Auteur: Sam

Hoe schrijf je een goede prompt? Kort gezegd: je geeft de AI context, een heldere opdracht en een vorm waarin het antwoord moet komen. De meeste teleurstellende output komt niet doordat het model dom is, maar doordat de prompt te vaag was. “Schrijf iets over gezond eten” levert een grijze brij. “Schrijf een weekmenu voor twee personen, budget 60 euro, geen vis” levert iets dat je kunt gebruiken.

Ik werk met de KOMPAS-checklist: zes onderdelen die je langsloopt voordat je op enter drukt. Niet elke prompt heeft ze alle zes nodig, maar zodra een antwoord tegenvalt, ontbreekt er meestal eentje. Een goede prompt is je kompas — hij wijst het model de richting op.

De zes onderdelen van KOMPAS

KOMPAS staat voor Kader, Opdracht, Materiaal, Paalwerk, Afwerking en Sturing. Loop ze van boven naar beneden door.

• Kader — de rol en de situatie. Wie moet de AI zijn, voor wie schrijf je, wat is de context? “Je bent een ervaren boekhouder die uitlegt aan een zzp’er zonder financiële achtergrond.”
• Opdracht — wat moet er gebeuren, in één duidelijke werkwoordzin. “Vat deze tekst samen”, “schrijf drie varianten”, “vind de fout in deze code”. Eén hoofdtaak per prompt werkt het best.
• Materiaal — de input waarmee het model werkt. Je tekst, je data, je voorbeelden. Plak het er letterlijk bij in plaats van het te omschrijven.
• Paalwerk — de grenzen en regels. Lengte, wat juist niet, welke toon, welke taal. “Maximaal 150 woorden, geen jargon, je-vorm.”
• Afwerking — de vorm van het antwoord. Een tabel, een lijst met vijf punten, JSON, een e-mail met onderwerpregel. Vraag expliciet om de structuur die je wilt.
• Sturing — bijsturen na het eerste antwoord. “Korter”, “concreter”, “geef een voorbeeld bij punt 2”. Prompten is zelden in één keer raak.

KOMPAS als invulkaart

Hieronder staat KOMPAS als snelle invulkaart. Loop de zes rijen van boven naar beneden langs en vul per rij één zin in. Wat je overhoudt, is je prompt. Handig om te bewaren of naast je scherm te leggen.

Wil je niet handmatig langs zes rijen? Plak je prompt in de gratis prompt-coach — die controleert automatisch of alle zes onderdelen erin zitten en herschrijft de zwakke plekken.

Van vaag naar scherp: een voorbeeld

Stel je wilt een productbeschrijving. De luie versie: “Schrijf een productbeschrijving voor mijn koffiemok.” Wat krijg je? Generieke marketingtaal die op elke mok past.

Nu met KOMPAS erin verwerkt:

“Je bent een copywriter voor een kleine cadeauwinkel (Kader). Schrijf een productbeschrijving voor een handgemaakte keramiek koffiemok (Opdracht). Details: 350 ml, vaatwasserbestendig, mat zwart glazuur, gemaakt door een lokale pottenbakker (Materiaal). Maximaal 80 woorden, warme maar nuchtere toon, geen holle superlatieven (Paalwerk). Lever een pakkende kop plus twee korte alinea’s (Afwerking).”

Het verschil is groot, en je hebt er geen trucjes voor nodig. Je hebt alleen verteld wat je écht in je hoofd had. Dat is het hele punt: de AI kan niet raden wat jij niet opschrijft. Wil je dit oefenen op je eigen prompts? Plak ze in de gratis prompt-coach — die scoort je prompt en herschrijft hem volgens KOMPAS.

Veelgemaakte fouten

Een paar valkuilen die ik telkens terugzie, bij beginners en gevorderden:

• Te veel tegelijk vragen. Drie taken in één prompt geeft drie halve antwoorden. Splits ze op.
• Context weglaten omdat het “vanzelf spreekt”. Voor jou wel, voor het model niet. Het weet niets van jouw bedrijf, doelgroep of vorige gesprek tenzij je het erbij zet.
• Niet om een vorm vragen. Zonder gevraagde structuur krijg je standaard een lap proza. Vraag om een tabel of lijst als je dat nodig hebt.
• Stoppen na het eerste antwoord. Het eerste resultaat is een ruwe versie. Sturen hoort erbij — dat is de S in KOMPAS.

