Prompts: zo laat je AI antwoorden zoals jij het wilt

Leer hoe je prompts schrijft die modellen laten reageren zoals je verwacht, met sjablonen, voorbeelden en drie kant-en-klare prompts.

Door: Copy&Prompt TEAM · Gepubliceerd augustus 2026 · Bijgewerkt augustus 2026

Snel antwoord: Een "prompt like"-benadering betekent dat je het model een precieze rol geeft, compacte context en een duidelijk voorbeeld van de gewenste stijl. Gebruik rol + beperkingen + één of twee voorbeelden (few-shot) en een exact uitvoerformaat. Dit levert herhaalbare resultaten op bij GPT-4, Claude Opus en Gemini. Inhoud

1. Wat is "prompt like" en waarom is het belangrijk?
2. Begrippen en vereisten
3. Methode: een vierdelig promptkader
4. Drie kant-en-klare prompts (kopiëer-en-plak)
5. Toegepaste voorbeelden
6. Vergelijking: promptstijlen en betrouwbaarheid
7. Veelgemaakte fouten → waarom ze falen → hoe ze te herstellen
8. Beperkingen: wat dit niet oplost
9. Hoe prompts opslaan, versies bijhouden en delen?
10. Veelgestelde vragen
11. Kernpunten & volgende stap

Wat is "prompt like" en waarom is het belangrijk?

"Prompt like" verwijst naar het ontwerpen van een prompt zodat het model in een specifieke stem, structuur of gedrag reageert. In de praktijk wil je dat het model uitvoer produceert die consequent "lijkt op" je doel — bijvoorbeeld een bondige producttekst, een vriendelijke supportreactie of een checklist met 5 punten.

Dit is belangrijk omdat generieke prompts generieke antwoorden geven. Een reproduceerbare "prompt like"-aanpak verandert toevallige successen in betrouwbare resultaten waarop je kunt vertrouwen.

Begrippen en vereisten

Welke basisbegrippen moet ik kennen?

System prompt: een control-bericht dat de rol van het model voor het hele gesprek instelt. Few-shot: het geven van 1–5 voorbeelden vóór de echte taak. Beperkingen: limieten zoals woordenaantal of verboden woorden. Uitvoerformaat: de exacte vorm waarin het model moet antwoorden, bijvoorbeeld JSON of een opsomming.

Op welke modellen is deze gids van toepassing?

We hebben deze patronen gevalideerd op GPT-4 en Claude Opus en op modelfamilies zoals Gemini. Het gedrag varieert, maar de architectuur is hetzelfde: rol → context → voorbeeld(en) → precieze taak levert consistentere "like"-antwoorden op.

Datapunt: ChatGPT werd gelanceerd in november 2022 (OpenAI blog). Datapunt: Anthropic bracht Claude uit in 2023 (Anthropic blog). Datapunt: OpenAI raadt system messages aan om gedrag te sturen (OpenAI API docs).

Methode: een vierdelig promptkader

Kort antwoord: gebruik Rol, Context, Voorbeeld, Taak. Elk onderdeel is één of twee zinnen. Het model behandelt ze als instructies, niet als suggesties.

1) Rol — Wie moet het model zijn?

Begin met één zin: de precieze rol en toon. Voorbeeld: "Rol: Je bent een beknopte productcopywriter die in helder Engels schrijft en geen jargon gebruikt." Dit verankert de stem van het model.

2) Context — Waarom dit belangrijk is (één regel)

Geef de minimale situatie die het model nodig heeft. Voorbeeld: "Context: productpagina voor een privacygerichte wachtwoordmanager." Houd het kort om ruis te vermijden.

3) Voorbeeld — Laat één ideaal resultaat zien

Geef een voorbeeld van één of twee regels. Few-shot-voorbeelden werken het beste als ze dezelfde lengte en structuur hebben als de uitvoer die je verwacht. Het voorbeeld leert het model de stijl die je wilt dat het "liket."

4) Taak — Het meetbare verzoek en exact uitvoerformaat

Sluit af met de taak en beperkingen. Specificeer structuur, lengte en verboden woorden. Beperk uitvoer tot JSON of vaste bullets wanneer je machineleesbaarheid nodig hebt.

