Prompting volgens Anthropic: het interne stappenmodel voor consistente AI-output

Anthropic, het AI-bedrijf achter het taalmodel Claude, heeft recent inzicht gegeven in de manier waarop het eigen team prompts structureert. In een presentatie werd een intern promptframework gedeeld dat is bedoeld om taalmodellen zo voorspelbaar en consistent mogelijk te laten werken. Het gaat niet om losse tips, maar om een vast stappenmodel dat wordt gebruikt bij uiteenlopende taken, van analyse tot tekstproductie.

Het framework is ontworpen om zowel eenvoudige als complexe opdrachten te ondersteunen. Door systematisch context, instructies en outputvereisten te specificeren, wordt de kans op onduidelijke of inconsistente antwoorden verkleind.

Het tien-stappenmodel van Anthropic

Het door Anthropic gebruikte model bestaat uit tien afzonderlijke onderdelen. Deze onderdelen kunnen afzonderlijk of in combinatie worden gebruikt, afhankelijk van de complexiteit van de taak.

Stap 1 – Rol en taakomschrijving

De prompt begint met een expliciete roltoewijzing aan het model, gecombineerd met een korte taakomschrijving. Bijvoorbeeld: het model wordt aangesproken als adviseur, redacteur of analist, met een afgebakende opdracht.

Stap 2 – Toon en stijl

Vervolgens wordt vastgelegd in welke toon het antwoord moet worden geformuleerd, zoals formeel, toegankelijk, beknopt of analytisch.

Stap 3 – Achtergrondinformatie

In deze stap wordt context toegevoegd die relevant is voor de opdracht. Dat kan informatie zijn over de organisatie, de doelgroep, eerdere documenten of randvoorwaarden.

Stap 4 – Uitgeschreven instructies

Complexe opdrachten worden opgesplitst in concrete deelstappen. Dit voorkomt dat het model zelf moet interpreteren hoe een taak is opgebouwd.

Stap 5 – Voorbeelden

Indien beschikbaar wordt een voorbeeld toegevoegd van het gewenste type output. Dit helpt het model om beter te begrijpen wat er wordt verwacht.

Stap 6 – Relevante gespreksgeschiedenis

Bij vervolgopdrachten of langere trajecten kan eerdere interactie worden samengevat en toegevoegd, zodat het model de context behoudt.

Stap 7 – Concrete opdracht

Hier wordt expliciet geformuleerd wat het model op dit moment moet doen. Dit is het operationele hart van de prompt.

Stap 8 – Denkstappen specificeren

De prompt kan het model instrueren om eerst bepaalde overwegingen te maken voordat het antwoord wordt geformuleerd, bijvoorbeeld door expliciet te vragen om stapsgewijze analyse.

Stap 9 – Outputformaat

In deze stap wordt vastgelegd in welk formaat het antwoord moet worden gegeven, zoals een tabel, opsomming, vaste structuur of maximale lengte.

Stap 10 – Beginzin of startpunt

Optioneel kan het antwoord worden “voorgeprogrammeerd” door een beginzin of openingsstructuur mee te geven.

Drie functionele lagen

Anthropic ordent deze tien stappen in drie functionele lagen.

Laag 1: context en afbakening (stappen 1–3)
Deze laag bepaalt wie het model is, hoe het moet communiceren en welke achtergrondinformatie relevant is.

Laag 2: taakstructuur (stappen 4–5)
Hier wordt vastgelegd hoe de taak moet worden uitgevoerd en welk resultaat wordt verwacht.

Laag 3: uitvoering en controle (stappen 6–10)
Deze laag stuurt de concrete uitvoering, inclusief consistentie, redenering en presentatievorm.

Beperking van onjuiste of verzonnen output

In het framework wordt expliciet aandacht besteed aan het verminderen van zogenoemde hallucinaties. Dit gebeurt onder meer door instructies op te nemen zoals:

• het expliciet aangeven wanneer informatie ontbreekt;

• het beperken van antwoorden tot bekende of verifieerbare gegevens;

• het baseren van conclusies op aangeleverde documenten of citaten.

Deze instructies maken onderdeel uit van de prompt zelf en worden niet aan het model overgelaten.

Voorbeeldtoepassingen

Het stappenmodel kan worden toegepast op uiteenlopende werksituaties.

Zakelijke correspondentie
Een prompt kan worden opgebouwd voor het opstellen van een zakelijke e-mail, waarbij toon, context, maximale lengte en inhoudelijke aandachtspunten vooraf zijn vastgelegd.

Presentatievoorbereiding
Voor managementpresentaties kan het model worden gevraagd een gestructureerde outline te maken, met expliciete aandacht voor kernboodschappen en visuele ondersteuning.

Vergelijkend onderzoek
Bij de selectie van tools of producten kan het model worden geïnstrueerd om meerdere opties te vergelijken op vooraf vastgestelde criteria, inclusief het expliciet benoemen van onzekerheden.

Functionele uitgangspunten

Het onderliggende uitgangspunt van het Anthropic-model is dat taalmodellen geen kennis hebben van de context van de gebruiker, tenzij die context expliciet wordt aangeleverd. Het stappenmodel dwingt de gebruiker om die context systematisch te structureren.

Daarnaast laat het framework zien dat expliciete instructies over onzekerheid en brongebruik onderdeel kunnen zijn van de prompt zelf, en niet alleen van interne modelbeperkingen.

Tot slot

Het door Anthropic gedeelde promptframework laat zien hoe gestructureerde instructies bijdragen aan voorspelbare en reproduceerbare AI-output. Het model is niet beperkt tot Claude, maar kan worden toegepast bij andere generatieve AI-systemen die met natuurlijke taal werken. De kern ligt in het expliciet maken van rol, context, taak en outputvereisten binnen één samenhangende promptstructuur.