U vraagt AI om een e-mail voor een productlancering op te stellen of concurrenten te analyseren, maar het resultaat klinkt saai en algemeen. Dus u herformuleert, voegt meer context toe en probeert het opnieuw. Nog steeds niet goed. 😕
AI is namelijk maar zo goed als de prompt.
Het verschil tussen een algemeen antwoord en een echte denkpartner komt neer op hoe u uw vraag stelt.
Deze gids leidt u door praktische AI-prompttechnieken en laat zien hoe teams op het gebied van content, product en operations deze kunnen gebruiken om scherpere, meer genuanceerde reacties te krijgen.
📌 Wist u dat? Volgens een wereldwijd onderzoek van McKinsey gaf 65% van de bedrijven aan generatieve AI in ten minste één functie te gebruiken.
Wat is prompt engineering?
Prompt engineering is het geven van duidelijke, specifieke instructies om de gewenste output te krijgen van Artificial Intelligence (AI)-tools, met name grote taalmodellen (LLM's) zoals GPT.
Deze modellen zijn afhankelijk van natuurlijke taalverwerking om uw instructies te interpreteren, wat betekent dat de duidelijkheid van uw woorden rechtstreeks de kwaliteit van hun AI-reacties vormt.
Het is net als iemand die nog nooit in uw stad is geweest de weg wijzen. U kunt zeggen: 'Ga naar het noorden en u vindt het', en hopen dat ze er komen. Of u kunt ze de straatnaam, herkenningspunten en het exacte huisnummer geven waar ze naar moeten zoeken.
Op het gebied van prompt engineering betekent dit:
- Geef voldoende details zonder het model te overbelasten.
- Breek complexe taken en verzoeken op in kleinere, meer specifieke taken om effectief te communiceren.
- Anticipeer op de reacties van het model, inclusief wat het verkeerd zou kunnen interpreteren of over het hoofd zou kunnen zien.
📊 Statistiek: De Stanford AI Index heeft het volgende vastgesteld:
- 59% van de organisaties rapporteerde een omzetgroei die rechtstreeks gekoppeld was aan de invoering van AI.
- 42% van de organisaties die AI gebruiken, heeft kostenbesparingen gerealiseerd in hun bedrijfsvoering.
Voor alle technieken die hier worden beschreven, laten we u zien hoe ze er in de praktijk uitzien in ClickUp Brain, onze ingebouwde AI-assistent. *
Belangrijkste AI-prompttechnieken (met voorbeelden)
Effectieve prompt engineering is deels kunst, deels wetenschap. Hoewel alleen oefening u kan helpen deze kunst onder de knie te krijgen, kunt u de wetenschap (d.w.z. de technieken) leren door naar beneden te scrollen en te ontdekken hoe u een vraag aan AI kunt stellen 👇
1. Zero-Shot Prompting
Zero-shot prompting is de eenvoudigste techniek voor prompt engineering. U geeft de AI een directe prompt om een taak uit te voeren, maar geen voorbeelden van hoe dat nog te doen is.
Aangezien moderne grote taalmodellen zijn getraind op diverse patronen van taal, redeneren en kennis, kunnen ze specifieke taken zelfstandig uitvoeren, zelfs zonder expliciete voorbeelden (dit staat bekend als zero-shot learning).
Neem bijvoorbeeld deze prompt die we aan ClickUp Brain hebben gegeven:
Ziet u hoe de AI onmiddellijk de advertentietekst produceerde zonder dat er voorbeelden werden getoond van hoe een grappige tekst eruitziet? Dat is zero-shot prompting in de praktijk.
💡 Pro-tip: Gebruik de Zero-shot prompting-techniek wanneer u iets snel nog te doen heeft zonder dat het perfect hoeft te zijn.
Schrijvers kunnen het bijvoorbeeld gebruiken voor creatief schrijven en een snel eerste concept genereren dat ze later kunnen verfijnen.
Of gebruik deze techniek om feitelijke vragen te stellen of samenvattingen te genereren.
2. Few-Shot Prompting
Sander Schulhoff, ook wel bekend als de 'OG prompt engineer', benadrukt dat de few-shot prompting-techniek de nauwkeurigheid kan verbeteren van 0% naar 90% in gecontroleerde tests met betrekking tot classificatienauwkeurigheid.
In tegenstelling tot zero-shot, moet u bij few-shot prompting voorbeelden geven aan de AI voordat u deze vraagt om een soortgelijke taak te voltooien. Deze 'shots' laten het format of de logica zien die het model moet volgen om het verwachte antwoord te geven.
Stel bijvoorbeeld dat u AI wilt gebruiken om reacties op sociale media te classificeren voor sentimentanalyse. In plaats van AI direct te vragen om 'het sentiment te analyseren', kunt u AI eerst begeleiden met gelabelde voorbeelden, zoals hieronder:
Zoals u hierboven kunt zien, dienden de voorbeelden als instructies om het AI-systeem te helpen begrijpen hoe het feedback van klanten moet label.
💡 Pro-tip: Few-shot prompting werkt het beste wanneer uw voorbeelden kort en duidelijk zijn. Als u de AI overbelast met te veel voorbeelden of tegenstrijdige voorbeelden geeft, zal dit ongetwijfeld van invloed zijn op de output.
De juiste manier: houd het bij 3-5 eenvoudige, duidelijke en consistente voorbeelden voor korte teksttaken; voor langere taken zijn mogelijk minder, maar rijkere voorbeelden nodig. Op die manier kan het model de gewenste output genereren.
📌 Aantekening: Onderzoekers van Google hebben de Nano Banana Prompting Guide ontwikkeld om LLM's te leren hoe ze specifiek gedrag kunnen nabootsen aan de hand van een paar zorgvuldig gekozen voorbeelden.