Werk je met meerdere modellen, dan helpt het te weten dat ChatGPT, Claude en Gemini elk net iets anders reageren op dezelfde prompt. De checklist blijft hetzelfde, maar de toon van het antwoord verschilt. Meer hierover lees je in betere prompts schrijven.

Waarom een vaste checklist sneller werkt

Het lijkt extra werk om zes onderdelen langs te lopen. In de praktijk bespaart het tijd, omdat je minder vaak hoeft te herstellen. Een prompt die in één keer raak is, scheelt je drie rondjes bijsturen. En zodra de checklist erin zit, doe je het op de automatische piloot — je merkt na een week dat je vanzelf rol, opdracht en vorm benoemt.

Voor wie het structureel onder de knie wil krijgen — denk aan werk, content of vibe coding met tools als Cursor of Lovable — werkt het sneller met begeleiding. In de coaching oefenen we op jouw eigen taken, niet op losse voorbeelden uit een cursus.

Veelgestelde vragen

Wil je weten hoe sterk jouw prompt nu scoort? Gooi hem in de gratis prompt-coach voor directe feedback, of bekijk de coaching als je het samen wilt oefenen op je eigen werk.

De beste manier om vibe coding te snappen is iets bouwen. Niet lezen over wat het kán, maar een echt project afmaken. Hieronder vind je zeven concrete vibe coding voorbeelden die je vanavond nog kunt starten, gerangschikt van simpel naar pittiger. Geen abstracte theorie, maar projecten met een duidelijk eindresultaat en de aanpak die je nodig hebt om er te komen.

Voor elk voorbeeld krijg je het idee, waarom het goed oefenmateriaal is, en waar je op moet letten in je prompts. Bouw ze in volgorde, of pak het project dat je het meest aanspreekt. De vaardigheid groeit vanzelf zodra je de eerste hebt afgerond.

1. Een persoonlijke landingspagina

Begin klein maar af. Vraag de AI om een one-page site over jezelf: een korte intro, drie dingen waar je goed in bent, en een contactknop. Dit voelt misschien te basaal, maar het leert je het belangrijkste: hoe je een vaag idee omzet in een concrete opdracht.

De valkuil is dat beginners te weinig zeggen. “Maak een site over mij” levert generieke onzin op. Geef in plaats daarvan kleur, toon en inhoud mee: wie ben je, wie moet het lezen, welke sfeer wil je. Hoe specifieker je kader, hoe minder je hoeft te corrigeren. Dit is precies waar mijn uitleg over vibe coding dieper op ingaat.

2. Een to-do app die in je browser blijft staan

Een takenlijst is het klassieke oefenproject, en met reden. Je leert hier interactie: items toevoegen, afvinken, verwijderen. Vraag erbij dat de lijst bewaard blijft als je de pagina ververst, zodat je werk niet verdwijnt.

Wat dit voorbeeld waardevol maakt, is dat je leert in stappen te bouwen. Begin met toevoegen en tonen. Werkt dat, vraag dan om afvinken. Dan verwijderen. Dan bewaren. Eén ding per keer. Probeer je alles tegelijk, dan wordt de fout moeilijk te vinden als er iets misgaat. Klein houden is de hele truc.

3. Een rekentool of calculator voor jouw vak

Heb je een berekening die je vaak met de hand of in Excel doet? Bouw er een tooltje van. Een offertecalculator, een tipsplitter, een uurtarief-rekenmachine. Dit is een van de nuttigste vibe coding voorbeelden omdat het iets oplost wat je echt gebruikt.

De sleutel zit in de logica vooraf uitschrijven. Vertel precies wat er ingaat, wat eruit moet komen, en welke formule ertussen zit. AI raadt anders de regels, en dan klopt de uitkomst niet. Schrijf de rekenstappen op in gewone taal voordat je laat bouwen:

• Welke velden vult de gebruiker in
• Welke berekening daarop volgt
• Wat het resultaat is en hoe het getoond wordt

4. Een quiz of keuzehulp

Een paar vragen, en aan het eind een uitkomst of advies. Denk aan “welk type ben jij” of een keuzehulp die naar het juiste product wijst. Dit project leert je werken met meerdere schermen en met een eindresultaat dat afhangt van de antwoorden.

