Uw instructies structureren
Op deze pagina
Waarom structuur belangrijk is
Een goed gestructureerde prompt is geen luxe, maar een noodzaak. Mistral-modellen zijn getraind op enorme hoeveelheden gestructureerde tekst: technische documentatie, artikelen en broncode. Ze volgen uw instructies beter wanneer deze duidelijk georganiseerd zijn, omdat deze organisatie lijkt op wat ze miljarden keren tijdens de training hebben gezien.
Stel u voor dat u mondelinge instructies geeft aan een collega terwijl u alles door elkaar haalt: de deadline verstopt in een anekdote, het verwachte formaat ergens halverwege een zin, en de context pas na de instructie. Het resultaat zou verwarrend zijn en uw collega zou moeten raden wat belangrijk is. Hetzelfde geldt voor een taalmodel: de structuur van uw prompt bepaalt de duidelijkheid van de interpretatie. Deze les biedt u twee structureringshulpmiddelen—Markdown en XML-tags—plus een sectieraster om elke complexe prompt te organiseren.
Markdown: De natuurlijke standaard
Markdown is het meest effectieve structureringsformaat voor Mistral-modellen, om drie elkaar versterkende redenen. Ten eerste is het leesbaar: makkelijk voor u om te schrijven en te controleren, wat belangrijk is wanneer een prompt in een applicatie leeft en evolueert. Ten tweede is het vertrouwd voor het model: Markdown komt massaal voor in trainingsdata, waardoor het model de conventies moeiteloos begrijpt. Tot slot parseert het natuurlijk: het model identificeert duidelijk kopniveaus, lijsten en codeblokken, en leidt af welk relatief belang elke sectie heeft.
Zo ziet dat eruit in een voorbeeld van een concurrentieanalyse:
# Task
Write a competitive analysis report.
## Context
Company: TechCorp, B2B SaaS, French market
Main competitors: AlphaSoft, BetaCloud, GammaTech
## Expected Format
For each competitor, provide:
- **Strengths**: 3 points maximum
- **Weaknesses**: 3 points maximum
- **Pricing positioning**: low / medium / premium
## Constraints
- Maximum 800 words
- Professional and factual tone
- No strategic recommendations (analysis only)
Deze prompt gebruikt koppen (#, ##) om secties te scheiden, vetgedrukte tekst voor sleutelelementen en opsommingstekens voor details. Het model begrijpt direct de hiërarchie: eerst de taak, dan de context, vervolgens het formaat en tot slot de beperkingen. U zou ditzelfde document aan een menselijke medewerker kunnen geven zonder ook maar één woord te wijzigen—dat is een goed teken.
XML-tags: Maximale precisie
Markdown organiseert; XML-tags bakenen af. Wanneer u blokken met data of instructies zonder ambiguïteit moet isoleren—typisch wanneer uw prompt instructies en te verwerken tekst mengt—zijn XML-tags bijzonder effectief:
<instructions>
Analyze the provided text and extract named entities.
Categorize them into: people, organizations, locations.
</instructions>
<format>
Return the result in JSON with the structure:
{"people": [], "organizations": [], "locations": []}
</format>
<text>
President Macron met with the Director-General of the WHO in Geneva
to discuss European health strategy.
</text>
Het voordeel is dat het model exact weet waar elke sectie begint en eindigt. Als de te analyseren tekst een zin zou bevatten die op een instructie lijkt—bijvoorbeeld “extraheer de lijst van deelnemers”—zouden de tags voorkomen dat het model deze verwart met uw instructies. Deze scheiding tussen instructies en data is wat XML waardevol maakt in productie-prompts.
De essentiële secties van een gestructureerde prompt
Welk formaat u ook kiest, een complexe prompt organiseert zich rond dezelfde secties. De eerste, en enige verplichte, is de taak: vermeld altijd duidelijk wat u verwacht, direct aan het begin. “Taak: Vertaal de volgende tekst van het Frans naar het Engels met behoud van de formele toon” laat geen twijfel over de missie.
Daarna komt de context, wanneer nodig: achtergrondinformatie die het model niet kan raden. Als u werkt voor een fintech-startup die een budgetbeheerapp voor particulieren in Frankrijk bouwt, zeg dat dan—zonder dit detail schrijft het model voor een generiek publiek en moet u alles opnieuw doen.
De derde sectie, regels, kadert het gedrag: som expliciet op wat het model wel en niet mag doen. Bijvoorbeeld: gebruik een formele toon, noem geen merknamen van concurrenten, produceer alinea’s van 50 tot 100 woorden. Elke geschreven regel is een correctie die u niet met de hand hoeft uit te voeren.
De vierde sectie, uitvoerformaat: beschrijf exact de vorm die het antwoord moet aannemen. “Retourneer een Markdown-tabel met de kolommen Criterium | Score (1-5) | Opmerking” levert een direct in uw document te kopiëren resultaat op, terwijl het ontbreken van een instructie leidt tot proza dat u moet herschrijven.
Tot slot lossen voorbeelden resterende ambiguïteiten op door een verwacht resultaat te tonen. Deze techniek is zo krachtig dat ze een eigen les heeft: we komen hier later gedetailleerd op terug bij few-shot prompting.
Expliciete versus impliciete instructies
Mistral-modellen raden uw intenties niet: alles wat impliciet in uw hoofd zit, moet expliciet in uw prompt worden. Vergelijk “Vat dit artikel samen” met “Vat dit artikel samen in 3 opsommingstekens van maximaal 20 woorden elk. Behoud belangrijke cijfers. Gebruik een neutrale en feitelijke toon.” De eerste versie laat het model beslissen over lengte, formaat en toon—drie beslissingen die het anders kan nemen dan u. De tweede laat geen ruimte voor interpretatie: het model weet precies wat het moet produceren en u krijgt elke keer hetzelfde type resultaat.
Schrijf alsof het model niets weet
Laten we eindigen met een fundamentele regel: schrijf uw prompt uitgaande van de aanname dat het model geen enkele voorafgaande context heeft over uw situatie. Zelfs als iets voor u vanzelfsprekend lijkt—wie u bent, wat u wilt bereiken, voor welk gebruik, in welk formaat—specificeer het dan, waarbij u voor permanente elementen vertrouwt op de systeemprompt. Een schrijver die verzoeken in hetzelfde gesprek achter elkaar plaatst, gaat geloven dat “het model het weet”; maar zodra het gesprek verandert of de prompt elders wordt hergebruikt, verdwijnt al het impliciete. Deze “nul-context”-benadering garandeert consistente resultaten, ongeacht de staat van het gesprek.
Belangrijkste punten
- Structureer uw prompts met duidelijke secties (Markdown of XML)
- Markdown is ideaal voor de meeste gevallen; XML-tags om data te isoleren
- Scheid altijd taak, context, regels en verwacht formaat
- Maak alles expliciet wat impliciet in uw hoofd zit
- Schrijf elke prompt alsof het model helemaal opnieuw begint