Het laat zien dat zelfs kleine, hoogwaardige steekproeven de nauwkeurigheid van het model aanzienlijk kunnen verbeteren, wat bewijst dat de kwaliteit van voorbeelden vaak belangrijker is dan de kwantiteit.
3. Chain-of-Thought (COT) Prompting
Bij de chain of thought-prompttechniek zeg je in feite tegen de AI: 'Geef me niet alleen het antwoord. Leg me ook uit hoe je tot dat antwoord bent gekomen. '
Stel dat u een e-mailonderwerp wilt opstellen om een nieuwe functie in uw productiviteit-app aan te kondigen: taakprioritering. Hier leest u hoe u chain-of-thought prompting kunt gebruiken om een relevant e-mailonderwerp te genereren:
Door AI te vragen om zijn complexe redeneringsproces uit te leggen, kunt u de stappen bekijken die het heeft gevolgd en precies vaststellen waar de AI mogelijk fout is gegaan bij het bedenken van de onderwerpregel van de e-mail.
Dit helpt u niet alleen om meer vertrouwen te hebben in het uiteindelijke antwoord, maar als u opnieuw wilt prompten, kunt u dat doen met duidelijkere instructies.
💡 Pro-tip: Het genereren van een stap-voor-stap denkproces is tijdrovend. Voor taken waarbij snelheid cruciaal is, kan de overhead van chain of thought prompting een groot nadeel zijn.
Bovendien weerspiegelt het redeneringspad dat door een AI wordt gegenereerd niet altijd het werkelijke interne proces. Zoals u in het bovenstaande voorbeeld kunt zien, gaf de AI ons een 'samenvatting' van zijn redenering, en niet de daadwerkelijke stap-voor-stap uitsplitsing. Dit kan een vals gevoel van transparantie creëren, vooral bij complexere taken.
Vertrouw dus alleen op chain-of-thought-prompting voor problemen die echt gestructureerd redeneren vereisen (bijvoorbeeld wiskundige opgaven met meerdere stappen, logische puzzels of analytische analyses). Voor eenvoudige of tijdgevoelige taken is een directe prompt effectiever.
4. Zelfconsistentie
Wanneer u een vraag stelt aan AI, volgt deze meestal één redeneringstraject en geeft u het meest waarschijnlijke antwoord. Maar wat als dat traject niet het beste is?
Dat is precies wat zelfconsistente prompts doen. Hierbij vraagt u AI om meerdere redeneringen te genereren, zodat u de meest betrouwbare en relevante kunt kiezen.
Laten we hetzelfde voorbeeld van een e-mailonderwerp gebruiken om dit te begrijpen. In plaats van AI te vragen een onderwerpregel te genereren en uit te leggen hoe deze tot stand is gekomen (zoals we in CoT hebben gedaan), hebben we AI gevraagd om meerdere onderwerpregels te genereren en in één keer de beste optie te identificeren:
Indien geïnstrueerd, kan AI meerdere gegenereerde opties vergelijken en de sterkste selecteren.
💡 Pro-tip: Voeg voor het beste resultaat een laatste instructie toe aan uw zelfconsistentieprompt: 'Leg uit waarom het gekozen antwoord het beste is. '
Dit dwingt de AI om zijn redenering te controleren en zijn conclusies te rechtvaardigen, wat leidt tot een transparanter en betrouwbaarder antwoord.
📮 ClickUp Insight: 47% van de respondenten van onze enquête heeft nog nooit AI gebruikt voor handmatige taken, maar 23% van degenen die AI wel hebben geïmplementeerd, zegt dat dit hun werklast aanzienlijk heeft verminderd.
Dit contrast is misschien meer dan alleen een technologische kloof. Terwijl early adopters meetbare voordelen behalen, onderschat de meerderheid misschien hoe transformatief AI kan zijn in het verminderen van cognitieve belasting en het terugwinnen van tijd. 🔥
ClickUp Brain overbrugt deze kloof door AI naadloos in uw werkstroom te integreren. Van het samenvatten van threads en het opstellen van content tot het opsplitsen van complexe projecten en het genereren van subtaaken, onze AI kan het allemaal. U hoeft niet meer te schakelen tussen tools of helemaal opnieuw te beginnen.
💫 Echte resultaten: STANLEY Security heeft de tijd die nodig is voor het opstellen van rapporten met 50% of meer verminderd dankzij de aanpasbare rapportagetools van ClickUp, waardoor hun teams zich gratis minder hoeven te concentreren op format en meer op prognoses.
5. Boom van gedachten
In plaats van meerdere voltooide antwoorden te genereren en er vervolgens één te kiezen, dwingt de tree of thoughts-prompting de AI om het probleem in stappen op te splitsen. Bij elke stap genereert de AI mogelijkheden en evalueert deze om de beste te vinden voordat het antwoord wordt gegenereerd.
Klinkt dat ingewikkeld? Klinkt dat ingewikkeld? Laten we ons voorbeeld van de onderwerpregel van een e-mail nog eens bekijken, met een kleine aanpassing aan de prompt.
Voorbeeldprompt:
Rol en taak: U bent een senior productmarketeer. Gebruik Tree of Thoughts om e-mailonderwerpen te creëren waarin onze vooraf gebouwde AI-agentenfunctie wordt aangekondigd.
Beperkingen
- Doelgroep: drukbezette operationele en productleiders die AI op het werk evalueren
- Toon: zelfverzekerd, praktisch, niet-hype
- Lengte: ≤ 55 tekens
- Vermijd spamachtige formuleringen en tekst in HOOFDLETTERS.
- Moet verwijzen naar onmiddellijke waarde (tijdwinst, snellere uitvoering)
Proces (ToT)
- Vertakking: Noem 5 invalshoeken: voordeelgericht, resultaat/snelheid, gebruikssituatie/uit te voeren taken, risicobeperking, sociale bewijskracht.
- Uitbreiding: 3 onderwerpen per invalshoek
- Evaluatie: Beoordeel elk onderdeel op duidelijkheid/relevantie/onderscheidend vermogen/lengte (1–5).
