konijnenholen waar je in kunt springen.
Maar als je alles wilt overslaan en tijd wilt besteden aan slechts één ding, besteed het dan aan het verzamelen van geweldige voorbeelden van wat je wilt bereiken.
Al het andere is optimalisatie.
Veelgestelde Vragen
Wat is prompt engineering voor ChatGPT?
Prompt engineering is de praktijk van het ontwerpen van specifieke, gestructureerde invoer om betere uitvoer van AI-taalmodellen zoals ChatGPT te verkrijgen. Het omvat technieken zoals het verstrekken van gedetailleerde context, het gebruik van roltoewijzingen, het tonen van voorbeelden en het specificeren van exacte formaatvereisten om de kwaliteit en consistentie van de uitvoer te verbeteren.
Welke technieken voor prompt engineering werken echt?
Deze vijf technieken leveren consequent resultaten op: belachelijk specifiek zijn over de te leveren resultaten, het toewijzen van rollen voor creatieve taken, concrete voorbeelden geven van het gewenste resultaat, exacte outputformaten specificeren en expliciet vermelden wat niet inbegrepen moet zijn.
Moet ik een cursus volgen over prompt-engineering?
Nee. De meeste cursussen over prompt engineering leren dezelfde basisprincipes die gratis beschikbaar zijn op het web. De echte vaardigheid zit in het begrijpen welke techniek welk probleem oplost voor jouw specifieke gebruiksscenario’s. Ik zou aanraden de vijf basis technieken die ik in deze gids heb beschreven toe te passen op jouw daadwerkelijke werk en je prompts naar behoefte te verbeteren.
Hoe specifiek moeten mijn ChatGPT-prompts zijn?
Je aanwijzingen moeten exacte woordenaantallen, specifieke doelgroepdetails, duidelijke leveringen en concrete beperkingen bevatten. Vergelijk “schrijf marketingtekst” (te vaag) met “schrijf een product-e-mail van 150 woorden voor externe teams die 3 kenmerken benadrukt: samenwerking, AI-prioritering, Slack-integratie” (toepasselijk specifiek).
Specificiteit elimineert dubbelzinnigheid en verbetert de outputkwaliteit aanzienlijk.
Verbeteren hoge eisen aan ChatGPT de resultaten?
Nee. Tests tonen aan dat houding irrelevant is voor de kwaliteit van het resultaat. Wanneer je revisies nodig hebt, specificeer dan wat er mis is (toon, structuur, ontbrekende elementen) in plaats van frustratie te uiten. Specificiteit helpt; houding niet.
Hoe lang duurt het om resultaten te zien van betere prompts?
Onmiddellijk. Het verschil tussen vage en specifieke prompts is zichtbaar in de eerste output. Het opbouwen van je voorbeeldenbibliotheek en het ontwikkelen van je persoonlijke promptsjabloon kost echter 2-4 weken van consistente oefening om te optimaliseren voor je specifieke gebruiksscenario’s.
