Veelgemaakte fouten bij prompten (en hoe je ze voorkomt)

De output van een Large Language Model is zo goed als de instructie die je het geeft. Toch zien we in de praktijk dat ontwikkelaars en gebruikers vaak in dezelfde valkuilen stappen. Hier zijn 8 veelgemaakte fouten bij prompt engineering en hoe je ze oplost.

1. Een vaag of te algemeen doel formuleren

Als je niet specifiek bent, vult het model de gaten zelf in. Dit leidt vaak tot generieke, oppervlakkige output die nét niet aansluit bij je use-case.

2. Essentiële context weglaten

LLM's hebben geen impliciete kennis van jouw specifieke situatie. Zonder achtergrondinformatie kan de AI onmogelijk accuraat of veilig advies geven.

3. Te veel taken in één prompt proppen

Wanneer je een model vraagt om tegelijkertijd data te analyseren, een strategie te bedenken, code te schrijven en tekst op te maken, daalt de kwaliteit van elk afzonderlijk onderdeel drastisch. Deel grote taken op.

4. Geen output-formaat specificeren

Heb je data nodig voor een applicatie? Als je niet exact vertelt in welk format (zoals JSON, CSV, of YAML) je het wilt ontvangen, krijg je waarschijnlijk een mix van platte tekst en codeblokken terug.

5. Negatieve in plaats van positieve instructies

Modellen focussen sterk op de woorden in je prompt. Als je zegt "gebruik geen ingewikkelde woorden", richt de AI zijn aandacht juist op 'ingewikkelde woorden'. Vertel in plaats daarvan wat het model wél moet doen.

6. De kracht van "Few-Shot" voorbeelden negeren

Het concept van 'zero-shot' (iets vragen zonder voorbeelden) werkt voor simpele taken, maar voor complexe opmaak of dataregistratie zijn een of twee concrete voorbeelden (few-shot) goud waard.

7. De rol (Persona) niet configureren

Een LLM reageert standaard als een behulpzame, algemene assistent. Door een specifieke rol of persona toe te wijzen, dwing je een bepaald expertiseniveau en taalgebruik af.

8. Te rigide en over-gespecificeerde beperkingen

Soms proberen ontwikkelaars het model in een te strak keurslijf te dwingen met arbitraire regels, wat ten koste gaat van de vloeiendheid of logica van het antwoord.