- Pruning: Houd het beste 1 per hoek
- Verfijning: Beperk tot ≤55 tekens; maak werkwoorden scherper
- Selectie: Output Top 3 + preheaders en waarom ze winnen (≤1 regel per stuk)
Uitvoerformat (geen verborgen gedachtegang):
- Eindtop 3 met preheaders
- Lijst met invalshoeken met korte motivering
- Tabel: Hoek | Onderwerp | Lengte | Score | Rationale
Hier hebben we het AI-systeem gevraagd om rekening te houden met beperkingen, het proces te definiëren en zelfs het format te bepalen.
💡 Pro-tip: De Tree of Thoughts werkt het beste wanneer elk beslissingspunt duidelijk en onafhankelijk is. Als u dus meerdere stappen in één beslissingspunt opneemt (bijvoorbeeld door de AI in dezelfde stap te vragen om het publiek en het voordeel te identificeren), worden de vertakkingen rommelig en verliest de output zijn focus.
👀 Wist u dat? Bij gebruik van het Tree of Thoughts-raamwerk stijgt het succes van GPT-4 bij de taak " Game of 24 " van slechts 4% met standaard chain-of-thought-prompting naar 74% met Tree of Thoughts.
De sprong van 70 punten vond plaats zonder het model zelf te veranderen, alleen de promptmethode. Dit laat zien hoe belangrijk uw prompt kan zijn, net zo belangrijk als het model dat u gebruikt.
6. Prompt Chaining
Bij deze prompt engineering-techniek verdeelt u de taak in kleinere subtaaken (met logische volgordes), waardoor een iteratief proces ontstaat. Elke stap bouwt voort op de vorige, en de output van de ene fase wordt de input voor de volgende.
Laten we nog een laatste keer terugkomen op ons voorbeeld van de onderwerpregel van een e-mail en prompt chaining gebruiken om te zien hoe dit de output beïnvloedt. We vragen de AI eerst om de target te identificeren:
Voorbeeldprompt:
Doel: Schrijf een onderwerpregel voor een e-mail om vooraf gebouwde AI-agents aan te kondigen.
Stap 1: Haal de sleutel voordelen eruit
Noem 5 belangrijke voordelen van onze nieuwe vooraf gebouwde AI-agents voor product- en operationele leiders. (Resultaat: snellere installatie, directe automatisering, minder afhankelijkheden, standaardisatie, snellere lanceringen)
Stap 2: Genereren van invalshoeken
Stel 5 berichtinvalshoeken voor een e-mailonderwerp voor op basis van deze voordelen. (Output: snelheid, gemak, productiviteit, betrouwbaarheid, innovatie)
Stap 3: Schrijf onderwerpen
Schrijf 3 onderwerpen per invalshoek. Houd het aantal tekens onder de 55. (Uitvoer: "Vooraf gebouwde AI-agenten — Klaar wanneer u dat bent" enz. )
Stap 4: Kies het beste
Beoordeel deze op duidelijkheid en relevantie. Geef de top 3 weer met preheaders.
Door de prompts aan elkaar te koppelen, begeleidt u de AI in feite door hetzelfde proces dat u handmatig zou doorlopen:
Sleutel voordelen ➡️ Berichteninvalshoeken genereren ➡️ Een onderwerpregel schrijven ➡️ De beste optie kiezen
💡 Pro-tip: Gebruik prompt chaining om de 'cognitieve overbelasting' van AI te verminderen. Door een grote taak op te splitsen in kleinere stappen, begeleidt u de AI door het proces, waardoor de uiteindelijke output beter gepolijst en afgestemd is dan bij een enkele zero-shot prompt.
7. Automatic Prompt Engineer (APE)
APE is een geavanceerde techniek waarbij een groot taalmodel u helpt bij het genereren en verfijnen van nieuwe prompts die zijn geoptimaliseerd voor hetzelfde AI-model. Zie het als de manier waarop de AI zegt: 'Vertel me wat u wilt, dan zoek ik de beste manier om de vraag te stellen die u het ideale antwoord oplevert. '
Bij de APE-prompttechniek vraagt u de AI om:
- Ontwerp prompts voor de taak die u wilt uitvoeren.
- Voorspel hoe deze prompts zullen presteren.
- Test ze
- Kies de beste prompt en voer deze uit.
Stel dat u zich voorbereidt op de lancering van een nieuwe functie genaamd 'Aangepaste dashboards' voor uw SaaS-product. U wilt een boeiende berichtgevinggids voor uw team maken. U hebt echter moeite om de boodschap zo te verwoorden dat deze aanslaat bij uw lezers.
In dat geval kunt u AI vragen om zelf een gedetailleerde prompt te genereren:
Voorbeeldprompt: U bent een Automatic Prompt Engineer.
Taak: Maak een prompt die helpt bij het genereren van een berichtenhandleiding voor onze nieuwe functie, aangepaste dashboard.
Uw stappen:
- Genereer 5 kandidaat-prompts
- Voorspel welke de meest overtuigende en duidelijke tekst voor een B2B-koper zal opleveren.
- Test elke prompt op een steekproef.
- Selecteer de best presterende prompt en voer deze volledig uit.
- Opbrengst: de winnende prompt + de gegenereerde berichtenhandleiding
De AI geeft u vervolgens een lijst met prompts die u kunt verfijnen en uitvoeren om een hoogwaardige berichtengids te creëren:
💡 Pro-tip: Maak een beoordelingsrubriek om verschillende prompts die door de AI worden gegenereerd te evalueren. U kunt deze rubriek delen met het model en het vragen om elke individuele prompt dienovereenkomstig te beoordelen. Dit maakt het voor u gemakkelijker om promptopties te beoordelen op basis van uw criteria.
