Wat is een prompt?
Op deze pagina
Bijgewerkt op 2 november 2026 — Le Chat is nu Vibe. Sinds 28 mei 2026 is Le Chat omgedoopt tot Vibe (nog steeds op chat.mistral.ai): een enkele agent voor werk en code, waarbij uw gesprekken, instellingen en abonnementen worden overgezet. De legacy-ervaring van Le Chat blijft toegankelijk in de modus Chat; in de modus Work zijn agents nu vaardigheden (aangeroepen met
@), zijn herinneringen de kennisbank en is diepgaand onderzoek de vaardigheid Deep Research. Abonnementen heten nu Mistral Free, Pro, Team en Enterprise. Deze les gebruikt de naam Vibe; sommige hier beschreven menu’s kunnen van naam of locatie zijn veranderd.
Bijgewerkt op 2 november 2026 — modellen. Mistral Large 3 (
mistral-large-2512) en Mistral Medium 3.5 zijn verouderd sinds 31 oktober 2026 en worden verwijderd op 30 april 2027; hun aangewezen opvolger, Mistral Large 4 (mistral-large-4), is sinds 6 oktober beschikbaar in openbare preview. Voorbeelden in deze cursus gebruiken de aliasmistral-large-latest, die volgens de officiële documentatie (geverifieerd op 3 november 2026) nog steeds verwijst naar Mistral Large 3, net zoalsmistral-medium-latestverwijst naar Mistral Medium 3.5: deze aliassen blijven geldig tot 30 april 2027. Test voor een nieuw projectmistral-large-4, hun aangewezen opvolger.
De prompt: uw interface met kunstmatige intelligentie
Wanneer u interactie heeft met een Mistral-taalmodel, vormt elk bericht dat u verzendt een prompt. Deze term, ontleend aan het Engels, verwijst naar de instructie of het verzoek dat u aan het model stuurt om een antwoord te krijgen. Begrijpen wat een prompt is en hoe deze werkt, is de eerste stap om het maximale uit Mistral-modellen te halen, of u nu Vibe of de API gebruikt.
Een prompt kan zo simpel zijn als een directe vraag—“Wat is de hoofdstad van Frankrijk?”—of zo uitgebreid als een document van meerdere alinea’s met context, voorbeelden, formaatbeperkingen en gedetailleerde instructies. Tussen deze twee uitersten ligt een heel spectrum, en u kiest waar u de schuifregelaar plaatst op basis van de inzet. De kwaliteit van het antwoord dat u krijgt, hangt direct af van de kwaliteit van de prompt die u formuleert: dit is de centrale stelling van deze hele cursus, en u zult dit les na les verifiëren.
Hoe het model uw prompt verwerkt
Om goed te prompten, moet u eerst begrijpen wat er aan de kant van het model gebeurt. Mistral-modellen werken via tekstvoltooiing: het model ontvangt uw prompt en genereert de meest waarschijnlijke voortzetting, token voor token. Een token komt doorgaans overeen met een woord of een woordfragment—“hallo” kan één token zijn, terwijl een zeldzaam woord in meerdere stukjes wordt opgesplitst.
Concreet is de cyclus altijd hetzelfde: u verzendt uw prompt via de Chat Completions API van Mistral, het model analyseert alle verstrekte context, waarna het token voor token zijn antwoord genereert en bij elke stap het meest geschikte token kiest op basis van alles wat eraan voorafgaat. Het volledige antwoord wordt vervolgens in één blok aan u teruggezonden, of via streaming terwijl het wordt gegenereerd.
Dit mechanisme verklaart waarom uw formulering van de prompt zo belangrijk is. Het model “begrijpt” uw verborgen intentie niet: het breidt de tekst uit die u het geeft. Als die tekst vaag is, zal de meest waarschijnlijke voortzetting eveneens vage tekst zijn. Als de tekst een nauwkeurig kader schetst, zal de meest waarschijnlijke voortzetting dat kader respecteren. Uw prompt bepaalt letterlijk de richting die de generatie zal inslaan.
