Waarom Re-Prompting bestaat (en waarom je het meer gebruikt dan je denkt) De "klassieke" LLM-interactie is een-en-een: 
 
 Je typt: “Schrijf me een artikel over duurzaamheid.” Het model reageert met een generieke schoolessay. Je typt: “Schrijf me een artikel over duurzaamheid.” Het model reageert met een generieke schoolessay. Dat is geen modelprobleem, dat is een . spec problem (heruitgeven van een verfijnde prompt na het zien van de eerste output) is de praktische brug van: Re-prompting 
 
 menselijke intentie → machine-leesbare instructie → bruikbare output Zo kom je van "er is een output" naar "deze output is correct, gestructureerd en verzendbaar." Re-Prompting, gedefinieerd Het is de praktijk van Vervolgens opnieuw uitvoeren om een beter resultaat te krijgen. Re-prompting adjusting the prompt’s content, structure, or constraints after inspecting the model’s first response Belangrijk punt: het is De eerste uitgang is niet ‘het antwoord’. . feedback-driven telemetry Een klein voorbeeld “Schrijf iets over klimaatverandering.” Prompt v1:  generic overview, no angle, no audience fit. Output: Schrijf een 350-450 woorden verklarer voor De klimaatverandering omvat: Prompt v2: UK secondary school students 
 
 twee oorzaken, 2) twee effecten, 3) drie dagelijkse acties die studenten kunnen nemen, en 4) eindigen met een oproep tot actie in één zin. Hetzelfde model. verschillend resultaat. omdat de spec realistisch werd. Waarom Single-Prompting faalt (en Re-Prompting niet) Enkele aanwijzingen veronderstellen dat je volledig kunt voorspellen wat je nodig hebt vooruit. 
 
 
 
 
 
 
 
 
 
 
 Dimension 
 Single Prompt 
 Re-Prompting 
 
 
 
 
 Interaction 
 One-way 
 Feedback loop 
 
 
 
 
 Info base 
 Only initial intent 
 Intent + output defects 
 
 
 
 
 Goal 
 “Get an answer” 
 “Get the right answer” 
 
 
 
 
 Best for 
 Simple asks 
 Fine-grained or high-stakes output Interactie Eenweg Feedback loop Info basis Alleen de oorspronkelijke intentie Intentie + uitvoer tekortkomingen Doel ‘Krijg een antwoord’ ‘Krijg het juiste antwoord’ Het beste voor Eenvoudige vragen Fine-grained of high-stakes output De echte waarde: wat Re-Prompting je koopt 1) Lagere toegangsbarrière Je hoeft niet op de eerste dag een snelle tovenaar te zijn. . iterate 2) Dynamische kalibratie voor complexe vragen Brand voice, product marketing, technisch schrijven, samenvattingen van beleidslijnen – dit zijn Re-prompting stelt u in staat om de toon en structuur snel te tonen. moving targets 3) Meer consistente output Temperatuur, bemonstering en willekeurigheid van het model kunnen leiden tot drift. (“geen slang”, “gebruik kogels”, “inclusief aanvaardingscriteria”) vermindert variantie. constraints Wanneer moet je opnieuw prompt? een praktische triggerlijst Niet elke reactie verdient een andere ronde, maar deze doen het: 1) De output mist het kerndoel Het spreekt over het onderwerp, maar negeert de reden waarom je het vraagt. Signal: Schrijf verkooppunten voor een wandelhorloge waarvan het belangrijkste kenmerk is Gericht op Britse wandelaars.” Example ask: 72-hour battery paragrafen over esthetiek en riemmateriaal; batterijen nauwelijks genoemd. Bad output: Je hebt de "batterij + wandeling context" niet onderhandelbaar gemaakt. Why you re-prompt: 2) Het formaat is verkeerd Je vroeg om iets dat machine-gebruikbaar was, je kreeg prose. Signal: "Zet deze telefoonspecificaties in een Markdown-tabel met kopjes » » Example ask: Model | RAM | Storage Een getallenlijst. Bad output: de opmaak moet expliciet zijn, en vaak profiteren van een . Why you re-prompt: mini example 3) Er zijn logische of conceptuele fouten verkeerde definities, tegenstrijdigheden, of “klinkt goed” maar is het niet. Signal: “Vertel Chain-of-Thought aanmoedigend met een voorbeeld uit de wiskunde.” Example ask: zegt CoT betekent “geef het antwoord direct” en gebruikt Zoals het ‘voorbeeld’. Bad output: 2+3=5 Uw prompt heeft de definitie niet verankerd en u hebt geen correct exemplaar verstrekt. Why you re-prompt: 4) Het is te kort of te lang Je vroeg om stappen, kreeg een zin, of vroeg om een samenvatting, kreeg een essay. Signal: “Detailed” en “short” zijn geen instructies. ze zijn vibes. . Why you re-prompt: structure and word limits De 5-stapsloop: draai re-prompting in een systeem Hier is een framework dat iteratie houdt van willekeurig thrashing. Stap 1: Evalueer de output (met een 3-assige checklist) Gebruik deze drie assen elke keer: 
 