Volgens een onderzoeksrapport met als titel Large Language Models are Human-Level Prompt Engineers, tonen we aan dat APE-ontworpen prompts kunnen worden toegepast om modellen te sturen in de richting van waarheidsgetrouwheid en/of informativiteit, en om de prestaties van few-shot learning te verbeteren door ze eenvoudigweg vooraf te plaatsen aan standaard in-context learning prompts.
8. ReACT
Hoewel 'ReAct' klinkt als wat u zou doen als u koffie op uw laptop morst, is het in prompt engineering een afkorting van Reason + Act. Dit is een andere geavanceerde prompttechniek, waarbij het AI-model afwisselend denkt (redeneert) en doet (actie onderneemt).
In plaats van meteen een definitief antwoord te geven, wordt de AI gevraagd om:
- Reden: Denk stap voor stap na over het probleem.
- Actie: Communiceer met externe tools of kennisbanken om meer informatie te verzamelen.
- Reden nogmaals: Gebruik de nieuwe informatie om het denken te verfijnen.
Dit proces wordt herhaald totdat de AI met zekerheid tot een goed ondersteund antwoord kan komen.
Stel dat u van plan bent een nieuwe 'dashboard'-functie te lanceren en u wilt weten wat uw concurrent zegt over een vergelijkbare functie op zijn website. Laten we voor dit voorbeeld aannemen dat wij uw concurrent zijn en dat u meer wilt weten over ClickUp Dashboard.
Met ReACT zou u uw prompt ongeveer als volgt structureren:
Voorbeeldprompt: U bent een competitieve productmarketeer die de ReACT-aanpak (Reason + Act) gebruikt.
Uw taak: Onderzoek en vat samen hoe ClickUp zijn Dashboard-functie positioneert op zijn website.
Volg deze cyclus totdat u klaar bent:
- Denk na: Schrijf op wat u vervolgens moet vinden (bijv. waarde-proposities, use cases, voordelen, beeldmateriaal, CTA's).
- Actie: Zoek op de website van ClickUp (https://clickup.com/features/dashboards) en haal alleen relevante informatie eruit.
- Observeer: Maak een aantekening van wat u hebt gevonden.
- Herhaal: Ga door totdat u alle benodigde informatie hebt.
Geef ten slotte een gestructureerde samenvatting met:
- Kernpositie
- 3–5 belangrijkste voordelen
- 3 sleutel gebruiksscenario's
- Hoe ze dashboard visueel presenteren
- Stijl en toon van call-to-action
Deze prompt begeleidt de AI door een logisch, stap-voor-stap proces zonder van het onderwerp af te wijken. Laten we nu eens kijken hoe AI op deze prompt heeft gereageerd:
💡 Pro-tip: ReACT-prompting werkt het beste wanneer de AI toegang heeft tot betrouwbare online informatie en nauwkeurige observaties kan doen. Als de 'Act'-stap ruis of verouderde gegevens oplevert, zal de redenering die daarop volgt onvermijdelijk gebrekkig zijn.
9. Genereer kennisprikkels
Wanneer AI eerst pauzeert om expliciet kennis te verzamelen of op te bouwen, is het resultaat doorgaans nauwkeuriger en consistenter.
Dit is het principe van Generate Knowledge Prompting, waarbij u meerdere prompts aan AI geeft, zodat deze eerst relevante feiten naar boven haalt en deze vervolgens gebruikt om een relevant antwoord te genereren.
Klinkt dat verwarrend?
Neem dit voorbeeld: u lanceert een nieuwe projectmanagementtool voor freelancers. U moet een marketingstrategie opstellen, maar u weet niet zeker op welke pijnpunten u zich moet richten om uw boodschap goed over te brengen.
Met Generate Knowledge Prompting kunt u AI eerst vragen om u een lijst met relevante inzichten te geven over de frustraties van uw target:
Door deze gegenereerde inzichten te gebruiken als input voor uw volgende prompt, kunt u de AI begeleiden om een ideale marketingstrategie voor te stellen:
Het eindresultaat is dus gebaseerd op een transparante en concrete logica.
💡 Pro-tip: Gebruik Generate Knowledge Prompting wanneer u een goed onderbouwd en gezaghebbend AI-antwoord nodig hebt. Dit is perfect voor het schrijven van artikelen, het maken van gedetailleerde rapporten of zelfs het voorbereiden van een presentatie waarbij de nauwkeurigheid van gegevens van cruciaal belang is.
10. Actief prompten
Actief prompten is een techniek die AI verandert in een actieve leerling.
In plaats van te raden aan welke voorbeelden (of shots) de AI moet leren, kunt u hem een diverse reeks voorbeelden geven, waarna de AI zelf de meest uitdagende of ambigue voorbeelden identificeert. Vervolgens vraagt hij u om alleen voor die specifieke gevallen het juiste antwoord te geven, zodat hij zichzelf kan trainen.
Om dit gemakkelijk te begrijpen, stelt u zich voor dat u een raamwerk wilt creëren dat uw verkoopteam helpt om veelvoorkomende klantdoelstellingen voor een nieuwe functie aan te pakken.
U hebt al een lijst met ruwe feedback van klanten en doelstellingen, en u wilt AI trainen om effectieve, merkgerichte reacties te schrijven die het verkoopteam kan hergebruiken.
Voorbeeldprompt: U bent een senior productmarketingstrateeg die onderzoek doet naar gebruikerproblemen.
Taak: Genereer 4 duidelijke frustraties of pijnpunten die freelance productmanagers ervaren wanneer ze zonder projectmanagement-tool werken.
Context: Ze jongleren met meerdere klanten, werken op afstand en behandelen projecten vaak alleen, zonder speciale ondersteuningsteams.
Beperkingen:
- Maak elke pijnpunt 1-2 zinnen lang.
- Benadruk de emotionele impact (stress, overweldiging, burn-out, verwarring, enz. )
- Toon de zakelijke gevolgen (gemiste deadlines, achterwege gebleven taken, ontevreden clients).
