Przejdź do treści
promptowy.com / AI-begrippenlijst / Iteratief prompten
Prompts

Iteratief prompten

Iteratief prompten is een werkwijze waarbij je een AI-antwoord stapsgewijs verfijnt door gerichte correcties en aanvullingen in hetzelfde gesprek.

Iteratief prompten is een praktische aanpak waarbij je een taalmodel niet probeert te vangen in één perfecte instructie, maar het gewenste eindresultaat bereikt via een serie van logische tussenstappen. In plaats van minutenlang schaven aan een ellenlange beginprompt, start je met een duidelijke basisopdracht. Zodra het model antwoordt, beoordeel je de uitkomst en stuur je gericht bij: je voegt ontbrekende context toe, past de toon aan of schrapt overbodige ballast.

Deze methode sluit nauw aan bij hoe mensen van nature samenwerken. Als je een collega op kantoor vraagt om een eerste opzet voor een nieuwsbrief, verwacht je zelden dat de eerste versie direct vlekkeloos is. Je geeft feedback, wijst op specifieke details en bouwt samen voort op het concept. Bij interactie met AI levert dezelfde werkwijze vrijwel altijd sneller en beter resultaat op dan het vooraf bedenken van een waterdichte instructie.

Hoe de iteratieve cyclus werkt

Het proces van iteratief prompten verloopt in een herhalende cirkel van vier vaste stappen:

  • Starten met de kern: Je vraagt het model om de hoofdtaak uit te voeren met een bondige instructie, zonder direct alle randvoorwaarden dicht te timmeren.
  • Analyseren: Je bekijkt de reactie kritisch. Wat ontbreekt er nog? Welke aannames heeft het model gemaakt die niet kloppen? Is de stijl te formeel of juist te losjes?
  • Bijsturen in dezelfde chat: Je geeft gerichte feedback. Dit kan een correctie zijn ("Laat de inleiding weg"), een toevoeging ("Neem ook ons retourbeleid mee") of een vormvereiste ("Zet de voordelen in een opsomming van drie punten").
  • Afronden: Zodra de inhoud klopt, vraag je eventueel nog om een laatste redactionele slag, zoals een specifiek aantal woorden of een pakkende kop.

Een praktijkvoorbeeld: een kaaswinkel in Gouda of Gent

Stel dat een speciaalzaak in ambachtelijke kazen een e-mail wil sturen naar vaste klanten over een nieuw proefpakket voor het weekend. Bij traditioneel prompten probeert de ondernemer direct een gigantische instructie te typen met alle details over smaakprofielen, verzendkosten, openingstijden en toon. Vaak raakt het model dan het overzicht kwijt en ontstaat een houterige tekst.

Met iteratief prompten pakt de kaasmaker het anders aan:

  1. Stap 1 (De basis): Schrijf een korte uitnodiging voor onze vaste klanten over een nieuw proefpakket met vijf lokale kazen voor het komende weekend.
  2. Stap 2 (Toon en doelgroep aanscherpen): Het model schrijft een nette, maar wat saaie tekst. De ondernemer reageert: Maak de toon bourgondischer en warmer. Leg de nadruk op gezellig borrelen met vrienden op zaterdagavond.
  3. Stap 3 (Praktische kaders toevoegen): De sfeer is nu goed, maar praktische details ontbreken nog. De reactie luidt: Voeg toe dat pakketten tot donderdagmiddag besteld kunnen worden via de website en zaterdagochtend klaarliggen in de winkel. Maak een duidelijke knoptekst voor de bestelling.

Binnen twee minuten staat er een uitnodiging die precies aansluit bij de sfeer van de winkel, zonder dat er vooraf een ingewikkelde formule nodig was.

Waarom één doorlopend gesprek cruciaal is

Een veelgemaakte fout is het openen van een compleet nieuw chatvenster zodra een antwoord tegenvalt. Veel gebruikers herschrijven hun beginprompt dan van voren af aan. Dit kost niet alleen onnodig veel tijd, maar gooit ook waardevolle context weg.

Taalmodellen onthouden wat er eerder in hetzelfde gesprek is gezegd. Wanneer je in hetzelfde venster reageert met "Dat is te formeel, schrijf het alsof je het uitlegt aan een scholier", weet het systeem precies welk concept herschreven moet worden. Het model leert als het ware van de fouten binnen die specifieke sessie. Pas wanneer je met een volstrekt ander onderwerp begint, is het slim om een schone lei te kiezen.

Valkuilen om te vermijden

Hoewel iteratief werken flexibel is, kan het ook inefficiënt worden als je zonder richting te werk gaat. Een bekende valkuil is het tegelijkertijd veranderen van te veel variabelen. Als je in één reactie vraagt om een andere schrijfstijl, een ander onderwerp én een andere opmaak, is het lastig te beoordelen welke instructie voor eventuele nieuwe fouten zorgt. Verander liever één of twee elementen per stap.

Daarnaast is het belangrijk om specifiek te blijven in je feedback. Een vage opmerking zoals "Dit bevalt me niet, probeer het opnieuw" leidt vaak tot een willekeurige herschrijving die het probleem niet oplost. Geef concreet aan welk deel niet klopt en waarom, zodat het model gericht naar het gewenste eindresultaat toe beweegt.

Veelgestelde vragen

Waarom begin ik niet gewoon elke keer een nieuwe chat?

In een lopend gesprek onthoudt het model eerdere antwoorden en jouw feedback. Als je een nieuwe chat opent, verliest het model die context en moet je alle randvoorwaarden weer opnieuw invoeren.

Hoeveel iteraties heb je gemiddeld nodig voor een goed resultaat?

Voor eenvoudige teksten of e-mails zijn twee tot drie stappen meestal ruim voldoende. Complexe taken, zoals een uitgebreid rapport of programmacode, vergen soms vier tot zes verfijningen.

Is iteratief prompten ook geschikt voor tabellen of data?

Ja, juist bij gestructureerde gegevens werkt het uitstekend. Je kunt eerst de ruwe data laten verzamelen en in volgende stappen kolommen laten toevoegen, sorteren of herformatteren naar wens.

Gerelateerde termen

← Alle termen in de AI-begrippenlijst

🛒 Sklep Kinetyka CapCut Pro 460 zł/rok Lovable Pro 450 zł/rok Replit Core 119 zł/rok Zobacz wszystko →
× ‹ powiększenie ›