Drie kant-en-klare prompts (kopiëer-en-plak)

Hieronder staan drie direct-uit-te-voeren prompts. Elk volgt onze Rol/Context/Taak-structuur, bevat [VARIABLES], een korte toelichting en een modelstempel. Plak ze zoals ze zijn in het model dat je gebruikt.

Rol: Je bent een beknopte productcopywriter die overtuigende, eenvoudig Engels micro-copy schrijft.
Context: Landingspagina voor [PRODUCT_NAME] gericht op [AUDIENCE_BRIEF].
Taak: Schrijf drie variantkoppen en één subkop van exact 20 woorden. Beperkingen:
- Elke kop ≤ 8 woorden
- Subkop = precies 20 woorden
Uitvoerformaat:
- JSON met sleutels "headline1","headline2","headline3","subhead"

Waarom het werkt: rol + strikte beperkingen dwingen korte, consistente uitvoer af. Model-stempel: gevalideerd op GPT-4, juni 2024.

Rol: Je bent een supportmedewerker die vriendelijk, niet-technisch en beknopt is.
Context: Klant vraagt "My app crashes when I upload a photo."
Voorbeeld:
- Voorbeeldantwoord: "Sorry dat dit is gebeurd. Probeer de app bij te werken en probeer het opnieuw. Als het aanhoudt, stuur dan de foutcode."
Taak: Produceer een antwoord van vier regels op het bericht van de gebruiker. Beperkingen:
- Geen technische termen, niet langer dan 45 woorden
Uitvoerformaat: antwoord in platte tekst.

Waarom het werkt: het opnemen van een voorbeeld stemt toon en lengte af. Model-stempel: gevalideerd op Claude Opus, juni 2024.

Rol: Je bent een redacteur die een checklist van 5 punten produceert.
Context: Verbeteren van een artikel van 500 woorden voor duidelijkheid en SEO.
Taak: Noem vijf concrete aanpassingen in volgorde van prioriteit.
Beperkingen:
- Elke bullet = één korte zin
- Gebruik actiewerkwoorden
Uitvoerformaat: markdown-lijst met vijf items.

Waarom het werkt: checklisttaken werken goed met beperkte uitvoer. Model-stempel: gevalideerd op Gemini, juni 2024.

Toegepaste voorbeelden: twee contexten

Hoe zorg ik dat een model meer schrijft in mijn merkstem?

Laat één representatieve alinea van je merkstem zien. Vraag het model vervolgens om "het volgende in dezelfde stem te herschrijven." Als je strakke overeenkomsten nodig hebt, voeg dan een regelslijst toe: voorkeurswoorden, verboden uitdrukkingen, limiet voor zinslengte.

Voorbeeld: geef een voorbeeldparagraaf van 40 woorden en vraag om drie varianten. Je krijgt drie outputs die dichter bij gebruiksklare copy liggen.

Hoe laat ik een model een persona aannemen voor interviews?

Stel de rol in, geef twee voorbeeld Q&A-paren en beperk antwoorden tot 40–60 woorden. Few-shot-voorbeelden voorkomen generieke antwoorden. Wanneer het model een patroon herhaalt dat je bevalt, haal dan de "template" eruit en hergebruik die.

Vergelijking: promptstijlen en betrouwbaarheid

Veelgemaakte fouten → waarom ze falen → hoe ze te herstellen

• Fout: De rol impliciet laten.
  Waarom: Het model raadt de toon.
  Oplossing: Voeg één precieze rolzin toe.
• Fout: Lange, rumoerige context.
  Waarom: Extra details leiden het model af.
  Oplossing: Houd de context tot één regel; verplaats details naar "[ADDITIONAL_CONTEXT]" alleen wanneer nodig.
• Fout: Geen uitvoerformaat opgegeven.
  Waarom: Het model verzint structuur.
  Oplossing: Vereis JSON of vaste bullets.
• Fout: Vergeten de prompt meerdere keren te testen.
  Waarom: Resultaten kunnen per run of door modelupdates afwijken.
  Oplossing: Draai 5–10 tests en zet een prompt vast in een bibliotheek.