Bepaal vooraf hoeveel vragen je stelt en welke uitkomsten mogelijk zijn. Geef de AI de exacte vragen en de logica achter de uitslag. Hoe duidelijker je dat aanlevert, hoe beter het werkt. Dit is ook een mooi moment om te oefenen met bijsturen: laat eerst de structuur bouwen, test of de stappen kloppen, en vraag daarna pas om opmaak.

5. Een eenvoudig dashboard met je eigen data

Heb je cijfers die je wilt overzien? Maandomzet, sportresultaten, leesvoortgang? Bouw een dashboardje dat ze in een grafiek of overzicht toont. Je leert hier hoe je data invoert en visueel terugkrijgt.

Begin met verzonnen voorbeeldgetallen zodat je snel iets ziet werken. Vervang die pas door je echte cijfers als de weergave klopt. Dit voorkomt dat je vastloopt op data terwijl je eigenlijk nog aan de vorm werkt. Werk in lagen: eerst tonen, dan mooier maken.

6. Een mini-webshop of productpagina

Een productoverzicht met een paar items, een knop “in winkelmand”, en een totaalbedrag dat meetelt. Een echte betaling hoef je niet te bouwen om de logica te oefenen. Dit project combineert alles uit de vorige: tonen, interactie, berekenen, bewaren.

Omdat het complexer is, wordt het uitsplitsen belangrijker dan ooit. Bouw eerst de productlijst. Dan de mandfunctie. Dan het totaal. Test na elke stap of het nog werkt. Loopt het vast, ga dan terug naar de laatste werkende versie in plaats van door te stapelen op iets dat al kapot is.

7. Een tool die je dagelijkse werk versnelt

Het krachtigste voorbeeld is iets uit je eigen praktijk. Een generator die standaardteksten opstelt, een planner, een omrekentool voor jouw branche. Dit is waar vibe coding van speelgoed naar gereedschap gaat: je bouwt iets wat tijd bespaart.

Hiervoor moet je je eigen proces goed kennen. Beschrijf je huidige werkwijze stap voor stap, en laat de AI dat omzetten in een tool. Hoe scherper jij je werkproces in woorden vangt, hoe bruikbaarder het resultaat. Dat is geen toeval, en het is precies de vaardigheid die je verder brengt. Wil je gericht oefenen met zulke prompts, dan helpt vibe coding leren je op weg.

Wat al deze voorbeelden gemeen hebben

De projecten verschillen, de aanpak niet. Telkens geldt: bouw in kleine stappen, test na elke stap, en houd je prompt concreet. De kwaliteit van wat je bouwt hangt direct af van hoe helder je opdracht is. Een vage vraag geeft een vaag resultaat, hoe slim het model ook is.

Daar zit ook de echte les. Vibe coding is niet “de computer doet het werk”, maar “jij denkt scherp na en de computer voert het uit”. Wie leert helder te formuleren, bouwt sneller en betere dingen. Twijfel je of jouw prompt goed genoeg is? Test hem in de gratis prompt-coach en zie meteen waar het scherper kan.

Veelgestelde vragen

Klaar om te bouwen? Test eerst je prompt gratis in de prompt-coach en zie direct waar hij scherper kan. Wil je het in een paar sessies onder de knie krijgen, kijk dan naar de coaching, waar we samen aan jouw eigen projecten werken.

Je schrijft een prima prompt voor ChatGPT, en dan probeer je hetzelfde trucje in Midjourney. Resultaat: een vage, willekeurige afbeelding die niks met je idee te maken heeft. Dat ligt niet aan jou. AI prompts voor beeld en video volgen andere regels dan tekstprompts. Een taalmodel redeneert; een beeldmodel kijkt. Het wil weten wát het ziet, hóé het belicht is en vanuit welke hoek — niet welke opdracht je het geeft.

In dit artikel laat ik zien waar beeld- en videoprompts echt van tekst verschillen, en hoe je Midjourney en Veo gericht aanstuurt. Met voorbeelden die je meteen kunt kopiëren en aanpassen.

