Ik begon vorig jaar met het verkeerde idee over prompts. Ik dacht dat het een soort toverspreuk was. De juiste woorden in de juiste volgorde, en het model deed wat je wilde. Dus ik bleef sleutelen aan zinnen, alsof er één perfecte formulering bestond die ik nog niet had gevonden.
Dat klopt niet. En een korte video van Anthropic zette me op een ander spoor: de prompting playbook. De kern is bijna te simpel om op te schrijven. Je schrijft de prompt niet zelf. Je vraagt Claude om hem te schrijven.
Hoe het werkt
Stel, je bouwt een tool die wijnnotities omzet naar korte social posts. De oude aanpak: zelf een instructie typen, testen, teleurgesteld raken, woorden verschuiven, opnieuw. Uren werk aan iets wat blijft rammelen.
De playbook draait dat om. Je beschrijft aan Claude wat de tool moet doen, voor wie, met welke input en welke output. En dan vraag je: schrijf hier een complete prompt voor. Niet één regel. Een gestructureerd blok dat de toon vastlegt, de vorm van de output, de randgevallen.
Wat je terugkrijgt is beter dan wat ik zelf zou typen. Niet omdat het model slimmer is dan ik over mijn eigen werk, maar omdat het beter is in structuur. Het vergeet de saaie dingen niet. Het denkt aan de lege input, het te lange antwoord, het verkeerde formaat.
Daarna test je. Je gooit echte voorbeelden erdoorheen, je ziet waar het misgaat, en je geeft die fouten terug aan Claude met de vraag de prompt aan te passen. Zo bouw je de prompt op zoals je software opbouwt: in rondes, op basis van wat er stukgaat.
Een prompt is geen tekst, het is een afspraak
De grootste verschuiving zit niet in de techniek. Het zit in hoe je naar een prompt kijkt. Niet als een berichtje dat je verstuurt, maar als een onderdeel van je systeem. Een levend document dat meegroeit met wat je bouwt.
Dat herken ik van het bouwen aan deze site. De instructies waarmee ik werk zijn geen losse vondsten meer. Ze staan vast, ze worden bijgehouden, ze veranderen als het werk verandert. Een prompt is daarmee meer een afspraak dan een tekst. Dit doet de tool wel, dit niet, zo ziet de uitkomst eruit.
Waar het misgaat
Twee dingen wil ik er eerlijk bij zeggen, want de video verkoopt het iets te glad.
Het eerste: een prompt die Claude voor je schrijft, leest verbluffend zelfverzekerd. Alles staat er netjes, in volle zinnen, met de juiste termen. Dat voelt als kwaliteit. Maar zelfverzekerde tekst is geen werkende tekst. Ik ben er een paar keer ingetrapt: een prompt overgenomen omdat hij goed klónk, en pas bij het echte testen ontdekt dat hij de helft van mijn randgevallen niet dekte. De gladheid is een valkuil, geen garantie.
Het tweede: prompts verslijten. Je bouwt iets, het werkt, je laat het staan. Drie maanden later is je tool veranderd, je data anders, je publiek verschoven, en de prompt nog precies hetzelfde. Niemand merkt het, want hij faalt niet luid. Hij wordt alleen langzaam minder goed. Dat lijkt op het patroon dat ik bij vastgelopen AI-trajecten zie: het probleem is niet de mislukking die je ziet, maar het stille verval dat niemand bijhoudt.
Daar zit ook de grens van de playbook. Claude kan de prompt schrijven. Claude kan hem verbeteren als jij de fouten aanwijst. Maar bepalen wat goed genoeg is, en blijven kijken of het dat nog steeds is, dat blijft mensenwerk. Het model neemt het typen over. Het oordeel niet.
Wat ik ervan overhoud
Ik schrijf mijn prompts niet meer met de hand. Ik beschrijf het probleem, laat Claude de eerste versie maken, en ga vandaaruit verder. Dat scheelt tijd, en het levert betere structuur op dan ik zelf zou bedenken.
Maar ik behandel die prompt nu als wat hij is: een stuk van het systeem dat onderhoud nodig heeft. Niet een spreuk die je één keer goed uitspreekt, maar een afspraak die je blijft bijstellen. Dat is langzamer dan een toverwoord. Het is ook het enige wat blijft werken.