- Vermijd vage termen als 'gebrek aan organisatie' – wees specifiek.
Uitvoerformat:
- Genummerde lijst
- Elk item: Pijnpunt → Gevolg (tussen haakjes)
💡 Pro-tip: Sla succesvolle prompts op met aantekeningen over wat werkte en waarom. Zo bouwt u een interne bibliotheek op met 'promptpatronen' die u kunt hergebruiken en aanpassen voor verschillende taken, net als herbruikbare code-modules.
Prompting voor verschillende gebruikssituaties
Klaar om uw prompt engineering-vaardigheden in de praktijk te brengen?
Laten we eens kijken naar veelvoorkomende voorbeelden van prompt engineering die u direct op uw werk kunt toepassen.
Voor contentteams
Als u content werkt, runt u in feite een creatieve assemblagelijn. Dat is vermoeiend, maar niet als u weet hoe u effectieve prompts kunt maken.
1. Blogoverzichten maken met behulp van prompt chaining
In plaats van de AI te vragen om 'een blogoverzicht over [onderwerp] te maken', kunt u dit proces opsplitsen in deelstappen en deze achtereenvolgens uitvoeren:
Voorbeeldprompt: Geef me 5 ideeën voor onderwerpen voor een blog over het overwinnen van de maandagblues. Het is bedoeld voor middenkadermanagers en deel ook de frameworks die je voor elke titel hebt gebruikt.
Verdeel vervolgens het onderwerp in H2-, H3- en H4-tags en vertel me wat ik onder elke tag moet behandelen.
2. Metadata genereren met few-shot prompt engineering
Neem 3-4 metatitels en metabeschrijvingen uit uw eerdere artikelen en gebruik deze als voorbeelden of 'shots' om de AI te trainen in het schrijven van een metabeschrijving.
3. SEO-optimalisatie van een blog met behulp van de techniek voor het genereren van kennis
Als u een slecht presterende blog heeft die u wilt optimaliseren voor zoekmachines, voer deze dan gewoon in de AI in en vraag het model om deze te 'ontginnen' op zoekwoorden die u mogelijk over het hoofd heeft gezien. Zodra de AI deze lijst heeft gegenereerd (d.w.z. kennis heeft gegenereerd), kunt u deze opdracht geven om de gegenereerde kennis op natuurlijke wijze in de tekst op te nemen.
Hoewel de juiste prompt u kan helpen bij het maken van een geweldige blog of social media-post, blijft het lastig om tussen tools te schakelen om content te genereren en deze bewerking/format voor de uitgever. ClickUp biedt een slimme oplossing.
U kunt ClickUp Documenten gebruiken om uw content te schrijven, dat een ingebouwde extensie voor ClickUp Brain bevat.
Dit betekent dat u prompts kunt geven aan AI, uw content kunt verfijnen en deze kunt format met visuele elementen (afbeeldingen, tabellen, infographics, GIF's), allemaal binnen uw document.
Houd uw ideeën in beweging zonder de werkstroom te onderbreken. ClickUp Brain MAX helpt u om gedachten direct in uw documenten vast te leggen en te verfijnen, waardoor snelle ideeën worden omgezet in georganiseerde schetsen of volgende stappen. En wanneer typen u vertraagt, kunt u met Talk-to-Text uw ideeën gewoon uitspreken; ze verschijnen direct op de pagina, waardoor uw brainstorm snel en soepel verloopt.
Zo kunt u moeiteloos ideeën vastleggen, schetsen dicteren of content-prompts in realtime opstellen zonder uw momentum te verliezen. Zodra het ruwe concept klaar is, kunt u het verfijnen met behulp van prompt chaining, few-shot prompting of een andere techniek die u hebt geleerd.
📚 Lees meer: AI-beeldprompts om verbluffende beelden te creëren
📌 Wist u dat? 86% van de marketeers bespaart elke dag meer dan een uur door AI te gebruiken om nieuwe contentideeën te genereren.
Dat levert u meer dan 5 uur per week op voor strategie, storytelling en hogere taken met waarde.
Het resultaat? Snellere campagnes, minder burn-out en meer ruimte voor het soort creativiteit dat echt een verbinding vormt met het publiek.
Voor product- en ontwikkelteams
Het heen en weer gaan met AI om nieuwe functies te leveren of bugs te verhelpen is niet echt de hulp die u nodig hebt in het leven. Prompt engineering kan dat proces een stuk minder vermoeiend maken:
Functiespecificaties uitleggen met behulp van prompt chaining
U kunt prompt chaining gebruiken om stap voor stap een functie-specificatiedocument op te stellen, zodat ontwikkelaars hierop kunnen voortbouwen zonder in de war te raken. Dat doet u als volgt:
2. Feedback vertalen naar ontwikkeltaakjes met zero-shot prompt engineering
Kopieer en plak gewoon de feedback van de klant en vraag de AI om er een ontwikkelaarstaak van te maken met een duidelijke titel en beschrijving:
3. Schrijf testcases met behulp van few-shot prompting
Geef 4-5 voorbeelden van goed geschreven testcases, zodat het AI-model uw stijl direct leert en de gewenste testcase produceert:
Als u nog steeds meerdere tools gebruikt voor AI-ondersteunde taken, is ClickUp Brain alles wat u nodig hebt, vooral als u werkzaam bent in product- of softwareontwikkeling.
Dit kan u helpen om beknopte samenvattingen van bugrapporten rechtstreeks binnen een taak te genereren. Het enige wat u hoeft te doen is de aan u toegewezen bugtaak te openen, op de knop AI Summarize te klikken en een paar seconden te wachten totdat de AI een korte samenvatting heeft gemaakt, waarin de kern van het probleem en de vereiste actiestappen worden benadrukt.