Waarom AI prompts voor beeld en video anders werken dan tekst

Bij tekst stuur je een redenering aan. Je geeft een rol, een taak en een format, en het model denkt mee. Bij beeld geef je een beschrijving van iets dat moet bestaan. Het model vult de gaten op met het meest waarschijnlijke plaatje — en dat is zelden wat jij in je hoofd had.

Drie verschillen die alles bepalen:

• Beschrijven in plaats van opdragen. “Maak een mooie foto van een hond” is een opdracht. “Golden retriever, nat van de regen, op een verlaten strand bij zonsondergang” is een beschrijving. Het tweede werkt.
• Beeldtaal in plaats van instructies. Lenskeuze, licht, materiaal, camerahoek — dat zijn de woorden waar een beeldmodel op getraind is. “Professioneel” zegt het niks; “85mm lens, zacht zijlicht” wel.
• Negatieve sturing. Bij tekst zeg je wat je wilt. Bij beeld is wat je níét wilt minstens zo belangrijk — denk aan extra vingers, tekst in beeld of een rommelige achtergrond.

Wil je eerst je tekstprompts op orde? Lees dan de basis van goede AI-prompts — die principes blijven gelden, maar voor beeld bouw je er een laag bovenop.

De zes bouwstenen van een goede beeldprompt

Een sterke beeldprompt is geen losse zin maar een opbouw. Ik gebruik zes vaste lagen — ze sluiten naadloos aan op de KOMPAS-methode die ik in mijn coaching leer.

• Onderwerp. Wat staat er centraal? Wees specifiek: niet “een vrouw”, maar “een vrouw van rond de zestig met grijs haar in een werkschort”.
• Stijl. Foto, illustratie, 3D-render, aquarel? Noem desnoods een genre: “editorial portretfotografie” of “vlakke vectorillustratie”.
• Licht. De grootste hefboom voor sfeer. “Zacht ochtendlicht door een raam”, “hard neonlicht”, “tegenlicht bij zonsondergang”.
• Compositie. Kader en standpunt. “Close-up”, “van bovenaf”, “rule of thirds”, “veel negatieve ruimte links”.
• Sfeer en kleur. “Warme tinten”, “koel en klinisch”, “gedempt pastel”.
• Parameters. De technische knoppen die per tool verschillen (zie hieronder).

Voorbeeld dat alle lagen combineert:

“Editorial foto van een oudere bakker die deeg kneedt in een ouderwetse bakkerij, meel in de lucht, warm ochtendlicht door een stoffig raam, close-up vanaf taillehoogte, warme bruintinten, 50mm lens, ondiepe scherptediepte”

Midjourney: parameters die het verschil maken

Midjourney leest je beschrijving van links naar rechts — wat vooraan staat weegt zwaarder. Daarna komen de parameters, de stukjes achter een dubbele streep waarmee je technisch bijstuurt.

• –ar bepaalt de verhouding. --ar 16:9 voor breed, --ar 2:3 voor portret, --ar 1:1 vierkant.
• –stylize regelt hoeveel artistieke vrijheid het model neemt. Laag (bijvoorbeeld 50) blijft dicht bij je tekst, hoog (750+) wordt mooier maar eigenwijzer.
• –chaos bepaalt de variatie tussen de vier resultaten. Hoog als je wilt verkennen, laag als je een vast idee hebt.
• –no is je negatieve sturing. --no text, watermark houdt rommel uit beeld.

Een complete Midjourney-prompt ziet er dan zo uit:

“cozy Scandinavian living room, low winter sun, knitted throw on a linen sofa, plants on the windowsill, soft film grain –ar 3:2 –stylize 250 –no clutter, text”

Tip: verander één ding per keer. Pas je eerst de lichtbeschrijving aan, dan de stijl, dan een parameter. Zo leer je wat welke knop doet in plaats van te gokken.

Veo: van stilstaand beeld naar beweging

Bij video komt er een dimensie bij die foto’s niet hebben: tijd. Een Veo-prompt beschrijft niet alleen een scène, maar ook wat erin beweegt en hoe de camera meebeweegt. Dat maakt het lastiger — en interessanter.

