S06E72 - 3 promptingtechnieken die je productiviteit verhogen

Joop legt je  drie technieken uit voor het effectief gebruik van taalmodellen zoals ChatGPT. 

De besproken technieken, waaronder multi-step prompts en prompt chaining, helpen bij het structureren van taken en het verbeteren van de outputkwaliteit.

Deze inzichten zijn toepasbaar in diverse contexten, van testplannen tot marketingstrategieën. 

Links

• Techniek: Prompt Chaining
• Techniek: Multi-step Prompt
• Techniek: Chain-of-Thought Prompt
• Kaartspel: AI Game Changer - Generative AI editie

Aigency
Aigency ontwerpt en ontwikkelt waardevolle, robuuste en betrouwbare Machine Learning-modellen.

Info Support
Info Support is de specialist in maatwerk software en leidend in kunstmatige intelligentie (AI).

Disclaimer: This post contains affiliate links. If you make a purchase, I may receive a commission at no extra cost to you.

Schrijf je in voor onze nieuwsbrief en ontvang exclusieve toegang tot nieuws, blik achter de schermen en meer!

Transcript

1
00:00:00,001 --> 00:00:05,320
Hoi, welkom weer bij een nieuwe aflevering van AIToday Live.

2
00:00:05,320 --> 00:00:10,200
Vandaag wil ik je drie belangrijke begrippen gaan uitleggen die je helpen om taalmodellen

3
00:00:10,200 --> 00:00:11,200
beter te gebruiken.

4
00:00:11,200 --> 00:00:16,600
Dat gaan Prompt Chaining, Multistep Prompt en Chain-of-Thought Prompt.

5
00:00:16,600 --> 00:00:21,760
En aan het eind van de aflevering vertel ik je welke van deze technieken mijn voorkeur

6
00:00:21,760 --> 00:00:22,760
heeft.

7
00:00:22,760 --> 00:00:29,160
Misschien herinner je je nog een vraag van een van onze luisteraars, Frits, die we bespraken

8
00:00:29,160 --> 00:00:31,600
in aflevering 63 van dit seizoen.

9
00:00:31,600 --> 00:00:33,680
Laten we die vraag even terughalen.

10
00:00:33,680 --> 00:00:39,000
De vraag van de leek is deze week.

11
00:00:39,000 --> 00:00:41,080
Hallo Niels, Joop.

12
00:00:41,080 --> 00:00:42,720
Mijn naam is Frits.

13
00:00:42,720 --> 00:00:47,400
Ik werk als IT manager bij PostNL en ik heb een vraag voor jullie.

14
00:00:47,400 --> 00:00:54,600
Hoe kan ik ChatGPT gebruiken om goede testplannen te schrijven om mijn aannames te testen?

15
00:00:54,600 --> 00:00:57,200
Nou, ik hoor heel graag van jullie.

16
00:00:57,200 --> 00:01:01,960
Frits vroeg ons om advies voor het maken van een testplan.

17
00:01:01,960 --> 00:01:09,040
En wat ik je ga vertellen vandaag geldt niet alleen maar voor het maken van een testplan,

18
00:01:09,040 --> 00:01:13,160
maar geldt net zo goed voor het maken van een presentatie, een marketingplan, het schrijven

19
00:01:13,160 --> 00:01:16,880
van beleid of zelfs voor het uitvoeren van een huiswerkopdracht.

20
00:01:16,880 --> 00:01:23,280
Deze drie technieken helpen je om elk van deze taken beter te organiseren en uit te

21
00:01:23,280 --> 00:01:24,280
voeren.

22
00:01:24,280 --> 00:01:27,360
Laten we beginnen met de eerste, met multi-step prompts.

23
00:01:27,360 --> 00:01:33,760
Een multi-step prompt houdt in dat je een stappenplan opstelt binnen één enkele prompt.

24
00:01:33,760 --> 00:01:35,920
Het is heel specifiek en taakgericht.

25
00:01:35,920 --> 00:01:41,000
Hoe kleiner de stappen in je stappenplan, des te beter kan het taalmodel deze stappen

26
00:01:41,000 --> 00:01:42,000
uitvoeren.