Op dezelfde manier kunt u ClickUp Brain gebruiken om duidelijke acceptatiecriteria op te stellen voor user stories, functies en bugfixes. De schrijfassistentsoftware haalt automatisch de taakcontent (beschrijving, opmerkingen, bijlagen) op, analyseert deze en stelt de acceptatiecriteria voor in een checklist/bullet-format.
Wilt u het in actie zien? Bekijk deze korte video over hoe u met behulp van AI een effectief bugrapport schrijft.
📌 Wist u dat? Uit een enquête van Canva bleek het volgende:
- 92% van de technologische leiders heeft AI-ondersteunde code-tools in hun werkstroom geïntegreerd.
- 78% van de ontwikkelaars gebruikt deze tools dagelijks.
Voordelen zijn onder meer snellere prototyping, het genereren van ideeën, innovatie en lagere kosten.
Voor verkoop en marketing
Personalisatie is het allerbelangrijkste voor verkoop- en marketingteams. Maar dat op grote schaal aanbieden is een vervelende taak. Laten we eens kijken hoe prompt engineering-technieken dit proces kunnen versnellen:
1. E-mailantwoorden schrijven met behulp van few-shot prompt engineering
Laat AI een paar voorbeelden zien van hoe u zou reageren op een e-mail van een klant of lead, en het zal een antwoord op de laatste e-mail opstellen, precies zoals u dat zou doen:
2. Waarde-proposities genereren met behulp van automatische prompt engineer
Hulp nodig bij het opstellen van een sterke waarde-propositie? In plaats van tijd te besteden aan het verfijnen van uw prompt, kunt u AI gewoon vragen om:
Moet u binnen enkele seconden outreach-teksten en samenvattingen van klantgesprekken genereren? Met ClickUp Brain kunt u de AI-assistent gebruiken voor alle ClickUp-functies, zoals ClickUp Docs, ClickUp-taak en zelfs ClickUp Comments.
Om een outreach-tekst op te stellen, opent u gewoon ClickUp Documenten en gebruikt u AI om uw e-mail/leadbericht te schrijven. U kunt er bewerking aan geven, een toon kiezen, het concept met één klik verbeteren of uitbreiden, of het gebruiken zoals het is.
En als iemand een gespreksaantekening in de opmerkingen plaatst, kunt u Brain bellen (door @brain in het opmerkingen-/antwoordveld te typen) en vragen om de gespreksaantekening in de opmerking samen te vatten.
📚 Lees meer: Voorbeelden van schrijfprompts
📌 Wist u dat? Bijna 20% van de marketeers besteedt meer dan 40% van hun marketingbudget aan AI-gedreven campagnes, en 34% meldt aanzienlijke verbeteringen in marketingresultaten dankzij AI.
Voor operaties
Als u werkzaam bent in de operationele sector, bent u waarschijnlijk belast met tijdrovende taken zoals het schrijven van SOP's of het opstellen van interne documenten. Maar maak u geen zorgen, probeer de onderstaande prompts om uw werklast op een slimme manier te verlichten:
Verslagen van vergaderingen maken - kennis genereren + zelfconsistentie
Heb je geen geautomatiseerde tool om samenvattingen van vergaderingen te genereren? Geen zorgen! Plak het transcript van de vergadering in de AI-chatten en vraag om de sleutelpunten (samenvattingen of actiepunten) te extraheren.
Om de nauwkeurigheid van de output te verbeteren, kunt u de AI verder vragen om een aantal versies van de samenvatting te proberen en de beste te kiezen.
En als u op zoek bent naar een meer naadloze en geautomatiseerde manier om aantekeningen van vergaderingen te verwerken, dan is ClickUp's AI Notetaker precies wat u zoekt. Deze krachtige tool kan automatisch deelnemen aan uw vergaderingen, of deze nu gepland zijn of ad hoc plaatsvinden, en het hele gesprek in realtime transcriberen.
Het kan sleutelpunten samenvatten, genomen beslissingen benadrukken en zelfs uitvoerbare taken of follow-ups extraheren.
Als u meer wilt weten over het gebruik van AI voor het maken van aantekeningen bij vergaderingen, bekijk dan de onderstaande video:
2. Interne documenten maken met behulp van actieve prompts
Het kan overweldigend zijn om in één keer een intern document (zoals een document over 'beleid voor werk op afstand') op te stellen. In dergelijke gevallen kunt u het beste een actieve prompt uitvoeren en deze gaandeweg verfijnen om tot het perfecte resultaat te komen:
Voorbeeldprompt: Stel een intern document op waarin ons beleid voor thuiswerk wordt uitgelegd. Houd het onder de 800 woorden. Maak een lijst van de voorwaarden, verwachtingen, het beleid inzake apparatuur en een paragraaf over cyberbeveiliging.
Bekijk deze video om te ontdekken hoe AI uw documentatieproces kan stroomlijnen en u uren handmatig werk kan besparen:
3. SOP-aanmaken door middel van generatieve kennistechnieken
'Schrijf een SOP over X' levert misschien niet het beste resultaat op. In plaats daarvan kunt u eerst precies bepalen wat er moet worden opgenomen. Zodra de AI u die lijst geeft, past u deze aan en geeft u deze vervolgens terug aan het model om de volledige SOP op te stellen.
Voorbeeldprompt
Stap 1: U bent een expert op het gebied van procesdocumentatie. Identificeer alle sleutelstappen, taken, tools en goedkeuringen die nodig zijn voor het opstellen van een SOP voor [X-proces]. Vermeld wie verantwoordelijk is voor elke stap, welke tools ze gebruiken en de belangrijkste succes-criteria om die stap als voltooid te markeren.
Stap 2: Gebruik deze lijst met stappen, rollen, tools en criteria om een gedetailleerde standaardprocedure voor [X-proces] op te stellen. Voeg secties toe voor titel, doel, reikwijdte, stapsgewijze procedure, rollen en verantwoordelijkheden, tools/bronnen en richtlijnen voor goedkeuring en beoordeling. Gebruik duidelijke, bruikbare taal, zodat iedereen de procedure kan volgen zonder voorafgaande training.