 
 
 
 
 
 
 
 
 Axis 
 What you’re checking 
 Example failure 
 
 
 
 
 Accuracy 
 Does it solve the actual problem? 
 Deletes the wrong rows when asked to handle missing values 
 
 
 
 
 Format 
 Is it structured as requested? 
 No code comments / no table / wrong schema 
 
 
 
 
 Completeness 
 Did it cover every must-have point? 
 Handles missing values but ignores outliers Precisie Heeft het het werkelijke probleem opgelost? Verwijdert de verkeerde rijen wanneer u wordt gevraagd om te gaan met ontbrekende waarden Het formaat Is het gestructureerd zoals gevraagd? Geen code opmerkingen / geen tabel / verkeerd schema Volledigheid Heeft het alle must-have punten gedekt? Beheert ontbrekende waarden, maar negeert outliers Pro-tip: schrijf een snelle "defectlijst" zoals een QA-ingenieur zou doen: . Goal Drift / Format Break / Missing Points / Wrong Concepts / Verbosity Stap 2: Traceer het defect terug naar de prompt De meeste uitgangsfalen komen van prompte oorzaken die u kunt repareren. 
 
 
 
 
 
 
 
 
 
 
 Defect 
 Likely prompt cause 
 Example 
 
 
 
 
 Goal drift 
 vague priorities 
 didn’t state the   selling point primary 
 
 
 
 
 Format break 
 format not explicit 
 “organise this” ≠ “Markdown table with headers…” 
 
 
 
 
 Logic error 
 wrong / missing definition 
 didn’t anchor the concept and example 
 
 
 
 
 Too brief 
 no structure requirement 
 didn’t specify steps, length, sections Doel Drift Vage prioriteiten niet aangegeven de Verkooppunt Primaire Format breken Format niet expliciet “organiseer dit” ≠ “Markdown tafel met headers...” Logische fout Onjuiste / ontbrekende definitie niet verankerd het concept en voorbeeld Te kort Geen structurele vereisten niet gespecificeerd stappen, lengte, secties Belangrijke gedachtewisseling: Schuld aan de spec. don’t blame the model first Stap 3: Breng een van de 4 hooggewicht aanpassingen toe Strategie A: toevoegen van context + beperkingen (fix vagueness / goal drift) Voeg toe: publiek, scenario, prioriteit, verboden inhoud, vereiste punten. “Schrijf een eco-artikel” "Schrijf 400 woorden voor UK Year 9 studenten, school recycling context, met inbegrip van 3 actieve tips, vriendelijke toon, geen jargon, eindig met een oproep tot actie." Before: After: Strategie B: Maak het formaat uitvoerbaar (fixes format break) Type + schema + voorbeeld. After prompt snippet: Return a Markdown table exactly like this:
| Model | RAM | Storage |
|---|---|---|
| Example | 8GB | 128GB |
 Strategie C: Voorbeelden toevoegen of corrigeren (misverstanden oplossen) Als het model verward is, . show it the pattern Example for Chain-of-Thought (correct pattern): 
 
 
 
 Sam heeft vijf appels, eet twee, koopt drie. Redenen: 5 − 2 = 3, 3 + 3 = 6 Antwoord: 6 Strategie D: Controle detail met structuur + grenzen (fixes verbosity) Specificeer secties, kogel tellen, woorden limieten, en wat "voltooid" eruit ziet. “Explain Few-Shot prompting in Voor elke stap: De max .” Prompt snippet: 3 steps 1 sentence 20 words Stap 4: Valideren (en dan beslissen of u opnieuw itereren) Voer de prompt opnieuw uit. Opnieuw scoren tegen dezelfde 3 assen. Stop when: 
 
 
 