Drie extra lagen bovenop je beeldprompt:

• Onderwerpsbeweging. Wat doet het onderwerp? “Loopt langzaam naar de camera”, “kijkt op van haar boek”, “blaadjes waaien voorbij”.
• Camerabeweging. Hier zit veel sturing. “Langzame dolly-in”, “static shot”, “handheld, lichte beweging”, “drone die opstijgt”, “pan naar links”. Filmtaal werkt het beste.
• Ritme en duur. Houd één scène simpel. Een clip van een paar seconden kan niet drie dingen tegelijk vertellen. Eén actie, één camerabeweging.

Een Veo-prompt voor een korte sfeerclip:

“Een kop koffie op een houten tafel bij een regenachtig raam, stoom kringelt langzaam omhoog, regendruppels lopen over het glas op de achtergrond. Statisch shot, ondiepe scherptediepte, warm binnenlicht, rustige sfeer.”

En een met beweging:

“Een vrouw fietst over een dijk bij zonsondergang, haar haar waait in de wind. Camera volgt haar van opzij in een trage tracking shot, gouden tegenlicht, filmische kleurgradatie.”

Merk op: één onderwerp, één duidelijke beweging, één camerabeweging. Zodra je er meer in propt, raakt het model de draad kwijt en wordt de beweging schokkerig.

Veelgemaakte fouten — en hoe je ze voorkomt

• Te veel willen in één beeld. Vijf onderwerpen, drie acties, twee stijlen. Kies één hoofdidee en bouw daaromheen.
• Vaag taalgebruik. “Mooi”, “professioneel”, “high quality” sturen niks. Vervang ze door concrete beeldtaal: licht, lens, materiaal, hoek.
• De fout in de prompt zoeken. Soms ligt het aan willekeur, niet aan je tekst. Genereer eerst een paar varianten voordat je je prompt omgooit.
• Negatieve sturing vergeten. Bij beeld scheelt het enorm om expliciet te zeggen wat er níét in mag.

Twijfel je of je prompt klopt voordat je hem in Midjourney of Veo gooit? Gooi hem eerst door de gratis prompt-coach tool — die scoort je prompt en herschrijft hem. En wil je dit echt onder de knie krijgen, met directe feedback op je eigen werk? Dan is de coaching de snelste weg: in een groep of privé, met je eigen projecten als oefenmateriaal.

Veelgestelde vragen

Betere prompts schrijven is geen kwestie van toverwoorden of een geheime formule. Het is een ambacht: je leert wat een taalmodel nodig heeft om te leveren wat jij bedoelt, en je geeft dat stap voor stap. De meeste teleurstellende antwoorden komen niet door een dom model, maar door een vage opdracht. Te weinig context, geen voorbeeld, geen idee van het gewenste resultaat.

Hieronder zeven concrete verbeteringen die ik ophang aan mijn KOMPAS-methode: Kader, Opdracht, Materiaal, Paalwerk, Afwerking, Sturing. Geen theorie, maar ingrepen die je vandaag nog op je volgende ChatGPT- of Claude-prompt toepast. Aan het eind staat een voor/na-voorbeeld zodat je precies ziet wat het verschil doet.

1. Geef een rol en een kader (Kader)

Begin niet kaal met je vraag. Vertel het model wie het is en in welke situatie het werkt. “Je bent een ervaren copywriter die voor het MKB schrijft” stuurt de toon, het vocabulaire en de aannames van het antwoord meteen de goede kant op.

Het kader is meer dan een rol. Het is ook het doel en de lezer. Voor wie is dit? Wat moet het opleveren? Een model dat weet dat je schrijft voor twijfelende klanten op een verkooppagina, kiest andere woorden dan een model dat denkt dat het een academisch essay maakt.

2. Maak de opdracht concreet en enkelvoudig (Opdracht)

Eén prompt, één hoofdtaak. “Schrijf, vat samen en vertaal dit ook even” levert drie halve resultaten op. Knip het op. Formuleer je opdracht als een duidelijk werkwoord: schrijf, herschrijf, analyseer, vergelijk, lijst op.

