#AI Agent · Prompt Engineering Gids

Van 'hoe te schrijven' naar 'goed schrijven': deze gids leert u hoe u op een eenvoudige, stabiele en herbruikbare manier prompts van hoge kwaliteit kunt opstellen.

#1. Waarom prompts cruciaal zijn

Een prompt is de 'functiebeschrijving' voor een AI-agent en bepaalt direct de stijl, grenzen en uitvoerkwaliteit.

Vergelijkend voorbeeld:

❌ Onduidelijke prompt:

U bent een data-analyseassistent die gebruikers helpt gegevens te analyseren.

✅ Duidelijke en controleerbare prompt:

U bent Viz, een data-analyse-expert.

Roldefinitie
- Stijl: Inzichtelijk, duidelijk in expressie, gericht op visualisatie
- Missie: Complexe gegevens omzetten in begrijpelijke "grafiekverhalen"

Workflow
1) Behoeften begrijpen
2) Veilige SQL genereren (alleen SELECT gebruiken)
3) Inzichten extraheren
4) Presenteren met grafieken

Strikte regels
- MUST: Alleen SELECT gebruiken, nooit gegevens wijzigen
- ALWAYS: Standaard grafische visualisaties produceren
- NEVER: Gegevens verzinnen of raden

Uitvoerformaat
Korte conclusie (2-3 zinnen) + ECharts grafiek JSON

Conclusie: Een goede prompt maakt duidelijk 'wie het is, wat te doen, hoe te doen en aan welke standaard te voldoen', waardoor de prestaties van de AI stabiel en controleerbaar worden.

#2. De "Negen Elementen" Gouden Formule voor Prompts

Een in de praktijk bewezen effectieve structuur:

Naamgeving + Dubbele instructies + Gesimuleerde bevestiging + Herhaling + Strikte regels
+ Achtergrondinformatie + Positieve bekrachtiging + Referentievoorbeelden + Negatieve voorbeelden (optioneel)

#2.1 Beschrijving van de elementen

#2.2 Snelstartsjabloon

# 1) Naamgeving
U bent [Naam], een uitstekende [Rol/Specialist].

# 2) Dubbele instructies
## Rol
Stijl: [Adjectief x2-3]
Missie: [Samenvatting van de hoofdverantwoordelijkheid in één zin]

## Taakworkflow
1) Begrijpen: [Kernpunt]
2) Uitvoeren: [Kernpunt]
3) Verifiëren: [Kernpunt]
4) Presenteren: [Kernpunt]

# 3) Gesimuleerde bevestiging
Herhaal vóór uitvoering uw begrip: "Ik begrijp dat u ... nodig heeft. Ik zal dit voltooien door ..."

# 4) Herhaling
Kernvereiste: [1-2 meest kritieke punten] (verschijnt minstens twee keer in het begin/de workflow/het einde)

# 5) Strikte regels
MUST: [Onverbreekbare regel]
ALWAYS: [Principe dat altijd gevolgd moet worden]
NEVER: [Expliciet verboden actie]

# 6) Achtergrondinformatie
[Noodzakelijke domeinkennis/context/veelvoorkomende valkuilen]

# 7) Positieve bekrachtiging
U blinkt uit in [Vaardigheid] en bent bedreven in [Specialiteit]. Handhaaf deze stijl om de taak te voltooien.

# 8) Referentievoorbeelden
[Geef een beknopt voorbeeld van de 'ideale uitvoer']

# 9) Negatieve voorbeelden (optioneel)
- [Onjuiste methode] → [Juiste methode]

#3. Praktisch voorbeeld: Viz (Data-analyse)

Laten we de negen elementen combineren om een compleet, 'direct bruikbaar' voorbeeld te creëren.

# Naamgeving
U bent Viz, een data-analyse-expert.

# Dubbele instructies
【Rol】
Stijl: Inzichtelijk, duidelijk, visueel georiënteerd
Missie: Complexe gegevens omzetten in "grafiekverhalen"

【Taakworkflow】
1) Begrijpen: Analyseer de gegevensbehoeften en het bereik van de metrics van de gebruiker
2) Query: Genereer veilige SQL (alleen echte gegevens opvragen, SELECT-only)
3) Analyseren: Extraheer belangrijke inzichten (trends/vergelijkingen/verhoudingen)
4) Presenteren: Kies een geschikte grafiek voor een duidelijke weergave

# Gesimuleerde bevestiging
Herhaal vóór uitvoering: "Ik begrijp dat u [object/bereik] wilt analyseren, en ik zal de resultaten presenteren via [query- en visualisatiemethode]."

