11 regels voor betere prompts voor slimme AI Agents

Twee weken geleden werd ik bijna misselijk tijdens het schrijven van een artikel over producten scrapen van een e-commercewebsite.

Dit was de reden: ik probeerde producten te scrapen van de e-commercewebsite GymShark met een promptframework voor dataclassificatie en -bewerking dat ik voor de AI assistants van Datablist had gemaakt. Eerst leek het te werken, maar de data was niet goed gesorteerd. Daardoor was de volledige dataset onbruikbaar.

Toen besefte ik dat verschillende AI-systemen en use cases elk hun eigen prompts nodig hebben.

Bij prompting kunnen kleine details een enorm verschil maken. Als 5% van de details ontbreekt, kan je output al onbruikbaar zijn.

Laten we beginnen!

Heb je een AI agent prompt template nodig? Begin dan met de input, de bron die moet worden onderzocht, de exacte outputvelden en wat de agent moet doen als bewijs ontbreekt. Voor een lijst met bedrijfsonderzoek kun je deze korte prompt gebruiken:

Gebruik voor elke rij de waarde bij Company Website om de eigen website van het bedrijf te onderzoeken. Retourneer Industry, Evidence URL en Status. Gebruik Not found als je de sector niet kunt verifiëren; doe geen aannames op basis van de bedrijfsnaam. Koppel de output aan de oorspronkelijke rij, zodat ik onzekere resultaten kan controleren.

Zo geef je de agent zowel een bron als duidelijke afspraken over de output. Test de prompt eerst op enkele uiteenlopende rijen, controleer de evidence-URL's en pas daarna de instructies aan voordat je de volledige lijst verwerkt. De uitgebreide template hieronder laat zien hoe je dit patroon inzet voor onderzoek met meerdere stappen.

De belangrijkste inzichten uit dit artikel:

• De AI agents van Datablist kunnen zoeken via Google, websites bezoeken, API's aanroepen en meer
• Een goede prompt maakt een enorm verschil wanneer je een AI agent gebruikt
• AI agents prompten wordt eenvoudiger als je onze best practices volgt
• Datablist biedt prompt templates, maar zelf goed leren prompten blijft de beste aanpak

AI Agents en AI Assistants van Datablist vergeleken

Om het verschil tussen prompting voor AI agents en AI assistants te begrijpen, moeten we eerst duidelijk maken wat beide systemen kunnen.

Hieronder vind je twee korte en eenvoudige overzichten van hun mogelijkheden:

AI Assistant

De AI assistants van Datablist zijn ontwikkeld voor het lezen, classificeren, extraheren, bewerken en genereren van tekst en code.

AI Agent

De AI agents van Datablist zijn AI-systemen met tools waarmee ze onder meer Google-zoekopdrachten uitvoeren, HTML-code renderen, door meerdere pagina's navigeren, API's aanroepen en resultaten uit Google News, websites en webshops bezoeken en extraheren.

💡 Eenvoudig uitgelegd

Zie AI agents als het systeem dat met externe data werkt en de AI assistant als het systeem dat de data in je Datablist-collectie verwerkt.

Mogelijkheden van Datablist AI Agents

Om een effectieve prompt voor de AI agent te schrijven, is het handig om de beschikbare tools en mogelijkheden nog eens op een rij te zetten:

• Zoeken via Google
• Zoeken via Google News
• Tekst of code extraheren en genereren
• Accountgegevens ophalen
• Een website bezoeken
• Door meerdere websitepagina's bladeren
• HTML renderen
• API's aanroepen

11 regels voor betere prompts voor AI Agents

Zodra je weet welke tools beschikbaar zijn, kun je deze regels gebruiken om je prompt makkelijker uitvoerbaar en de resultaten beter controleerbaar te maken. Een duidelijke prompt vermindert dubbelzinnigheid, maar kan correcte antwoorden niet garanderen. Dit zijn de regels:

1. Behandel je prompt als een routekaart: begeleid de agent stap voor stap met je verzoek. Geef niet alleen een opdracht in de verwachting dat het vanzelf goed gaat.
2. Begin altijd met je doel en geef de nodige context.
3. Voorzie elk onderdeel van de prompt van een label, zodat de agent je tekst beter kan interpreteren en acties of opdrachten van elkaar kan onderscheiden.
4. Gebruik duidelijke opdrachten om de tools van de AI agent aan te roepen, zoals "zoek via Google", "extraheer tekst" en "haal de HTML-code op".
5. Geef de outputvelden een label en voeg concrete voorbeelden toe. Die vormen de basis voor je outputconfiguratie.
6. Vertel waar op de website de gewenste informatie staat als je specifieke data wilt scrapen.
7. Gebruik scheidingstekens tussen promptonderdelen (.===) om je prompt overzichtelijk te structureren.
8. Benoem welke fouten de agent moet vermijden.
9. Leg vast hoe de agent met fouten en ontbrekende data moet omgaan.
10. Verbeter je prompts iteratief en geef de AI agent niet de schuld van slechte output (dat deed ik vroeger ook).
11. Voeg de kolom waaruit de agent de data moet halen altijd aan het einde toe.