27
00:01:42,000 --> 00:01:45,000
Stel je voor dat je een taart gaat bakken.

28
00:01:45,000 --> 00:01:48,080
En je schrijft op stap 1 verzamel de ingrediënten.

29
00:01:48,080 --> 00:01:50,360
Stap 2 meng ze volgens het recept.

30
00:01:50,360 --> 00:01:52,280
Enzovoort enzovoort.

31
00:01:52,280 --> 00:01:57,920
Het taalmodel volgt deze instructies stap voor stap op.

32
00:01:57,920 --> 00:01:58,920
Multistep.

33
00:01:58,920 --> 00:02:04,800
En de multi-step prompt is denk ik de meest intuïtieve vorm van het beschrijven van een

34
00:02:04,800 --> 00:02:11,600
stappenplan, omdat we gewend zijn om zo zelf taken voor ons uit te voeren en op te schrijven.

35
00:02:11,600 --> 00:02:15,120
Ik pak niet voor niks het voorbeeld van een recept.

36
00:02:15,120 --> 00:02:21,960
Chain-of-thought prompting is een techniek waarbij het taalmodel niet alleen wordt gevraagd

37
00:02:21,960 --> 00:02:30,140
om het eind antwoord te geven, maar ook om de tussenliggende stappen of gedachten te

38
00:02:30,140 --> 00:02:33,000
genereren terwijl het probleem wordt opgelost.

39
00:02:33,000 --> 00:02:38,880
Dit geeft meer inzicht in het besluitvormingsproces van het model en is vooral nuttig voor taken

40
00:02:38,880 --> 00:02:41,840
die analyse, berekeningen of uitleg vereisen.

41
00:02:41,840 --> 00:02:46,720
Je zou dit letterlijk een denkstappenplan kunnen noemen.

42
00:02:46,720 --> 00:02:50,040
Hoe ziet zo'n chain-of-thought prompt er dan uit?

43
00:02:50,040 --> 00:02:53,160
Ik kan me voorstellen dat het best heel abstract is.

44
00:02:53,160 --> 00:02:57,200
Stel we gaan een chain-of-thought prompt maken voor een bedrijfsanalyse.

45
00:02:57,200 --> 00:03:00,520
En zo'n prompt zouden we schrijven als zijnde het volgende.

46
00:03:00,520 --> 00:03:06,600
Analyseer de mogelijke impact van de invoering van de 4-daagse werkweek op een middelgroot

47
00:03:06,600 --> 00:03:07,600
softwarebedrijf.

48
00:03:08,400 --> 00:03:16,120
Overweeg de effecten op productiviteit, werknemerstevredenheid, klantenservice en financiële resultaten.

49
00:03:16,120 --> 00:03:20,480
Denk hard op na terwijl je deze analyse uitvoert.

50
00:03:20,480 --> 00:03:24,720
Overweeg verschillende perspectieven en mogelijke scenario's.

51
00:03:24,720 --> 00:03:30,920
Leg uit waarom je bepaalde factoren belangrijk vindt en hoe ze met elkaar samenvatten.

52
00:03:30,920 --> 00:03:35,600
Beschrijf je denkproces terwijl je tot je conclusies komt.

53
00:03:35,600 --> 00:03:42,240
En vervolgens kun je stap voor stap nog zeggen wat je zou moeten doen.

54
00:03:42,240 --> 00:03:44,360
Structureer je analyse als volgt.

55
00:03:44,360 --> 00:03:45,360
1.

56
00:03:45,360 --> 00:03:47,120
Initiële gedachten en belangrijkste overwegingen.

57
00:03:47,120 --> 00:03:48,120
2.

58
00:03:48,120 --> 00:03:49,120
Analyse per aspect.

59
00:03:49,120 --> 00:03:50,120
3.

60
00:03:50,120 --> 00:03:52,560
Mogelijke uitdagingen en oplossingen.

61
00:03:52,560 --> 00:03:53,560
4.