Ook al lijkt dit eenvoudig, we begrijpen dat het frustrerend kan zijn om AI-schrijfprompts helemaal opnieuw op te stellen wanneer u een SOP moet genereren (omdat dezelfde prompt misschien niet voor elke SOP geschikt is).
Maar wat als er een magische knop in uw werkruimte zou zijn, die, wanneer u erop klikt, elke gewenste SOP zou genereren? Dat is precies wat u kunt bereiken met de AI-velden van ClickUp.
Het is een aangepast veld, aangedreven door ClickUp Brain, dat u aan uw taak of lijst kunt toevoegen. U kunt de prompt instellen op bijvoorbeeld 'Stel een SOP op op basis van de taakbeschrijving en opmerkingen'. En elke keer dat u erop klikt, wordt automatisch SOP-content gegenereerd, afhankelijk van de inhoud van de taak.
💬 Wat CickUp-gebruikers zeggen:
ClickUp is uiterst veelzijdig en stelt me in staat om oplossingen te creëren voor vrijwel elke businesscase of elk proces. De automatiseringen en AI-agents zijn ook superkrachtig! Ik kan automatische acties instellen via logica of via AI-prompts om vrijwel elke denkbare actie in ClickUp uit te voeren. Ten slotte is het tempo van de productupdates ongelooflijk: er zijn elke maand echt belangrijke functie-updates en het bedrijf investeert duidelijk in groei.
ClickUp is uiterst veelzijdig en stelt me in staat om oplossingen te creëren voor vrijwel elke businesscase of elk proces. De automatiseringen en AI-agents zijn ook superkrachtig! Ik kan automatische acties instellen via logica of via AI-prompts om vrijwel elke denkbare actie in ClickUp uit te voeren. Ten slotte is het tempo van de productupdates ongelooflijk: er zijn elke maand echt belangrijke functie-updates en het bedrijf investeert duidelijk in groei.
Veelvoorkomende fouten bij prompts (en oplossingen)
Een paar kleine gewoontes in de manier waarop u prompts schrijft, kunnen het verschil betekenen tussen een 'wow, dat is perfect'-resultaat en staren naar een blok tekst, terwijl u zich afvraagt wat er mis is gegaan.
Laten we eens kijken naar enkele veelvoorkomende fouten bij prompt engineering en hoe u uw prompts kunt optimaliseren:
AI vragen om 'het gewoon te doen' zonder uit te leggen hoe
Als je een prompt schrijft als 'schrijf een blogpost' of 'vat dit samen', laat je veel aan de interpretatie van de AI over. Het resultaat? Een blog die te algemeen is of een samenvatting die niet aan je verwachtingen voldoet.
Oplossing: Maak effectieve prompts met duidelijke aanwijzingen en context. Overweeg als voorbeeld bij het schrijven van een blogpost om de toon die u wilt aanslaan, uw target, de lengte van de post en het doel ervan te definiëren.
Hier is een voorbeeld:
❌ Slechte prompt: 'Schrijf een e-mail over de nieuwe functie 'Aangepaste dashboards'. '
✅ Goede prompt: 'Schrijf een interne e-mail aan ons verkoopteam waarin je de nieuwe functie 'Aangepast dashboard' voor onze productiviteitstool [naam tool] aankondigt. De e-mail moet beknopt zijn, de drie belangrijkste voordelen voor een verkoper benadrukken (bijv. ROI aantonen, sneller deals sluiten) en een call-to-action naar een trainingsvideo bevatten. Gebruik een zelfverzekerde en bemoedigende toon. '
2. AI overbelasten met te veel taken tegelijk
Te veel details of taken in één monsterprompt proppen kan ook tot verwarrende resultaten leiden. AI raakt dan in de war of probeert alles tegelijk te doen (en doet dat slecht).
Oplossing: verdeel uw eerste prompt in kleinere stappen en voer deze achtereenvolgens uit. Vraag bijvoorbeeld eerst om een overzicht. Als dat goed is, vraag de AI dan om content voor elke sectie te schrijven. Geef vervolgens de opdracht om de toon te verfijnen, enzovoort.
❌ Slechte prompt: ‘Genereer 10 SEO-zoekwoorden voor een blogpost met de titel ‘Hoe implementeer je een kwaliteitsmanagementsysteem’. Stel een SEO-vriendelijke opzet voor met behulp van deze zoekwoorden en schrijf vervolgens een inleiding van 100 woorden voor de blog. ’
✅ Goede prompt: Genereer 10 SEO-zoekwoorden voor een blogpost met de titel 'Hoe implementeer je een kwaliteitsmanagementsysteem?'. De doelgroep voor deze blogpost bestaat uit bedrijfseigenaren, CEO's en topmanagers.
Maak nu met behulp van de gegenereerde trefwoorden een gedetailleerde, SEO-vriendelijke opzet voor deze blogpost. Zorg ervoor dat de tags
Schrijf een inleiding van 100 woorden voor deze blog, waarbij je rekening houdt met de gegenereerde opzet en SEO-zoekwoorden.
3. Ervan uitgaan dat het model onthoudt
De meeste grote taalmodellen zijn stateless en bewaren geen informatie, tenzij u deze expliciet in de huidige prompt opneemt. Dit heeft vaak als resultaat reacties die uw eerdere context negeren of in tegenspraak zijn met uw eerdere instructies.
Oplossing: Herhaal de sleutelcontext, beperkingen en doelen in elke nieuwe prompt, zodat het model over alle informatie beschikt die het nodig heeft om nauwkeurig te reageren.
