Een redeneermodel aansturen met prompts
Op deze pagina
Les herschreven op 2 november 2026. Deze les behandelde eerder de Magistral-systeemprompt, die op 31 juli 2026 is stopgezet. De huidige documentatie over redeneren (Reasoning) vereist geen specifieke systeemprompt meer:
reasoning_effortis voldoende. De volgende secties onderscheiden wat de Magistral-documentatie stelde, wat er is veranderd en welke promptregels nog steeds nuttig zijn.
Wat is er veranderd sinds Magistral
Magistral presteerde het beste met een standaard systeemprompt, die in de documentatie werd overgenomen (nu gearchiveerd op de pagina Native reasoning (deprecated)). In essentie instrueerde deze het model om eerst zijn redenering op te stellen, als een interne monoloog, gevolgd door een losstaand antwoord; om te schrijven in Markdown, LaTeX te gebruiken voor vergelijkingen; en om te antwoorden in de taal van de vraag. Het bevatte zelfs een redeneersjabloon, in de vorm van een thinking-fragment in het systeembericht. Een parameter, prompt_mode, stelde u in staat om deze standaardprompt af te dwingen ("reasoning") of uit te schakelen (None).
Bij huidige modellen is dit alles niet meer nodig: de pagina over redeneren noemt noch een specifieke systeemprompt, noch prompt_mode. U schakelt redeneren in met reasoning_effort, en uw systeemprompt keert terug naar een standaardrol, gericht op rol, methode en verwacht formaat. Als u migreert vanaf Magistral, verwijdert u het redeneersjabloon uit uw systeemberichten en prompt_mode uit uw aanroepen, en vergelijkt u vervolgens de resultaten (Les 8).
Redenering en antwoord scheiden
Het model heeft nu twee distincte ruimtes: de redenering, die de gebruiker vaak niet ziet, en het definitieve antwoord. Een goede prompt houdt hier rekening mee. Deze beschrijft de verwachte methode, wat een domeinexpert zou verifiëren, en stelt het antwoordformaat vast: het antwoord moet begrijpelijk zijn zonder de redenering, aangezien de redenering doorgaans verborgen blijft.
import os
from mistralai.client import Mistral
client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])
system_prompt = """You are a senior Python debugging expert.
METHOD
- Read all the code before formulating a diagnosis.
- Formulate at least two hypotheses before concluding.
- Verify that your fix does not create a new problem.
FINAL RESPONSE
1. The precise diagnosis
2. The root cause
3. The corrected code
4. A test that proves the fix"""
response = client.chat.complete(
model="mistral-small-2603",
messages=[
{"role": "system", "content": system_prompt},
{"role": "user", "content": "My code crashes with a RecursionError: def fibonacci(n): return fibonacci(n-1) + fibonacci(n-2)"},
],
reasoning_effort="high",
)
Bij deze fibonacci-functie die een basisgeval mist, sluit de eis voor twee hypothesen de reflexdiagnose “verhoog de recursielimiet” uit en leidt deze tot de werkelijke oorzaak.
Aanpassen per domein
Hetzelfde skelet, eerst methode dan antwoordformaat, past zich aan het specifieke domein aan. In de wiskunde richt de methode zich op hypothesen en het type bewijs:
math_prompt = """You are a rigorous mathematician.
METHOD
- State the hypotheses before every proof.
- Explicitly choose between induction, contradiction, or direct calculation.
- Verify the result on a specific case.
FINAL RESPONSE
Formal proof: hypotheses, justified steps, conclusion."""
Bij strategische analyse richt het zich op belanghebbenden en kwantificering, en wordt het verwachte antwoord een aanbeveling vergezeld van een plan:
strategy_prompt = """You are a strategy consultant.
METHOD
- Evaluate each option based on feasibility, impact, and risk.
- Quantify whenever possible, even if only as an order of magnitude.
- Seek the strongest objection to your own recommendation.
FINAL RESPONSE
A clear recommendation, the pros and cons of each option, an action plan with dated steps."""
Drie veelgemaakte fouten
De prompt is te vaag. “U bent een behulpzame assistent” zegt niets over de methode: het model redeneert volgens zijn gewoonten in plaats van de uwe. Beschrijf wat een expert zou verifiëren.
De prompt is tegenstrijdig. “Wees zeer beknopt. Werk elke stap tot in detail uit.” plaatst het model voor een onmogelijke opdracht. Los de tegenstrijdigheid op door rollen te verdelen: detail hoort thuis in de redenering, beknoptheid in het definitieve antwoord.
good_prompt = """Be concise in your final response: conclusions and essential figures only.
Explore details in your reasoning, not in the response."""
Het proces in het antwoord opvragen. Vragen om “stap voor stap te redeneren” in het zichtbare antwoord, dwingt het model om tweemaal te schrijven wat het al in zijn redenering heeft gedaan: het antwoord wordt langer en u betaalt tweemaal voor dezelfde stappen in output-tokens. Vraag alleen naar stappen in het antwoord als de gebruiker deze moet lezen, bijvoorbeeld bij een educatieve tutor.
Belangrijkste punten
- De standaard systeemprompt en
prompt_modewaren specifiek voor Magistral: ze zijn niet langer nodig - Schakel redeneren in met
reasoning_efforten behoud de systeemprompt in zijn klassieke rol - Beschrijf de verwachte methode en het formaat van een antwoord dat leesbaar is zonder de redenering
- Verdeel de rollen: detail in de redenering, beknoptheid in het antwoord
- Laat het model het proces niet herschrijven in het antwoord als niemand het hoeft te lezen