62
00:03:53,560 --> 00:03:54,560
Eindconclusies en aanbevelingen.

63
00:03:54,560 --> 00:03:56,840
En dan voeg je er dus ook nog toe.

64
00:03:56,840 --> 00:04:03,280
Wees grondig in je uitleg en laat zien hoe je afwegingen maakt tussen verschillende factoren.

65
00:04:03,280 --> 00:04:10,920
Je ziet dat je vraagt naar het hardop nadenken en het krijgen van uitleg.

66
00:04:10,920 --> 00:04:17,360
Er zitten termen in als leg uit waarom, denk hard op, overweeg, analyseer.

67
00:04:17,360 --> 00:04:22,840
En dat is toch echt wel anders dan die multi-step prompt.

68
00:04:22,840 --> 00:04:26,880
Laten we even teruggaan naar het voorbeeld van Frits met zijn testplan.

69
00:04:26,880 --> 00:04:31,000
Net als bij je presentatie bepaal je eerst de hoofdlijnen.

70
00:04:31,000 --> 00:04:36,880
Welke onderwerpen moeten er in komen, waar gaat het over en wat wordt de verhaallijn?

71
00:04:36,880 --> 00:04:41,240
Hier werk je op een hoger abstractieniveau en verdeel je je werk in stukken.

72
00:04:41,240 --> 00:04:46,160
Dit kan lastig zijn want net zoals bij het bouwen van een huis is het moeilijk om tegelijkertijd

73
00:04:46,160 --> 00:04:49,800
de fundering te leggen en de details van het interieur te ontwerpen.

74
00:04:49,800 --> 00:04:52,440
Hetzelfde geldt voor een taalmodel.

75
00:04:52,440 --> 00:04:57,840
Dus als we zowel grote lijnen als details door elkaar heen in 1 keer proberen te vragen

76
00:04:57,840 --> 00:05:00,840
aan het model, krijg je vaak slechte resultaten.

77
00:05:00,840 --> 00:05:06,560
Dus beter is het om eerst de hoofdlijnen te bepalen en daarna de details in te vullen.

78
00:05:06,560 --> 00:05:09,640
En daar komt prompt chaining om de hoek kijken.

79
00:05:09,640 --> 00:05:17,680
Promptchaining is letterlijk een keten van prompts waarbij de uitvoer van de ene prompt

80
00:05:17,680 --> 00:05:19,920
dient als invoer voor de volgende.

81
00:05:19,920 --> 00:05:26,800
Stel je voor dat je een ketting van prompts gebruikt als een stappenplan op hoofdlijnen.

82
00:05:26,800 --> 00:05:31,920
Het is eerst een brainstorm met het taalmodel over de hoofdlijnen en zodra je daar tevreden

83
00:05:31,920 --> 00:05:34,320
mee bent, werk je de details uit.

84
00:05:34,320 --> 00:05:39,480
Je begint bijvoorbeeld met een prompt om de hoofdstukken van een boek te bepalen en gebruikt

85
00:05:39,480 --> 00:05:43,160
daarna een tweede prompt om per hoofdstuk de inhoud te schrijven.

86
00:05:43,160 --> 00:05:47,560
Zo ga je langzaam van een hoog abstractieniveau naar een concrete invulling.

87
00:05:47,560 --> 00:05:53,640
En de prompts die je hier weer voor gebruikt kunnen eenvoudige prompts zijn, maar natuurlijk

88
00:05:53,640 --> 00:05:57,520
ook onze multi-step prompts of chain-of-thought prompts.

89
00:05:57,520 --> 00:05:58,920
Net wat nodig is.

90
00:05:58,920 --> 00:06:03,720
Deze prompts ketenen aan elkaar tot een prompt chain.

91
00:06:03,720 --> 00:06:11,080
Het mooie van prompt chaining is dat je die kunt vastleggen maar vooral automatiseren.

92
00:06:11,080 --> 00:06:18,240
Stel dat je een proces herhaalderlijk wilt automatiseren, zoals het schrijven van een maandelijkse nieuwsbrief,

93
00:06:18,240 --> 00:06:24,560
dan kun je goed geteste prompts zowel voor de hoofdlijnen als de details telkens opnieuw

94
00:06:24,560 --> 00:06:25,560
gebruiken.

