Wat is Few-Shot Prompting?
Few-Shot Prompting is een manier om een AI-model te instrueren door een paar concrete voorbeelden in je prompt mee te geven, zodat het model snapt wat je bedoelt zonder dat je het opnieuw hoeft te trainen.
Wat is Few-Shot Prompting?
Few-Shot Prompting is een techniek waarbij je een taalmodel niet alleen vertelt wát je wilt, maar ook láát zien hoe je het wilt — door een paar voorbeelden in je prompt te stoppen. Stel je voor dat je een nieuwe collega uitlegt hoe jullie klantenservice-mails schrijven: je geeft niet alleen instructies, maar laat ook twee of drie concrete voorbeelden zien. Precies zo werkt Few-Shot Prompting.
In plaats van "Vertaal deze zin naar het Frans" schrijf je bijvoorbeeld:
Voorbeeld 1: Engels: The weather is nice today. Frans: Le temps est agréable aujourd'hui.
Voorbeeld 2: Engels: I love reading books. Frans: J'adore lire des livres.
Nu jij: Engels: She works in Amsterdam.
Het model ziet het patroon en levert: "Elle travaille à Amsterdam." Je hebt het model niet opnieuw getraind, maar wel getoond wat je verwacht.
Hoe werkt het eigenlijk?
Taalmodellen zoals GPT, Claude of Gemini zijn getraind op enorme hoeveelheden tekst. Ze hebben patronen geleerd: als A volgt, komt vaak B. Wanneer jij voorbeelden meegeeft in je prompt, activeert het model die patronen extra sterk — het herkent de structuur en past die toe op je nieuwe vraag.
De voorbeelden hoeven niet veel te zijn: vaak zijn twee tot vijf voorbeelden al genoeg om het model in de goede richting te sturen. Daarom heet het "few-shot" — weinig voorbeelden. Er is ook "zero-shot" (helemaal geen voorbeelden, alleen instructie) en "one-shot" (één voorbeeld).
Het mooie is dat je geen technische kennis nodig hebt. Je hoeft niet te programmeren of het model opnieuw te trainen. Je schrijft gewoon een prompt met voorbeelden, en het werkt — vaak meteen beter dan wanneer je alleen instructies geeft.
Waarom zou jij hier iets aan hebben?
Few-Shot Prompting helpt vooral wanneer je consistent output wilt, of wanneer je taak nét iets specifieker is dan wat het model uit zichzelf doet. Denk aan:
Klantcommunicatie: je wilt dat AI altijd op dezelfde toon reageert. Geef drie voorbeelden van goede antwoorden, en het model volgt die stijl.
Data omzetten: je hebt een lijst met productnamen en wilt ze allemaal in een bepaald formaat. Laat twee voorbeelden zien, en de AI doet de rest.
Classificatie: je wilt tweets sorteren in 'positief', 'neutraal' of 'negatief'. Geef per categorie twee voorbeelden, en het model snapt wat je bedoelt.
Creatieve taken: je wilt dat AI productbeschrijvingen schrijft in een bepaalde stijl. Laat zien hoe dat eruitziet, en het model imiteert dat.
Het scheelt je tijd en zorgt ervoor dat de AI beter begrijpt wat jij precies wilt — zonder dat je zelf moet gaan coderen of trainingsdata moet verzamelen.
Een voorbeeld uit de praktijk
Stel, je runt een webshop en wilt productreviews automatisch labelen als 'constructief' of 'niet-constructief' (om te beslissen welke je prominent toont). Je zou kunnen schrijven: "Label deze review als constructief of niet-constructief." Maar de AI weet niet precies wat jij onder 'constructief' verstaat.
Met Few-Shot Prompting doe je dit:
Voorbeeld 1: Review: "Mooie tas, maar de rits ging na 3 maanden kapot. Jammer." Label: Constructief
Voorbeeld 2: Review: "Waardeloos. Nooit meer." Label: Niet-constructief
Voorbeeld 3: Review: "Goede kwaliteit, iets aan de kleine kant. Bestel een maat groter." Label: Constructief
Nu jij: Review: "Levering duurde lang, maar product is prima."
Het model ziet dat 'constructief' betekent: specifieke informatie die andere klanten helpt. Het antwoord wordt: "Constructief." Zonder voorbeelden zou het model misschien twijfelen of gefocust zijn op de negatieve toon rond levering.
Waar kom je het tegen?
Few-Shot Prompting is geen aparte tool, maar een techniek die je toepast in vrijwel alle moderne AI-assistenten:
Je gebruikt het gewoon door je prompt slim op te bouwen. In zakelijke AI-toepassingen (zoals chatbots, data-analyse scripts, of contentgeneratoren) wordt Few-Shot Prompting standaard ingezet om consistentie te garanderen.
Zo ga je ermee aan de slag
Denk de volgende keer dat je met een AI werkt: "Kan ik een paar voorbeelden geven in plaats van alleen uitleggen?" Probeer het uit. Merk je dat de output niet klopt? Pas je voorbeelden aan — vaak zijn die belangrijker dan de instructie zelf. Kies voorbeelden die representatief zijn voor wat je wilt, en varieer ze net genoeg zodat het model het patroon ziet maar niet te rigide wordt.
Hoe meer je het toepast, hoe sneller je door hebt welke voorbeelden werken. En het mooie: het werkt voor bijna elke taak waarbij je consistentie of specifieke formatting zoekt.
Veelgestelde vragen over Few-Shot Prompting
De drie meest gestelde vragen over dit onderwerp, kort beantwoord.
Wat is Few-Shot Prompting?
Few-Shot Prompting is een manier om een AI-model te instrueren door een paar concrete voorbeelden in je prompt mee te geven, zodat het model snapt wat je bedoelt zonder dat je het opnieuw hoeft te trainen.
Waarom is Few-Shot Prompting belangrijk?
Few-Shot Prompting is een techniek waarbij je een taalmodel niet alleen vertelt wát je wilt, maar ook láát zien hoe je het wilt — door een paar voorbeelden in je prompt te stoppen. Stel je voor dat je een nieuwe collega uitlegt hoe jullie klantenservice-mails schrijven: je geeft niet alleen instructies, maar laat ook twee of drie concrete voorbeelden zien. Precies zo werkt Few-Shot Prompting.
Hoe wordt Few-Shot Prompting toegepast?
In plaats van "Vertaal deze zin naar het Frans" schrijf je bijvoorbeeld:
Besproken in artikelen
Waar lees je meer over Few-Shot Prompting op dit platform?
