Woordenlijst

Recursieve prompting

Wat is Recursieve prompting?

Recursieve prompting verwijst naar technieken waarbij de uitvoer van een taalmodel opnieuw als invoer wordt teruggevoerd – bijvoorbeeld om een concept te laten controleren en herzien, of om een grote taak stap voor stap in deeltaken op te splitsen. Zo wordt eerst een conceptvoorstel gemaakt, beoordeelt het model dat vervolgens aan de hand van een checklist en wordt het ten slotte verbeterd. Dat verhoogt vaak de kwaliteit, maar kost extra verwerkingstijd en vraagt om een duidelijk stopcriterium.

Hoe KI.ordo helpt

In KI.ordo-workflows kan dit worden nagebootst door één AI-stap een concept te laten maken en een volgende stap dat te laten controleren en herzien.

Meer informatie

Onderwerpen

prompting
herziening
workflow

KI.ordo uitproberen

Agents, workflows en sjablonen in één werkruimte – gratis demo van 24 uur.

Demo starten

← Alle begrippen

Verwante begrippen

Prompt

Een prompt is de invoer die een AI-model vertelt wat het moet doen – een vraag, een taak of een instructie, vaak aangevuld met context, voorbeelden en het gewenste formaat. De kwaliteit van het antwoord hangt sterk af van hoe duidelijk en volledig de prompt is. Schrijf bijvoorbeeld niet “Schrijf iets over ons product”, maar “Schrijf drie korte voordelen van product X voor ambachtelijke bedrijven, in een zakelijke toon”.

prompting
invoer
+1

Sjabloon

Modelketens

Bij modelketens worden meerdere AI-modellen of AI-stappen achter elkaar geschakeld, zodat de uitvoer van de ene stap de invoer van de volgende wordt. Complexe taken kunnen zo worden opgedeeld in overzichtelijke deeltaken die elk afzonderlijk gecontroleerd en verbeterd kunnen worden. Voorbeeld: een eerste stap vat een klantvraag samen, een tweede wijst die toe aan een afdeling en een derde stelt het antwoord op.

orkestratie
workflows
+1

Metaprompt

Een metaprompt is een opdracht waarmee een taalmodel zelf prompts of systeeminstructies laat opstellen of verbeteren. U beschrijft het doel, de doelgroep en de gewenste toon en levert voorbeelden aan; het model maakt daarvan gestructureerde instructies met een rol, regels en grenzen. Zo ontstaan sneller goede eerste versies, die vervolgens door mensen worden getest en verfijnd. Voorbeeld: “klantenservice voor een fietsenwinkel” wordt een volledige conceptopdracht.

prompting
agents
+1

Sjabloon

Multi-hop reasoning

Multi-hop reasoning is het vermogen van een AI-systeem om een vraag te beantwoorden via meerdere opeenvolgende gevolgtrekkingen, vaak door informatie uit verschillende bronnen te combineren. Voorbeeld: “Welke afdeling wordt geleid door de verantwoordelijke voor project X?” vraagt eerst om het vaststellen van de verantwoordelijke persoon en daarna van diens afdeling. Zulke vragen zijn veeleisend voor zoek- en RAG-systemen, omdat elke tussenstap correct gevonden en gekoppeld moet worden.

redeneren
vraagbeantwoording
+1