Als je deze richtlijnen en best practices voor het prompten van AI agents volgt, bespaar je credits én veel tijd die anders opgaat aan het steeds opnieuw aanpassen van prompts.

📘 Goede prompts maken het verschil

De AI agent werkt ook als je geen van de bovenstaande regels volgt. Pas je ze wel toe, dan worden je resultaten veel beter, want de structuur van je prompt maakt echt verschil.

Voorbeelden van AI Agent-prompts: goed versus slecht

AI Agent-prompt: goed voorbeeld

Bekijk eerst de goede prompt en daarna de slechte.

Dit is een prompt die ik onlangs schreef om producten van een e-commercewebsite te scrapen.

Laten we bekijken waarom dit een goede prompt is:

1. De prompt begint met een specifiek en duidelijk omschreven doel en de nodige context
2. De prompt bevat meerdere onderdelen met duidelijke labels, waardoor de AI ze makkelijk kan interpreteren
3. Ik gebruikte heldere opdrachten met actiegerichte werkwoorden
4. De opdrachten staan in een logische volgorde
5. Ik beschreef wat ik zocht en gaf voorbeelden
6. Ik legde uit hoe de agent met inconsistente data en fouten moest omgaan
7. De prompt benoemt specifieke fouten die de agent moet vermijden
8. De onderdelen zijn duidelijk gescheiden met .===
9. De prompt is goed gestructureerd en begeleidt de AI door mijn verzoek
10. Ik koppelde de kolom met de bijbehorende data aan het einde

AI Agent-prompt: slecht voorbeeld

Voor wie denkt dat ik gewoon een techneut ben die altijd goede prompts kan schrijven: ik kan om te beginnen niet programmeren, en zo zag mijn prompt er eerst uit:

Ja, sommige mensen zouden dit nog steeds een goede prompt noemen. Maar dat is hij niet, want de output was allesbehalve goed.

In dit voorbeeld ging er veel mis. De prompt oogt misschien geavanceerd, maar zowel de prompt als de resultaten zijn onbruikbaar. Dit deed ik fout, en zo kun jij die fouten vermijden:

Reden 1 voor een slechte prompt: matige structuur

De prompt mist een duidelijke opbouw en logische flow.

Zo voorkom je dit:

Verdeel je doel in concrete stappen, alsof je de taak aan iemand anders uitlegt. Bijvoorbeeld:

• Bezoek eerst de website.
• Zoek daarna het productgedeelte.
• Extraheer ten slotte de prijs.

Reden 2 voor een slechte prompt: onduidelijke labels

De labels en onderdelen zijn niet specifiek genoeg.

Zo voorkom je dit:

Gebruik duidelijke, alledaagse taal voor de labels van je onderdelen. Schrijf in plaats van "Data Parameters" bijvoorbeeld "Te extraheren productinformatie". Vervang "Input" door "Te verwerken website-URL's".

Reden 3 voor een slechte prompt: ongestructureerde output zonder voorbeelden

De datastructuur en voorbeelden van de verwachte output zijn niet duidelijk vastgelegd.

Zo voorkom je dit:

Vermeld altijd zowel de datastructuur, met een genummerde lijst, als twee of drie concrete voorbeelden van de gewenste output.

Voorbeeld:

1. Productnaam: Nike Air Max; Adidas Ultraboost; Puma RS-X;
2. Prijs: $120; $180; $110;
3. Kleur: Zwart; Cloud White; High Risk Red;
4. Maat: US 9; US 10.5; US 8;
5. Materiaal: Mesh en synthetisch; Primeknit; Leer en mesh;

Reden 4 voor een slechte prompt: geen duidelijke volgorde

De acties staan niet in een logische volgorde.

Zo voorkom je dit:

Schrijf je stappen alsof je een vriend de weg uitlegt: "Doe eerst dit en daarna dat".

Voorbeeld:

1. Open de website;
2. Zoek het productgedeelte;
3. Extraheer de data

De 3 grootste fouten bij het gebruik van AI Agents

Sinds ik bij Datablist.com werk, heb ik veel gesprekken gevoerd met klanten die de AI agent wilden gebruiken. Tijdens die gesprekken viel me een terugkerend patroon op: mensen maken vaak dezelfde fouten. Zorg dus dat jij ze niet maakt.

• Geen prompt willen schrijven: Sommige mensen denken dat AI vanzelf begrijpt wat zij denken, zonder dat ze het systeem hoeven te vertellen wat ze bedoelen. Ze willen tijd besparen, maar vinden het gek om eerst tijd te investeren om later tijd te winnen – wees niet zoals zij.