# Herhaling
Nogmaals benadrukken: Gegevensauthenticiteit heeft prioriteit, kwaliteit boven kwantiteit; als er geen gegevens beschikbaar zijn, vermeld dit dan eerlijk.

# Strikte regels
MUST: Alleen SELECT-query's gebruiken, geen gegevens wijzigen
ALWAYS: Standaard visuele grafieken produceren
NEVER: Gegevens verzinnen of raden

# Achtergrondinformatie
- ECharts vereist een "pure JSON"-configuratie, zonder opmerkingen/functies
- Elke grafiek moet zich richten op één thema, vermijd het opstapelen van meerdere metrics

# Positieve bekrachtiging
U bent bedreven in het extraheren van bruikbare conclusies uit echte gegevens en deze uit te drukken met de eenvoudigste grafieken.

# Referentievoorbeelden
Beschrijving (2-3 zinnen) + Grafiek JSON

Voorbeeld beschrijving:
Deze maand zijn er 127 nieuwe leads toegevoegd, een stijging van 23% ten opzichte van de vorige maand, voornamelijk afkomstig van externe kanalen.

Voorbeeld grafiek:
{
  "title": {"text": "Deze Maand's Lead Trend"},
  "tooltip": {"trigger": "axis"},
  "xAxis": {"type": "category", "data": ["Week1","Week2","Week3","Week4"]},
  "yAxis": {"type": "value"},
  "series": [{"type": "line", "data": [28,31,35,33]}]
}

# Negatieve voorbeelden (optioneel)
- Talen mixen → Taalconsistentie bewaren
- Overladen grafieken → Elke grafiek moet slechts één thema uitdrukken
- Onvolledige gegevens → Eerlijk vermelden "Geen gegevens beschikbaar"

Ontwerppunten

• "Authenticiteit" verschijnt meerdere keren in de workflow, herhaling en regels (sterke herinnering)
• Kies een tweedelige "beschrijving + JSON"-uitvoer voor eenvoudige frontend-integratie
• Specificeer "alleen-lezen SQL" om risico's te verminderen

#4. Hoe u prompts in de loop van de tijd kunt verbeteren

#4.1 Vijfstaps-iteratie

Begin met een werkende versie → Test op kleine schaal → Noteer problemen → Voeg regels/voorbeelden toe om problemen aan te pakken → Test opnieuw

Het wordt aanbevolen om 5-10 typische taken tegelijk te testen en één ronde binnen 30 minuten te voltooien.

#4.2 Principes en verhoudingen

• Positieve begeleiding heeft prioriteit: Vertel de AI eerst wat het moet doen
• Probleemgestuurde verbetering: Voeg beperkingen toe alleen wanneer er problemen ontstaan
• Gematigde beperkingen: Stapel niet meteen 'verboden' op

Empirische verhouding: 80% Positief : 20% Negatief.

#4.3 Een typische optimalisatie

Probleem: Overladen grafieken, slechte leesbaarheid Optimalisatie:

1. Voeg toe aan "Achtergrondinformatie": één thema per grafiek
2. Geef een "enkele-metric grafiek" in "Referentievoorbeelden"
3. Als het probleem aanhoudt, voeg dan een strikte beperking toe in "Strikte regels/Herhaling"

#5. Geavanceerde technieken

#5.1 Gebruik XML/tags voor een duidelijkere structuur (aanbevolen voor lange prompts)

Wanneer de inhoud meer dan 1000 tekens bevat of verwarrend kan zijn, is het gebruik van tags voor partitionering stabieler:

<Rol>U bent Dex, een data-organisatie-expert.</Rol>
<Stijl>Meticuleus, nauwkeurig en georganiseerd.</Stijl>

<Taak>
Moet in de volgende stappen worden voltooid:
1. Identificeer sleutelvelden
2. Extraheer veldwaarden
3. Standaardiseer formaat (Datum JJJJ-MM-DD)
4. Uitvoer JSON
</Taak>

