· Prompt Engineering

Van Chaoot tot Coauteur: Hoe je ChatGPT Staint voor een Whitepaper van 5000 Woorden

Het was dinsdagochtend ergens rond half tien in een glazen vergaderruimte op de Zuidas in Amsterdam. Mijn scherm toonde het zoveelste mislukte experiment: ik probeerde een ambitieuze whitepaper van 5000 woorden over de toekomst van fintech te genereren. Na de derde prompt verslapte de aandacht van ChatGPT volledig. Ik had de AI expliciet de rol gegeven van een doorgewinterde risk-analist uit Frankfurt, maar na twee alinea’s klonk de tekst ineens weer als een enthousiaste, overdreven beleefde klantenservicemedewerker vol met clichés en robotachtige overgangen. Weg autoriteit, weg nuance.

Dit is het klassieke probleem waar iedere contentstrateeg tegenaan loopt bij langlopende AI-projecten. Zodra je de contextwindow vult met duizenden woorden aan input en vervolgvragen, vergeet het model zijn persona. Het valt terug op zijn standaard fabrieksinstellingen: neutraal, vlak en voorspelbaar. En als je een whitepaper wilt die indruk maakt op C-level executives, kun je dat soort generieke flauwekul simpelweg niet gebruiken.

How to Chain ChatGPT Prompts for 5000-Word In-Depth Industry Whitepapers Prompt Guide

De oplossing? Stop met het voeren van één eindeloos gesprek. Je moet werken met een prompt-keten (prompt chaining) waarbij elke stap een eigen, strak afgekaderd document oplevert dat als basis dient voor de volgende fase.

De Kernregel van AI-Whitepapers: Een monoliet-prompt van "Schrijf een whitepaper van 5000 woorden over X" faalt altijd door geheugenverlies en tokenlimieten. Hak de opdracht op in modulaire bouwstenen.

Waarom losse prompts falen bij grote teksten

Als je ChatGPT of Claude vraagt om in één keer een gigantisch document te produceren, treedt er informatiemoeheid op. Modellen optimaliseren voor het volgende meest waarschijnlijke woord, wat bij lange teksten leidt tot herhaling en oppervlakkigheid. Bovendien raken ze na een aantal interacties hun ingestelde persona kwijt.

Om dit te omzeilen, bouwen we een keten van opeenvolgende instructies. Elke stap in de keten heeft een specifieke doelstelling:

  1. Fase 1: De Structuur en Architectuur (De inhoudsopgave en argumentatielijn vastleggen).
  2. Fase 2: Sectiegewijze Diepgang (Elk hoofdstuk apart genereren met hernieuwde persona-injectie).
  3. Fase 3: Synthese en Eindredactie (De puntjes op de i zetten en de toon uniformeren).

Het Master Prompt Template voor de Persona-Instandhouding

Om te voorkomen dat de AI na twee berichten weer verandert in een onbeholpen robot, gebruik je de volgende geavanceerde systeeminstructie of begin-prompt in ChatGPT of Claude. Hiermee dwing je het model om zijn rol vast te houden via een vaste state-machine-logica.

Je bent een senior industrie-analist en hoofdauteur gespecialiseerd in [Voer Industrie in, bijv. Fintech en regelgeving]. Je hanteert een scherpe, pragmatische en analytische toon zonder holle marketingpraat of clichématige metaforen.

Je werkt aan een whitepaper van in totaal 5000 woorden. Dit is stap [Voer Stapnummer in] van een serie van 5 stappen. 

REGELS VOOR JE ANTWOORD:
1. Behoud ten allen tijde je persona als senior analist. Val nooit terug in een generieke 'AI-assistent' modus.
2. Schrijf uitsluitend in het [Voer Taal in, bijv. Nederlands].
3. Gebruik concrete data-indicatoren, feitelijke onderbouwing en vermijd vage superlatieven.
4. Output uitsluitend de gevraagde sectie op basis van onderstaande parameters.

INVOER VOOR DEZE STAP:
- Focus van dit hoofdstuk: [Voer Hoofdstukthema in]
- Te behandelen kernpunten: [Voer 3 Bulletpoints in]
- Doelwoordenaantal: [Voer Aantal woorden in, bijv. 1000]

Genereer nu de tekst voor deze sectie.

Praktische Variaties en Veiligheidstips

Wanneer je deze kettingmethode toepast, zijn er een aantal valkuilen die je direct moet vermijden om frustratie te voorkomen:

  • Tokenlimieten bewaken: Vraag nooit om meer dan 800 à 1000 woorden per keer. Als je om 2000 woorden vraagt, raffelt de AI de inhoud af.
  • Contextbehoud via bestanden: Upload gegenereerde hoofdstukken als PDF of TXT in je volgende chatvenster als referentiemateriaal (vooral handig in Claude met zijn grote geheugen), zodat de AI weet wat er in het vorige hoofdstuk is besproken.
  • De ‘Toetssteen’-truc: Voeg aan het begin van elke nieuwe prompt een korte herinnering toe: “Herinnering: Je bent nog steeds die kritische analist uit Frankfurt. Bouw voort op de stijl van hoofdstuk 1.”

Veelgestelde Vragen

Q1. Kan ik deze methode zowel in ChatGPT als in Claude gebruiken?
A1. Jazeker. Claude (voornamelijk via Projects) blinkt uit in het vasthouden van grote hoeveelheden achtergrondinformatie over meerdere stappen heen, terwijl ChatGPT via Custom GPT’s of strakke prompt-ketens uitstekend presteert voor de daadwerkelijke creatie van de inhoud.

Q2. Hoe voorkom ik dat de gegenereerde hoofdstukken onsamenhangend aanvoelen?
A2. Zorg ervoor dat je in fase 1 een extreem gedetailleerde inhoudsopgave maakt waarin de rode draad per hoofdstuk is vastgelegd. Geef die inhoudsopgave bij elke volgende prompt opnieuw mee als context.

Q3. Wat doe ik als de AI alsnog uit zijn rol schiet en te enthousiast reageert?
A3. Onderbreek direct de conversatie en stuur een correctie-prompt: “Stop. Je valt terug in je standaard AI-toon. Verwijder de laatste alinea, neem je persona van senior analist weer aan en herschrijf vanuit een objectief, kritisch perspectief.”

Share:
Back to Blog