Vaag: “Kun je iets met deze tekst doen?” Concreet: “Herschrijf deze productbeschrijving naar maximaal 80 woorden, gericht op beginners.” Hoe scherper het werkwoord en de afbakening, hoe minder het model moet gokken naar wat je wilt.

3. Lever het materiaal mee (Materiaal)

Een model kan niet raden wat het niet weet. Plak je brontekst, je merkstem, je productgegevens of je voorbeeldzinnen erbij. Hoe meer relevant materiaal je meegeeft, hoe minder het model verzint. Dit is meteen de beste verdediging tegen feitelijke onzin.

Werk je vaker met hetzelfde model, bewaar dan een vast blok met jouw context: bedrijfsinfo, toon, do’s en don’ts. Dat plak je telkens bovenaan. Scheelt herhalen en geeft consistentere output.

4. Zet het paalwerk neer met een voorbeeld (Paalwerk)

Niets stuurt zo sterk als één goed voorbeeld. Laat zien hoe een geslaagd antwoord eruitziet en het model kopieert de structuur, lengte en toon. Dit heet few-shot prompten en het werkt beter dan tien zinnen uitleg.

Heb je geen voorbeeld? Beschrijf dan het format expliciet: “Geef het antwoord als een tabel met drie kolommen” of “Gebruik korte koppen en bullets.” Het paalwerk is het skelet waaraan het model zijn antwoord ophangt.

5. Bepaal de afwerking: vorm, lengte, toon (Afwerking)

Zeg expliciet wat je terug wilt. Aantal woorden, opmaak, taalniveau, wel of geen jargon. Een model dat geen lengte krijgt, kiest er zelf een, en die zit zelden waar jij hem wilt.

• Lengte: “maximaal 150 woorden” of “precies 5 bullets”
• Toon: “nuchter en direct, geen holle superlatieven”
• Vorm: “alleen de tekst, geen inleiding of uitleg vooraf”

Die laatste regel scheelt veel. Modellen zijn dol op “Natuurlijk! Hier is…” als opwarmer. Vraag erom dat ze die weglaten.

6. Stuur bij in plaats van opnieuw te beginnen (Sturing)

De eerste output is een concept, geen eindproduct. Het grootste verschil tussen mensen die goede en slechte resultaten halen, zit hier: gevorderden sturen bij. “Korter,” “minder formeel,” “haal die laatste alinea weg,” “geef drie varianten.” Je bouwt voort op wat er al staat.

Begin niet bij nul met een nieuwe prompt zodra iets niet klopt. Benoem precies wat er mis is en laat het model alleen dat aanpassen. Zo kom je in een paar beurten op exact wat je wilde, in plaats van eindeloos te herformuleren.

7. Test, vergelijk en laat je prompt scoren

Je weet pas of een prompt goed is als je hem hebt uitgeprobeerd. Draai dezelfde prompt twee keer, of vraag het model zelf om drie varianten en kies de beste. Merk je dat een type taak vaak misgaat, dan ligt het bijna altijd aan een ontbrekend KOMPAS-onderdeel.

Wil je niet zelf alle zes onderdelen nalopen, gebruik dan mijn gratis prompt-coach tool. Die scoort je prompt en herschrijft hem volgens KOMPAS, zodat je direct ziet wat er ontbrak. Een snelle manier om te leren waar jouw prompts standaard de mist in gaan.

Voor en na: betere prompts schrijven in de praktijk

Theorie is leuk, maar het verschil zie je pas in een echt voorbeeld. Stel, je wilt een tekst voor een nieuwsbrief.

Voor: “Schrijf een nieuwsbrief over onze nieuwe cursus.”

Dit mist alles. Geen rol, geen lezer, geen lengte, geen toon, geen materiaal. Je krijgt een algemene, brave tekst die over elke cursus had kunnen gaan.

Na: “Je bent de tekstschrijver van een kleine prompt-coachingstudio (Kader). Schrijf een nieuwsbrief-mail die lezers aanzet om zich aan te melden voor onze nieuwe groepscursus (Opdracht). Info: cursus van 4 weken, online, voor mensen die al wat met ChatGPT werken maar betere resultaten willen (Materiaal). Houd dezelfde toon aan als dit voorbeeld: [plak voorbeeld] (Paalwerk). Maximaal 180 woorden, nuchter en direct, één duidelijke call-to-action, geef alleen de mailtekst (Afwerking).”