Beperkingen: wat dit niet oplost

Deze promptpatronen elimineren geen hallucinaties. Ze verminderen stijlvariatie maar kunnen de onderliggende modelkennis niet veranderen. Als je feitelijke nauwkeurigheid nodig hebt, combineer prompts dan met retrieval (RAG) of een fact-check-stap.

Geciteerde richtlijn: "System messages set the behavior of the assistant." — OpenAI API docs, 2024. Geciteerde richtlijn: "We aim to make helpful, honest, and harmless assistants." — Anthropic, 2023.

Eigen waarneming: op Claude Opus zagen we prompt-drift na 5–6 beurten wanneer de rol niet opnieuw werd vastgesteld (geobserveerd juni 2024). Bij GPT-4 verschijnt drift meestal later.

Hoe prompts opslaan, versies bijhouden en delen?

Sla prompts op als enkelvoudige sjabloonbestanden met variabelen tussen haakjes. Geef elke prompt een naam met doel, versie en modeldoel (voorbeeld: support-reply-v2-gpt4). Versiebeheer voorkomt stille regressies na een modelupdate.

Copy&Prompt is hiervoor ontworpen: Copy&Prompt is een promptbibliotheek die je laat optimaliseren, opslaan, delen en prompts met één klik kopiëren over ChatGPT, Claude, Gemini, DeepSeek, Lovable en Midjourney. Gebruik een gedeelde bibliotheek wanneer meerdere mensen aan dezelfde stem werken.

In de praktijk exporteer je prompts als JSON met velden: id, role, context, examples[], task, constraints[], model_target, validated_date. Houd een changelogitem bij voor elke update.

Veelgestelde vragen

Hoeveel voorbeelden moet ik opnemen om de "like"-stijl te leren?

Begin met één hoogwaardig voorbeeld en voeg tot drie toe. Eén voorbeeld verandert de toon; twee tot drie leren het patroon. Meer dan vijf voorbeelden riskeer je overfitting van de prompt. Test de outputs op variatie nadat je elk voorbeeld toevoegt.

Zal deze aanpak hallucinaties stoppen?

Nee. Stijlcontrole garandeert geen feitelijke correctheid. Voor feitelijke taken combineer je de prompt met verificatiestappen, citaten of een retrieval-augmented generation (RAG)-systeem.

Welk model houdt de stijl beter vast in lange gesprekken?

Modelgedrag varieert. In onze tests hield GPT-4 de toon langer vast dan Claude Opus zonder her-aankoppeling. Herbevestig echter altijd de rol elke 6–8 beurten bij lange sessies.

Hoe meet ik of een output "lijkt" op het doel?

Maak eenvoudige metrics: lexicale overlap op sleutelzinnen, gemiddelde zinslengte en een menselijke beoordeling op toonovereenkomst. Automatiseer controles bij opschaling naar veel prompts.

Kan ik deze prompts in een API-pijplijn gebruiken?

Ja. Gebruik een system message voor de rol, geef voorbeelden in de prompt of via een few-shot payload, en eis gestructureerde uitvoer zoals JSON voor downstream-parsing.

Kernpunten

• Gebruik Rol + Context + Voorbeeld + Taak om reproduceerbare "like"-outputs te krijgen.
• Een hoogwaardig voorbeeld presteert vaak beter dan lange instructies.
• Specificeer het uitvoerformaat om resultaten machineleesbaar en stabiel te maken.
• Test prompts meerdere keren en versieer ze om drift te voorkomen.
• Sla gedeelde prompts op in één bibliotheek om merkstem te behouden.

Volgende stap: kies één terugkerende output die je nodig hebt en zet die om in een sjabloon met het vierdelige kader. Valideer het op het model dat je gebruikt, vijf keer, en sla de beste versie op met een datumstempel.

Verbeter vandaag nog je AI-resultaten — Maak betere prompts en krijg nauwkeurigere antwoorden met Copy&Prompt. Copy&Prompt →