System prompt

Wat is een system prompt?

Een system prompt is de vaste set instructies die een AI-toepassing aan het taalmodel meegeeft voor het gesprek begint. Hij legt vast welke rol de assistent speelt, op welke toon hij antwoordt, wat buiten scope valt en hoe hij te werk gaat. De gebruiker ziet die instructies meestal niet, maar ze sturen elk antwoord.

Elke chatbot die je gebruikt heeft er een. Ook ChatGPT, Claude en Microsoft Copilot krijgen hun rol en regels via zo'n vaste set instructies mee. En zodra je zelf een assistent bouwt, in Copilot Studio of rechtstreeks op een API, schrijf je er zelf een. Het instructieveld dat je daar invult, wordt de system prompt van je agent.

Vergelijk het met de briefing die een nieuwe baliemedewerker op dag één krijgt: wie we zijn, hoe we klanten aanspreken, wat je zelf mag beslissen en wanneer je een collega erbij haalt. Elke klant die daarna aan de balie staat, wordt volgens die briefing geholpen.

Wat staat er in een system prompt?

De inhoud verschilt per toepassing, maar de meeste system prompts dekken vijf zaken af:

1. Rol en doelpubliek
   Wie is de assistent en voor wie werkt hij? "Je bent de supportassistent van een webshop in fietsonderdelen" stuurt woordkeuze en detailniveau meteen bij.

2. Toon
   Formeel of vlot, kort of uitgebreid, en in welke taal er geantwoord wordt.

3. Scope en weigeringen
   Welke onderwerpen behandelt de assistent, wat verwijst hij door en hoe klinkt een weigering?

4. Tools
   Welke systemen mag de assistent aanspreken, wanneer gebruikt hij die en wat doet hij nooit zonder bevestiging?

5. Outputformaat
   Vrije tekst, een vaste structuur of JSON dat een volgend systeem kan verwerken.

Concreet ziet dat er zo uit: "Je bent de supportassistent van Fietsdelen.be. Je antwoordt in het Nederlands, vriendelijk en in maximaal vier zinnen. Je behandelt enkel vragen over bestellingen, leveringen en retours; voor facturen verwijs je door naar de boekhouding. Je belooft nooit een leverdatum die niet in de bestelgegevens staat. Weet je iets niet zeker, zeg dat dan eerlijk en bied aan om een collega in te schakelen."

Wil je zien hoe dat er bij de grote spelers uitziet: Anthropic publiceert de system prompts van zijn eigen Claude-apps integraal online. Je ziet er meteen in hoeveel werk er kruipt in toon, weigeringen en randgevallen.

System prompt versus gebruikersprompt

De gebruikersprompt (user prompt) is wat iemand op dat moment intikt. Die verandert bij elke vraag. De system prompt staat vast en geldt voor elk gesprek. Anders gezegd: de gebruiker bepaalt waarover het antwoord gaat, de system prompt bepaalt hoe er geantwoord wordt. OpenAI vergelijkt het met een functie in code: de system prompt is de functiedefinitie, de vraag van de gebruiker zijn de argumenten die je erin stopt.

Technisch ziet het model beide gewoon als tekst in zijn context window. Het verschil zit in de rollabels die meegestuurd worden (system, user, assistant) en in hoe het model getraind is om daarmee om te gaan.

De praktische vuistregel: alles wat altijd moet gelden of gevoelig ligt (bedrijfsregels, beperkingen, veiligheidsafspraken) hoort in de system prompt. Wat per vraag verschilt, komt uit de gebruikersprompt.

System prompt of fine-tuning?

Soms lees je dat je een model moet fine-tunen om het je huisstijl of werkwijze aan te leren. Voor de meeste toepassingen is dat een omweg. Een system prompt aanpassen kost niets en staat meteen live. Fine-tuning vraagt trainingsdata, tijd en budget, en je begint opnieuw bij elke overstap naar een nieuwer model.

Begin dus altijd met de prompt. Pas wanneer je duizenden keren na elkaar exact dezelfde stijl of structuur nodig hebt en een goede prompt het plafond bereikt, wordt fine-tuning het overwegen waard.