❌ Slechte prompt: 'Schrijf nu de inleiding op basis van de eerder besproken opzet. '
✅ Goede prompt: Gebruik de blogopzet die we eerder hebben gemaakt (inleiding, voordelen, gebruiksscenario's en conclusie) en schrijf een inleiding van 100 woorden. Maak deze conversatiegericht en trek de aandacht van de lezer door een veelvoorkomend pijnpunt te benadrukken dat onze productiviteitstool oplost.
Een promptbibliotheek voor teams opbouwen
Een goede prompt kan minuten besparen; een gedeelde promptbibliotheek kan uren besparen (aangezien iedereen deze gebruikt). Zo kunt u er een bouwen:
Maak een gedeeld document om al uw prompts op te slaan
Gebruik ClickUp Docs om uw meest effectieve prompts te ordenen, zodat teamleden deze later kunnen gebruiken. U kunt deze prompts ordenen per afdeling en verder per taaktype (bijv. contentcreatie, marktonderzoek, data-analyse, enz.).
Voeg voor elke prompt het volgende toe:
- De prompt zelf
- Een korte beschrijving waarin het doel van de prompt wordt uitgelegd, wanneer deze moet worden gebruikt, wat moet worden vermeden, enz.
- Voorbeeld van AI-output om duidelijke verwachtingen in te stellen
2. Ontwerp gestandaardiseerde promptsjablonen
Voor veelvoorkomende taken, zoals het samenvatten van vergaderantekeningen of het optimaliseren van een blog, kunt u standaard promptstrategieën opstellen die iedereen moet gebruiken. U kunt exacte AI-promptsjablonen en instructies opnemen voor wanneer en hoe deze moeten worden gebruikt om reacties in de gewenste stijl te genereren.
Zo zorgt u ervoor dat alle leden van het team dezelfde best practices volgen bij het geven van prompts, wat een consistente outputkwaliteit garandeert.
3. Bevorder een cultuur van samenwerking en feedback
Moedig uw team aan om deze promptbibliotheek niet alleen te gebruiken, maar ook te helpen verbeteren. Om dit nog te doen, moet u:
- Introduceer een eenvoudig beoordelingssysteem waarmee uw team prompts kan beoordelen. Hoe hoger de beoordeling van een prompt, hoe effectiever deze is.
- Open het document voor teamleden, zodat zij opmerkingen kunnen achterlaten om verbeteringen voor te stellen en prompts kunnen markeren die niet effectief zijn.
4. Voeg tips voor probleemoplossing toe aan uw promptbibliotheek
Er zullen momenten zijn waarop AI ondermaatse of onverwachte resultaten produceert. Om uw team te helpen bij het diagnosticeren en oplossen van problemen, kunt u overwegen een sectie voor probleemoplossing toe te voegen waarin veelvoorkomende fouten bij AI-prompts en de oplossingen daarvoor worden besproken.
Dit zou er ongeveer zo uit kunnen zien:
Probleem: De output is te algemeen
Waarom dit gebeurt: AI heeft de neiging om terug te vallen op de meest voorkomende trainingsgegevens, wat kan leiden tot veilige, maar generieke of ongeïnspireerde reacties.
De oplossing: voeg beperkingen of specifieke instructies toe om de AI in de juiste richting te sturen.
Voorbeeld: 'Houd het onder de 100 woorden'
📚 Lees meer: Hoe word je een prompt engineer?
Van prompt naar productiviteit: hoe ClickUp de kloof overbrugt
Door basis- en geavanceerde prompt engineering-technieken te leren, kunt u stoppen met tijd verspillen aan proefversie en fout en resultaten behalen die uw werk daadwerkelijk vooruit helpen.
Met ClickUp wordt AI onderdeel van uw werkruimte. Het combineert taakbeheer met automatisering en samenwerking, zodat u uw werk kunt doen zonder tussen verschillende tools te hoeven schakelen.
Laten we dus afstappen van de oude manier om AI te gebruiken als een sidekick die je moet oproepen. Het is tijd om een AI-assistent aan te schaffen die al deel uitmaakt van je team.
Meld u vandaag nog aan bij ClickUp en ontdek wat er gebeurt als AI letterlijk slechts één muisklik verwijderd is!
Veelgestelde vragen
De beste tool hangt af van de taak die u door AI wilt laten uitvoeren. De meeste waarde wordt echter bereikt wanneer AI wordt geïntegreerd in het platform dat u al gebruikt voor het plannen en uitvoeren van werk. ClickUp Brain, als voorbeeld, is breed en diep geïntegreerd in de ClickUp-werkruimte, zodat u vanaf elk scherm toegang hebt tot de AI-assistent. U kunt zelfs schakelen tussen Brain, ChatGPT, Gemini, Claude, enz. om het beste AI-model voor uw werk te kiezen.
Ja! U kunt uw best presterende prompts opslaan in een gedeeld ClickUp-document of ze zelfs omzetten in aangepaste AI-velden voor direct hergebruik. Op deze manier kan iedereen eenvoudig op dat veld klikken en zal de AI-assistent uw vooraf ingestelde prompt uitvoeren. Zeer aan te bevelen voor repetitieve taken die baat hebben bij consistentie en tijdgevoelig zijn.
Grote taalmodellen zijn geen zoekmachines. Ze zijn niet zoals Google, waar u een query invoert en de zoekmachine u elke keer hetzelfde resultaat geeft. In plaats daarvan beantwoorden LLM's uw vragen op basis van de gegevens en patronen die ze tijdens hun training hebben geleerd. Daarom kan dezelfde prompt elke keer verschillende resultaten opleveren.
Bij de zero-shot prompt engineering-techniek vertelt u de AI gewoon welke taak hij moet uitvoeren, zonder ondersteunende voorbeelden van het verwachte resultaat. Bij few-shot prompting daarentegen moet u een paar voorbeelden geven om de AI in een bepaalde richting te sturen. U kunt bijvoorbeeld een voorbeeld van een e-mailantwoord geven, zodat de AI iets soortgelijks kan genereren.