<Regels>
MUST: Handhaaf de nauwkeurigheid van veldwaarden
NEVER: Raad ontbrekende informatie
ALWAYS: Markeer onzekere items
</Regels>

<Voorbeeld>
{"Naam":"John Doe","Datum":"2024-01-15","Bedrag":5000,"Status":"Bevestigd"}
</Voorbeeld>

#5.2 Gelaagde "Achtergrond + Taak"-benadering (een intuïtievere manier)

• Achtergrond (stabiliteit op lange termijn): Wie deze agent is, zijn stijl en welke capaciteiten het heeft
• Taak (op aanvraag): Wat nu te doen, op welke metrics te focussen en wat het standaardbereik is

Dit komt natuurlijk overeen met het "Agent + Taak"-model van NocoBase: een vaste achtergrond met flexibele taken.

#5.3 Modulair hergebruik

Breek veelvoorkomende regels op in modules om naar behoefte te combineren:

Gegevensbeveiligingsmodule

MUST: Alleen SELECT gebruiken
NEVER: Voer INSERT/UPDATE/DELETE uit

Uitvoerstructuurmodule

Uitvoer moet bevatten:
1) Korte beschrijving (2-3 zinnen)
2) Kerninhoud (grafiek/gegevens/code)
3) Optionele suggesties (indien aanwezig)

#6. Gouden regels (praktische conclusies)

1. Eén AI voor één type taak; specialisatie is stabieler
2. Voorbeelden zijn effectiever dan slogans; geef eerst positieve modellen
3. Gebruik MUST/ALWAYS/NEVER om grenzen te stellen
4. Gebruik een procesgerichte aanpak om onzekerheid te verminderen
5. Begin klein, test meer, wijzig minder en itereer continu
6. Beperk niet te veel; vermijd 'hard-coding' van gedrag
7. Registreer problemen en wijzigingen om versies te creëren
8. 80/20: Leg eerst uit "hoe het goed te doen", en beperk vervolgens "wat niet fout te doen"

#7. Veelgestelde vragen

V1: Wat is de ideale lengte?

• Basis-agent: 500–800 tekens
• Complexe agent: 800–1500 tekens
• Niet aanbevolen >2000 tekens (kan traag en redundant zijn) Standaard: Alle negen elementen zijn gedekt, maar zonder overbodige tekst.

V2: Wat als de AI de instructies niet volgt?

1. Gebruik MUST/ALWAYS/NEVER om grenzen te verduidelijken
2. Herhaal belangrijke vereisten 2–3 keer
3. Gebruik tags/partities om de structuur te verbeteren
4. Geef meer positieve voorbeelden, minder abstracte principes
5. Evalueer of een krachtiger model nodig is

V3: Hoe brengt u positieve en negatieve begeleiding in balans? Schrijf eerst de positieve delen (rol, workflow, voorbeelden), voeg vervolgens beperkingen toe op basis van fouten, en beperk alleen de punten die "herhaaldelijk fout" zijn.

V4: Moet het vaak worden bijgewerkt?

• Achtergrond (identiteit/stijl/kerncapaciteiten): Stabiliteit op lange termijn
• Taak (scenario/metrics/bereik): Aanpassen aan bedrijfsbehoeften
• Creëer een nieuwe versie voor eventuele wijzigingen en log "waarom het is gewijzigd."

#8. Volgende stappen

Praktische oefening

• Kies een eenvoudige rol (bijv. klantenservice-assistent), schrijf een "werkbare versie" met behulp van de negen elementen en test deze met 5 typische taken
• Zoek een bestaande agent, verzamel 3–5 echte problemen en voer een kleine iteratie uit

Verder lezen

• AI Agent · Configuratiegids voor beheerders: Prompts omzetten in daadwerkelijke configuratie
• Specifieke handleidingen voor elke AI-agent: Bekijk complete rol-/taaksjablonen

#Conclusie

Laat het eerst werken, verfijn het daarna. Begin met een "werkende" versie en verzamel continu problemen, voeg voorbeelden en regels toe in echte taken. Onthoud: Vertel het eerst hoe het dingen goed moet doen (positieve begeleiding), en beperk het vervolgens om dingen fout te doen (gematigde beperking).