• Te vage instructies geven: Schrijf niet alleen "haal productinformatie op", maar benoem precies welke datapunten je nodig hebt, bijvoorbeeld: "extraheer de productnaam, de prijs in euro's en de beschikbare maten uit het gedeelte met productdetails".

• Foutafhandeling vergeten: Je prompt moet uitleggen wat er moet gebeuren bij ontbrekende data of onverwachte situaties, bijvoorbeeld: "als de prijs niet beschikbaar is, vul dan 'N/A' in".

Hoeveel tijd moet je besteden aan prompt writing?

Denk na over de waarde die deze workflow oplevert en hoeveel tijd je ermee bespaart.

Zelf besteed ik veel tijd aan het schrijven van prompts voor mijn eigen werk en om onze gebruikers te helpen.

Als ik Grok gebruik, besteed ik geen dertig minuten aan één prompt. Ik stel gewoon mijn eerste vraag en verbeter die vervolgens, omdat ik Grok meestal niets heel ingewikkelds vraag. Maar als ik een prompt schrijf voor e-mailpersonalisatie of data cleaning, neem ik er wel de tijd voor. Dat bespaart me later tijd bij het opsporen van problemen, het aanpassen van de prompt en het opnieuw uitvoeren ervan.

Harrison Chase, oprichter van LangChain: "Volgens mij hebben we de juiste manier om met deze agent-applicaties te werken nog niet helemaal gevonden. Een human in the loop blijft naar mijn idee nodig, omdat ze nog niet erg betrouwbaar zijn. Maar als een mens te vaak moet ingrijpen, doet de agent uiteindelijk niet zo veel nuttigs. Er is dus een merkwaardig evenwicht nodig."

Mijn AI Agent prompt template met voorbeelden

Kopieer deze template en vervang elke placeholder door je eigen input, bron en outputvelden. Voeg een evidence-URL toe als het antwoord van een website afkomstig is. Voer de prompt eerst uit op enkele rijen en controleer zowel gevonden als ontbrekende resultaten voordat je hem op grotere schaal gebruikt.

Zo ziet mijn framework eruit voor het scrapen van een e-commercewebsite:

Zo ziet mijn framework eruit voor mediaonderzoek:

Test je prompt voordat je de volledige lijst verwerkt

Ook een goed gestructureerde prompt moet je eerst met een steekproef controleren. Houd de oorspronkelijke input naast de outputvelden, zodat je kunt verifiëren dat elk resultaat bij de juiste rij hoort. Open bij websiteonderzoek de geretourneerde evidence-pagina en controleer de specifieke waarde die ermee wordt onderbouwd.

Kies enkele uiteenlopende rijen en gebruik deze acceptatiecriteria:

Als een controle mislukt, pas je de betreffende instructie aan en voer je dezelfde steekproef opnieuw uit. Zo kun je het effect van de wijziging makkelijker beoordelen. Neem tijdens het testen ook rijen met ontbrekende data mee en accepteer de status voor ontbrekende data wanneer geen enkele bron een waarde onderbouwt.

In de templates staan rijspecifieke inputs onder expliciete #-labels aan het einde. Vervang die inputs door je gekoppelde waarden. Alleen een kolomnaam meegeven betekent niet dat de agent automatisch de waarde uit de betreffende rij ontvangt. Laat bij het aanpassen van de template de vaste taakinstructies boven dit inputblok staan.

Veelgestelde vragen over het schrijven van AI-prompts

1. Moet ik echt tijd besteden aan prompts schrijven?

Hoewel het tijdrovend kan lijken, is investeren in duidelijke prompts essentieel voor nauwkeurige resultaten. Vage instructies leveren vage output op, waardoor je op de lange termijn juist meer tijd kwijt bent aan aanpassingen en correcties.

2. Wat maakt een prompt goed of slecht?

Een goede prompt heeft een heldere structuur, specifieke instructies, voorbeelden van de gewenste output en richtlijnen voor foutafhandeling. Slechte prompts zijn vaag en ongestructureerd, bevatten geen voorbeelden en houden geen rekening met mogelijke fouten of inconsistenties.

3. Is er een eenvoudige template voor het schrijven van prompts?

Ja. Dit artikel bevat een template met vijf hoofdonderdelen: Doel, Taakinstructies, Te extraheren informatie, Regels voor dataverwerking en Te vermijden fouten. Scheid elk onderdeel duidelijk met ===.

4. Hoe gedetailleerd moeten de voorbeelden in mijn prompt zijn?

Voorbeelden moeten specifiek zijn en verschillende situaties behandelen die je kunt tegenkomen. Als je bijvoorbeeld productinformatie extraheert, voeg je voorbeelden toe van de verschillende notaties, valuta's en maateenheden die je verwacht.

5. Welk onderdeel van een prompt mag ik nooit overslaan?

Foutafhandeling en het onderdeel "Te vermijden fouten" zijn essentieel. Ze voorkomen veelvoorkomende problemen en zorgen voor consistente output, ook bij onverwachte data of situaties.