Przejdź do treści
promptowy.com / AI-begrippenlijst / Prompt chaining (prompts aaneenschakelen)
Prompts

Prompt chaining (prompts aaneenschakelen)

Prompt chaining is een AI-techniek waarbij je een complexe taak opknipt in opeenvolgende stappen: de uitvoer van de ene prompt dient als invoer voor de volgende.

Prompt chaining is een methode waarbij je een grote, complexe opdracht voor een taalmodel opdeelt in een reeks kleinere, overzichtelijke prompts. In plaats van alles in één gigantische instructie te proppen, fungeert het antwoord van de eerste stap als het startpunt of basismateriaal voor de tweede stap. Zo ontstaat een keten van opeenvolgende acties die samen tot een hoogwaardig eindresultaat leiden.

Het idee achter deze techniek berust op focus. Grote taalmodellen presteren doorgaans aanzienlijk beter wanneer ze zich op één specifieke deeltaak tegelijk richten, zoals analyseren, categoriseren, herschrijven of controleren. Door prompts logisch aan elkaar te schakelen, behoud je als gebruiker de regie over het denkproces en voorkom je dat het model halverwege cruciale details vergeet of begint te hallucineren.

Hoe werkt het in de praktijk?

Bij een promptketen bouw je een workflow die stap voor stap van ruwe data naar een definitief product toewerkt. Dit proces kan handmatig plaatsvinden in een chatscherm, maar vormt ook de ruggengraat van geautomatiseerde AI-koppelingen in moderne bedrijfsprocessen.

De opbouw van een typische keten volgt vrijwel altijd een vaste logica:

  1. De filterstap: Je voert ruwe data in (zoals een lange tekst, interviews of notities) en vraagt het model om alleen de kernfeiten of relevante data te destilleren.
  2. De transformatiestap: De gefilterde informatie uit de vorige stap wordt omgezet in een specifieke structuur, bijvoorbeeld een tabel, een logisch stappenplan of een opsomming van knelpunten.
  3. De creatieve of redactionele stap: Het model gebruikt de gestructureerde gegevens om het gewenste eindproduct te schrijven, zoals een rapport, een presentatie of een klantbericht.
  4. De controle- of evaluatiestap: Een laatste prompt toetst het eindresultaat aan vooraf opgestelde criteria en schaaft de toon of stijl bij.

Een herkenbaar voorbeeld: het cateringbedrijf in Mechelen

Stel je voor dat een evenementenbureau in Mechelen of een traiteur in Utrecht een aanvraag ontvangt van een klant voor een jubileumfeest. De klant heeft een chaotische e-mail gestuurd vol wensen, dieetvoorkeuren, data en budgetopmerkingen.

In plaats van het model te vragen: "Lees deze e-mail en schrijf direct een perfecte offerte en menuvoorstel", pakt de ondernemer het aan via prompt chaining:

In de eerste prompt vraagt de ondernemer om alle harde randvoorwaarden uit de e-mail te vissen: aantal gasten, datum, allergieën en maximaal budget per persoon. Het resultaat is een compact lijstje met feiten. In de tweede prompt stuurt de ondernemer die lijst terug met het commando: "Genereer op basis van deze dieetwensen en het budget drie geschikte driegangenmenu's." Pas in de derde stap volgt de instructie: "Gebruik het geselecteerde menu en de klantgegevens om een professionele, gastvrije offertebrief op te stellen in vlot Nederlands." Het resultaat is veel nauwkeuriger dan wanneer alles in één prompt was gegooid.

Waarom ketens beter werken dan megasprompts

Wanneer je een model overlaadt met instructies (een zogeheten megasprompt), ontstaat er cognitieve spreiding. Het model moet tegelijk nadenken over de feiten, de logica, de opmaak, de toon en de uitsluitingen. Hierdoor zakt de kwaliteit op een of meerdere vlakken in.

Prompt chaining lost dit op door modulariteit. Gaat er in stap twee iets mis, dan corrigeer je alleen die tussenstap voordat je doorgaat naar stap drie. Bij een megasprompt moet je daarentegen de hele opdracht opnieuw laten genereren, met het risico dat een ander onderdeel weer mislukt. Bovendien maakt chaining het mogelijk om tussen twee AI-stappen handmatig een menselijke controle in te bouwen.

Veelgemaakte fouten bij prompt chaining

Een veelvoorkomende valkuil is het ongecontroleerd laten doorlopen van aaneengeschakelde prompts. Als stap één een fout of verzinsel bevat en je stuurt die data blind door naar stap twee, dan vergroot het model die fout in de volgende stappen alleen maar uit. Dit heet foutpropagatie.

Daarnaast maken beginners de ketens soms nodeloos lang. Eenvoudige taken, zoals het inkorten van een alinea en het aanpassen van de toon naar informeel, kunnen prima in één enkele prompt. Gebruik prompt chaining vooral voor taken die verschillende denkstappen vereisen, zoals onderzoek, synthese, creatie en verificatie.

Veelgestelde vragen

Wat is het verschil tussen prompt chaining en Chain of Thought?

Chain of Thought is een techniek waarbij je het taalmodel vraagt om zijn tussenstappen in één prompt hardop uit te leggen. Prompt chaining splitst de taak daadwerkelijk fysiek op in losse prompts, waarbij de uitvoer van de ene prompt de invoer voor de volgende wordt.

Heb ik programmeerkennis nodig om prompt chaining te gebruiken?

Nee, je kunt het handmatig toepassen door in een reguliere AI-chat het antwoord op je eerste vraag te gebruiken als basis voor je volgende vraag. Wil je hele werkstromen automatiseren, dan kun je visuele no-code automatiseringsplatformen gebruiken.

Wanneer kies ik voor een losse prompt en wanneer voor chaining?

Kies voor een losse prompt bij enkelvoudige taken zoals het vertalen van een alinea of het bedenken van titels. Kies voor prompt chaining zodra een taak uit meerdere fasen bestaat, zoals eerst analyseren, daarna filteren en pas daarna iets nieuws schrijven.

← 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 ›