 Het kerndoel is bereikt, Het formaat is correct, Geen grote logische fouten. Ga niet op zoek naar ‘perfect’ Chase . usable Als je nog steeds ontevreden bent na 5, is de vereiste mogelijk onderschreven of heb je misschien een ander model/tooling nodig. Rule of thumb: Stap 5: Template de winst (zodat je nooit opnieuw vanaf nul begint) Zodra het betrouwbaar werkt, bevriezen als een : prompt template 
 
 
 Vaste onderdelen: instructies, structuur, formateringsregels Variabele delen: vulbare velden zoals {audience}, {constraints}, {inputs} Example: Python data-cleaning prompt template Generate Python code that meets this spec:
​
1) Goal: {goal}
2) Input: {input_description}
3) Requirements:
   - Use pandas
   - Handle missing values using {method}
   - Handle outliers using {outlier_rule}
4) Output rules:
   - Include comments for each step
   - End with 1–2 lines on how to run the script
   - Wrap the code in a Markdown code block
 Dit is hoe u verbindingen opnieuw aanroept: u bouwt een bibliotheek van aanroepen die zich gedragen als hulpmiddelen. Een volledige iteratie walkthrough Laten we iets reëels bouwen: Maar dat doe je als een operator. 3 promo posts for a bubble tea brand Ronde 0: Prompt dat faalt “Schrijf 3 sociale berichten voor Sweet Sprout Bubble Tea.” Prompt: herhaaldelijk, blank, geen hooks, geen platform tips. Output: Evaluatie 
 
 
 
 Nauwkeurigheid: Vague Brand Fit Format: geen hashtags, geen CTA Volledigheid: technisch gezien 3 posts, maar nul differentiatie Ronde 1: Brandfuncties toevoegen + platformformaat Re-prompt: 
 
 
 
 
 
 Brand: low-sugar, 0-cal opties De taro boba melk thee Shop vibe: Instagrammable interieur Stijl: energiek, emojis, eindig met 2-3 hashtags Differentiation: each post focuses on  (1) taste, (2) photos, (3) low-cal Maar het ontbreekt nog steeds aan “do something now”. Output improves Ronde 2: Voeg actie-trigger toe (locatie + promo) Wij voegen toe: 
 
 
 
 Locatie: Centrum van Manchester Promo: BOGOF tot 31 oct CTA: “kom langs na het werk / dit weekend” De output wordt nu inzetbaar. Veel voorkomende fouten (en hoe je je leven niet kunt verspillen) Fout 1: alles tegelijk veranderen Je kunt niet leren wat werkte als je de hele prompt elke keer muteren. Bij iteratie dus. one major variable Fout 2: “Het model is slecht” als uw standaarddiagnose Meestal heeft uw prompt niet gespecificeerd: 
 
 
 
 
 
 Prioriteit Formateren Beperkingen Voorbeelden Succescriteria Fout 3: Oneindige iteratie achtervolgen perfectie Stel een stopregel in. Als het correct en bruikbaar is, stuur het. Fout 4: niet opslaan van de laatste prompt Als de taak zich herhaalt, is een sjabloon meer waard dan een groot eenmalig antwoord. Fout 5: het kopiëren van dezelfde prompt over verschillende platforms Wat werkt op Hacker News zal floppen op TikTok. In de snelle. platform constraints Tooling en workflow tips 
 
 
 
 
 Bewaar een “defect → fix” cheat sheet (format ontbreekt → schema + voorbeeld toevoegen; herhaling → verschillende hoeken opleggen; concept fout → definitie + voorbeeld toevoegen). Test op 3-5 outputs voordat u massa genereert 50. Opslag van prompts in een sjabloonsysteem (Notion, Obsidian, zelfs een git repo). Als u in een team werkt: volg promptversies zoals code. Laatste Take Re-prompting is geen truc, het is de workflow. Als het aanmoedigen van het schrijven vereisten is, - Gebruik de output van het model als uw foutlogs.Wanneer u het systematisch doet, stopt u met "ChatGPT dingen vragen" en begint u met bouwen Je kunt echt schepen. re-prompting is debugging those requirements reliable text-and-code generators

This story contains AI-generated text. The author has used AI either for research, to generate outlines, or write the text itself. 

Read My Stories

Deze audio wordt geproduceerd in de originele taal van het verhaal!

Re-Prompting: de loop die "Meh" LLM-output verandert in productie-ready resultaten

About Author

OPMERKINGEN

LABELS

DIT ARTIKEL WERD GEPRESENTEERD IN

Related Stories

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps