Het belangrijkste bij GPT-4.1: dit model volgt instructies letterlijker en preciezer dan eerdere GPT-modellen. Waar GPT-4o nog vrij ruim de intentie uit je prompt afleidde, doet GPT-4.1 dat veel minder. Dat maakt het model sterk stuurbaar, maar het betekent ook dat je expliciet moet zijn. Werkt het gedrag niet zoals je wilt? Dan is een enkele, duidelijke zin die ondubbelzinnig aangeeft wat je verwacht bijna altijd genoeg om het model bij te sturen. Prompts die voor andere modellen zijn geoptimaliseerd werken hier vaak niet meteen, omdat impliciete regels niet meer zo sterk worden ingevuld.

Letterlijke instructievolging

Omdat GPT-4.1 instructies letterlijk neemt, moet je expliciet specificeren wat het model wel en niet moet doen. De aanbevolen werkwijze uit de documentatie:

• Begin met een sectie Instructions of “Response Rules” met hoofdregels in bullets.
• Voeg per specifiek gedrag een eigen subsectie toe (bijvoorbeeld # Sample Phrases).
• Moet het model een vaste volgorde aanhouden? Gebruik een genummerde lijst met stappen.
• Bij tegenstrijdige instructies volgt het model meestal die het dichtst bij het einde van de prompt staat, dus controleer op conflicten.

All-caps, fooien of “bribes” zijn doorgaans niet nodig; start zonder die trucs en gebruik ze alleen als het echt moet.

Agentic workflows: drie reminders

GPT-4.1 is geen reasoning model, maar je kunt het wel “eager” agent-gedrag ontlokken. OpenAI raadt drie soorten reminders aan in elke agent-prompt:

• Persistence — laat het model doorgaan tot de taak volledig is opgelost in plaats van vroegtijdig terug te geven aan de gebruiker.
• Tool-calling — laat het model bij twijfel zijn tools gebruiken om informatie op te halen in plaats van te gokken of te verzinnen.
• Planning (optioneel) — laat het model expliciet plannen en reflecteren tussen tool calls, “thinking out loud”.

Volgens de documentatie verhoogden deze drie simpele instructies de interne SWE-bench Verified-score met bijna 20%; expliciet plannen voegde daar nog eens 4% aan toe.

Tools via het API-veld, niet via de prompt

Geef tools mee via het tools-veld van de API, niet door schema’s handmatig in je system prompt te plakken. Dat geeft minder fouten en houdt het model “in distribution”. Geef tools duidelijke namen en een grondige maar bondige beschrijving in het description-veld. Heb je voorbeelden nodig, zet die dan in een aparte # Examples-sectie in je system prompt, niet in de description.

Long context en grounding

GPT-4.1 heeft een 1M-token context window. Bij lange context is de plaatsing van je instructies belangrijk: zet ze idealiter zowel boven als onder de aangeleverde context. Kan het maar één keer? Dan werkt boven de context beter dan eronder. Stuur ook bewust op grounding: wil je dat het model alleen de meegegeven documenten gebruikt, instrueer dat dan letterlijk (bijvoorbeeld: antwoord “I don’t have the information needed to answer that” als het antwoord niet in de context staat). Voor documenten in de context presteert XML of het formaat ID: 1 | TITLE: ... | CONTENT: ... goed; JSON presteert juist slecht.

Promptstructuur

Een goed startpunt voor je promptopbouw volgens de documentatie:

# Role and Objective
# Instructions
## Sub-categories for more detailed instructions
# Reasoning Steps
# Output Format
# Examples
# Context
# Final instructions and prompt to think step by step

Gebruik Markdown als uitgangspunt voor delimiters; XML werkt ook goed voor nesten en metadata.

De KOMPAS-methode sluit hier naadloos op aan: omdat GPT-4.1 zo letterlijk leest, beloont het juist een prompt met een heldere rol, expliciete instructies, concrete context en een afgebakend outputformaat — precies de bouwstenen die KOMPAS afdwingt. Wil je je eigen prompt hierop laten toetsen, gebruik dan de gratis prompt-coach. Wil je dieper leren prompten voor agentic en lange-context-taken, kijk dan bij onze coaching. Gebaseerd op de officiële documentatie van OpenAI.