Zit het probleem bij kennis die het model mist, dan lost geen van beide het op. Dan lever je die kennis aan via RAG of een gekoppelde databron.

Een instructie, geen slot

Modellen worden getraind om system-instructies te laten voorgaan op wat de gebruiker vraagt. Een team bij OpenAI beschreef dat in 2024 als een instructiehiërarchie: eerst de system prompt, dan de gebruiker, dan de output van tools. Botsen de instructies, dan hoort de laagste in rang te verliezen.

Hoort, want die voorrang zit in de training van het model en nergens anders. Met prompt injection kan een gebruiker, of een verstopte instructie in een document, het model overhalen om zijn system prompt te negeren. Binnen guardrails geldt daarom de regel: de system prompt is de goedkoopste beschermlaag en meteen ook de zwakste. Voor een interne assistent die alleen tekst genereert, volstaat dat vaak. Zodra er tools, klantendata of publieke gebruikers in het spel zijn, stapel je er extra lagen bovenop.

Hoe schrijf je een goede system prompt?

Schrijf concreet. "Antwoord in maximaal vier zinnen" stuurt harder bij dan "wees beknopt", en "verwijs vragen over facturen door naar de boekhouding" harder dan "help de klant waar mogelijk". Vage regels vult het model zelf in, en dat doet het elke keer anders.

Zeg vooral wat de assistent wel moet doen. Microsoft geeft die richtlijn mee voor Copilot-agents en ze geldt overal: een lijst verboden onderwerpen zonder alternatief laat het model raden wat dan wel de bedoeling is.

Neem voorbeelden op. Eén of twee voorbeeldvragen met het gewenste antwoord erbij sturen de output vaak meer bij dan een alinea extra regels.

En test. Bouw een vaste set testvragen op (evals) en draai die na elke wijziging, want één toegevoegde zin kan het gedrag elders doen kantelen. Zet daarom ook versiebeheer op je prompt: dan weet je achteraf welke aanpassing het verschil maakte, en kan je terug.

Waar moet je op letten bij het gebruik van een system prompt

Langer is zelden beter
Hoe meer regels je toevoegt, hoe minder gewicht elke regel krijgt. Een instructie die er echt toe doet, verdrinkt tussen tientallen die er ooit bij kwamen "voor de zekerheid". Snoeien is even belangrijk als schrijven.

Geheimen horen er niet in
Gebruikers krijgen met wat aandringen vaak stukken van de system prompt te zien. Behandel de inhoud dus als publiek: geen wachtwoorden, geen API-sleutels, geen interne klantinfo, geen commercieel gevoelige afspraken.

Elke wijziging vraagt een nieuwe test
Dat geldt voor je eigen aanpassingen, maar ook voor modelupdates: dezelfde prompt kan zich op een nieuwer model anders gedragen. Draai je testset voor je live gaat, niet erna.

FAQ over system prompts

1. Kan een gebruiker mijn system prompt te zien krijgen?
Ga daar maar van uit. Met de juiste vragen krijgen gebruikers vaak delen van de instructies naar boven. Zet er dus niets in dat niet publiek mag worden.

2. Hoe lang mag een system prompt zijn?
Er is geen vaste grens, al telt hij bij elke aanroep mee in het context window en dus in de kost. De system prompts van grote assistenten tellen duizenden woorden. Belangrijker dan de lengte: elke regel moet zijn plaats verdienen.

3. Is het instructieveld in Copilot Studio hetzelfde als een system prompt?
Ja, in de praktijk wel. De instructies die je daar schrijft, krijgt het onderliggende model als vaste opdracht mee, samen met de tools en kennisbronnen die je aan de agent koppelt.

4. Moet ik mijn system prompt herbekijken bij een nieuw model?
Ja. De tekst blijft dezelfde, het gedrag niet noodzakelijk. Nieuwere modellen volgen instructies soms strikter of net losser dan hun voorganger, dus draai je testset opnieuw voor je overschakelt.