Prompt engineering voor RAG en agents

Behandel prompts als code

Prompts horen in versiebeheer, met review en een evaluatieset die bij elke wijziging draait. De grootste kwaliteitsincidenten in productie-AI komen door "even een woordje aangepast" zonder test, precies wat we bij code al twintig jaar niet meer accepteren.

Structuur verslaat proza

Een goede systeem-prompt heeft herkenbare blokken: rol en context, de taak, harde regels (wat altijd en wat nooit), het uitvoerformaat, en voorbeelden. Modellen volgen structuur beter dan lange lopende tekst, en je team kan een gestructureerde prompt reviewen.

Definieer weigeringsgedrag expliciet

De belangrijkste regel in elke enterprise-prompt beschrijft wat het model doet als het antwoord niet in de context staat: dat expliciet zeggen, en niet aanvullen uit eigen kennis. Zonder die regel vult het model gaten op met plausibele onzin, met bronvermelding erbij, wat het extra overtuigend maakt.

Wees zuinig met voorbeelden, gul met tegenvoorbeelden

Twee of drie goede voorbeelden sturen meer dan tien. En één goed tegenvoorbeeld ("bij deze vraag hoort dit weigeren") voorkomt een categorie fouten die je met positieve voorbeelden nooit afdekt.

Formaatafspraken zijn contracten

Als de applicatie JSON verwacht, beschrijf het schema exact en valideer de uitvoer. Reken erop dat het één op de zoveel keer misgaat en bouw een herstel-pad (opnieuw vragen met de foutmelding) in plaats van te hopen op perfectie.

Korter is meestal beter

Elke extra instructie verdunt de aandacht voor de andere instructies. Snoei periodiek: verwijder een regel en kijk of je evaluatieset het merkt. Prompts groeien organisch; kwaliteit komt van snoeien, niet van stapelen.