De impact van de prompt op de antwoordkwaliteit
Het verschil tussen een goede en een slechte prompt kan spectaculair zijn, en niets overtuigt meer dan een directe vergelijking. Stel dat u het model vraagt:
Vertel me over marketing.
U krijgt een generiek essay over wat marketing is—accuraat, maar nutteloos voor uw dagelijkse werk. Vergelijk dit nu met deze formulering:
Je bent een digital marketing consultant gespecialiseerd in Nederlandse MKB-bedrijven.
Noem 5 contentmarketingstrategieën die passen bij een budget van minder dan
€500 per maand. Geef voor elke strategie aan:
- Het belangrijkste kanaal
- De wekelijkse tijdsinvestering
- Het verwachte ROI na 6 maanden
Hier weet het model wie het moet zijn, tot wie het zich richt, onder welke budgetbeperking het werkt en welk formaat het moet leveren. Het genereert een concreet plan, gestructureerd en direct bruikbaar in een vergadering. Onthoud dit goed: het verschil tussen deze twee resultaten ligt niet bij het model, dat in beide gevallen hetzelfde is, maar uitsluitend bij de precisie van de instructie.
De onderdelen van een effectieve prompt
Als u de tweede prompt hierboven ontledt, vindt u de bouwstenen die u tijdens deze cursus zult hanteren. Context biedt de achtergrondinformatie die nodig is om de taak te begrijpen—in ons voorbeeld het feit dat we het hebben over Nederlandse MKB-bedrijven met een klein budget. Instructie stelt precies wat u van het model verwacht: noem vijf strategieën, geen vage adviezen of een college. Formaat beschrijft de gewenste structuur voor het antwoord—lijst, tabel, JSON of alinea—en dit maakt het resultaat bruikbaar zonder nabewerking. Beperkingen stellen de grenzen die moeten worden gerespecteerd, zoals lengte, toon of woordkeuze. Tot slot laten voorbeelden het model een demonstratie zien van het verwachte resultaat, een techniek die zo effectief is dat er later een volledige les aan wordt gewijd.
U hoeft niet elke keer al deze elementen op te nemen. Een simpele vraag vereist slechts een duidelijke instructie, en het overladen van een triviale prompt zou contraproductief zijn. Zodra de taak echter complex wordt—schrijven voor een specifiek publiek, data analyseren, een geformatteerd deliverable produceren—verbetert het combineren van deze componenten het resultaat aanzienlijk.
De Chat Completions API van Mistral
Bij Mistral lopen prompts via de Chat Completions API. Deze API gebruikt een gestructureerd berichtformaat waarbij elk bericht een rol (system, user, assistant) en inhoud heeft. We gaan in de volgende les dieper in op deze rollen; bekijk voor nu hoe een minimale aanroep eruitziet met de Mistral Python SDK:
from mistralai.client import Mistral
client = Mistral(api_key="your-api-key")
response = client.chat.complete(
model="mistral-large-latest",
messages=[
{"role": "user", "content": "What are the 3 principles of effective prompting?"}
]
)
print(response.choices[0].message.content)
Deze code verzendt een simpele prompt en toont het antwoord van het model. Niets meer—en toch is hier al alles aanwezig: een bericht, een rol, inhoud. In de volgende lessen leert u de rijkdom van deze API volledig benutten om van deze drie regels echte applicaties te maken.
Belangrijkste punten
- Een prompt is de instructie die u naar het Mistral-model stuurt om een antwoord te krijgen
- De kwaliteit van de prompt bepaalt direct de kwaliteit van het antwoord
- Een effectieve prompt combineert context, instructie, formaat en beperkingen
- Mistral-modellen verwerken prompts via de Chat Completions API
- Tijd investeren in het formuleren van uw prompts is de krachtigste hefboom om uw resultaten te verbeteren