95
00:06:25,560 --> 00:06:30,800
Dan wordt het een beetje alsof je een AI-agent hebt die voor jou werkt.

96
00:06:30,800 --> 00:06:33,200
En dan nu mijn voorkeur.

97
00:06:33,200 --> 00:06:34,200
Dat had ik beloofd.

98
00:06:34,200 --> 00:06:37,920
Mijn voorkeur gaat uit naar prompt chaining.

99
00:06:37,920 --> 00:06:38,920
Waarom?

100
00:06:38,920 --> 00:06:43,880
Omdat het leidt tot herhaalbare processen die je controleerbaar kunt maken.

101
00:06:43,880 --> 00:06:46,960
Luister vooral even naar aflevering 70 voor het belang daarvan.

102
00:06:46,960 --> 00:06:54,000
Maar om het goed uit te voeren heb ik wel chain-of-thought prompts of multi-step prompts

103
00:06:54,000 --> 00:06:55,000
nodig.

104
00:06:55,000 --> 00:06:59,960
Zo zorg je ervoor dat je niet alleen een goede structuur hebt maar ook inzicht krijgt in

105
00:06:59,960 --> 00:07:01,400
hoe die structuur tot stand komt.

106
00:07:01,400 --> 00:07:09,360
Als je net als Frits vaker testplannen samen met AI wil schrijven zou ik adviseren om een

107
00:07:09,360 --> 00:07:11,400
gedegen prompt chain te ontwikkelen.

108
00:07:11,400 --> 00:07:15,880
Voor iedere schakel in je keten schrijf je herhaalbare prompts.

109
00:07:15,880 --> 00:07:22,520
Door deze aanpak te volgen creëer je een gestructureerd en grondig testplan waarbij elke stap voortbouwt

110
00:07:22,520 --> 00:07:23,520
op de vorige.

111
00:07:23,520 --> 00:07:30,360
Je kunt deze keten van prompts opslaan en hergebruiken voor toekomstige testplannen

112
00:07:30,360 --> 00:07:33,320
wat weer zorgt voor consistentie en efficiëntie in je werkproces.

113
00:07:33,320 --> 00:07:39,740
Het gebruik van prompt chaining in combinatie met die multi-step en chain-of-thought prompts

114
00:07:39,740 --> 00:07:44,520
stelt je in staat om complexe taken op te delen in hele beheersbare stappen.

115
00:07:44,520 --> 00:07:49,400
Dit verbetert niet alleen de kwaliteit van de output maar geeft je ook meer controle

116
00:07:49,400 --> 00:07:50,600
over het proces.

117
00:07:50,600 --> 00:07:57,880
Onthoud wel dat het perfectioneren van je prompt chains echt tijd en oefening kost.

118
00:07:57,880 --> 00:08:02,600
Dus experimenteer met verschillende formuleringen en structuren om te ontdekken wat het beste

119
00:08:02,600 --> 00:08:05,240
werkt voor jouw specifieke taken en doelen.

120
00:08:05,240 --> 00:08:10,160
En met de tijd zul je merken dat je steeds efficiënter en effectiever wordt in het aansturen

121
00:08:10,160 --> 00:08:12,560
van AI modellen voor je werk.

122
00:08:12,560 --> 00:08:16,720
Dankjewel voor het luisteren naar deze aflevering van AIToday live.

123
00:08:16,720 --> 00:08:21,280
Ik hoop dat deze uitleg over prompt chaining, multi-step prompts en chain-of-thought prompts

124
00:08:21,280 --> 00:08:24,720
je helpt om taalmodellen beter in te zetten voor je werk.

125
00:08:24,720 --> 00:08:28,880
Vergeet je niet te abonneren voor meer tips en inzichten over AI.

126
00:08:28,880 --> 00:08:30,080
Tot de volgende keer!

127
00:08:30,080 --> 00:08:32,080
[Muziek]