Het tweede resultaat is meteen bruikbaar. En als de toon nog net niet klopt, stuur je bij (Sturing): “iets persoonlijker, en haal het woord ‘uniek’ eruit.” Dat is het hele verschil tussen frustreren en leveren.

Zo blijf je groeien

Betere prompts schrijven is een vaardigheid die je opbouwt door te doen, niet door één lijstje te lezen. Pak je laatste teleurstellende prompt erbij, loop de zes KOMPAS-onderdelen langs en kijk welke ontbrak. Negen van de tien keer is het Materiaal of Afwerking.

Wil je dieper de techniek in, lees dan verder over prompt engineering en over sterke ChatGPT-prompts. Kom je er zelf niet uit of wil je het sneller onder de knie krijgen, dan kijken we het samen door tijdens een coaching-sessie, in een groep of privé. Je leert het meeste door je eigen prompts onder handen te nemen.

Veelgestelde vragen

Iedereen typt tegenwoordig wel iets in een chatvenster, maar er zit een wereld van verschil tussen een vraag stellen en een goede prompt schrijven. Goede AI prompts geven het model genoeg houvast om precies te leveren wat jij in je hoofd hebt — niet een vage gemiddelde-van-het-internet-tekst. En het mooie is: de basisprincipes zijn voor elk model hetzelfde, of je nu in ChatGPT, Claude of Gemini werkt.

In dit artikel zet ik de algemene regels op een rij die altijd gelden, laat ik zien waar de modellen onderling van elkaar verschillen, en verwijs ik je door naar de plekken waar je per onderwerp dieper kunt graven. Zie het als de kaart; de specifieke routes staan in de losse artikelen.

Wat een prompt eigenlijk doet

Een AI-model voorspelt het meest waarschijnlijke vervolg op wat jij intypt. Dat klinkt simpel, maar het heeft een belangrijk gevolg: het model raadt naar jouw bedoeling. Hoe minder je geeft, hoe meer het raadt — en raden gaat richting het gemiddelde. Vraag je om “een tekst over gezond eten”, dan krijg je de saaiste, meest voorspelbare versie die bestaat.

Een prompt is dus geen toverspreuk maar een briefing. Je geeft het model een rol, een doel, materiaal om mee te werken en grenzen waarbinnen het moet blijven. Hoe scherper die briefing, hoe minder het hoeft te gokken. Dat is het hele spel.

De principes achter goede AI prompts

Deze zes dingen gelden ongeacht welk model je gebruikt. Ze vormen de ruggengraat van mijn KOMPAS-methode (Kader, Opdracht, Materiaal, Paalwerk, Afwerking, Sturing), maar je herkent ze ook los van die naam.

• Geef context. Voor wie is het, in welke situatie, met welk doel. “Schrijf een mail aan een klant die al twee keer niet heeft gereageerd” levert iets heel anders op dan “schrijf een mail”.
• Maak de opdracht concreet. Eén duidelijke taak met een werkwoord vooraan. Niet “kun je iets met deze tekst”, maar “kort deze tekst in tot 150 woorden zonder de cijfers te verliezen”.
• Lever materiaal aan. Plak je voorbeeld, je data, je oude versie erbij. Een model dat met jouw bron werkt, verzint minder.
• Zet grenzen. Lengte, toon, wat het juist niet mag doen. Grenzen sturen sterker dan complimenten.
• Beschrijf de vorm van het antwoord. Wil je een lijst, een tabel, drie varianten, platte tekst? Zeg het, anders kiest het model zelf.
• Stuur bij. Het eerste antwoord is een concept. “Te formeel, doe het losser” is een volwaardige promptstap, geen falen.

Wil je dit verder uitdiepen met voorbeelden van zwakke en sterke versies naast elkaar, lees dan betere prompts schrijven. Daar staat de basis stap voor stap uitgewerkt.

Waar de modellen van elkaar verschillen

De principes zijn universeel, de sturing niet. Elk model heeft zijn eigen karakter, en als je dat negeert vecht je tegen het gereedschap. Een paar praktische verschillen die je merkt zodra je tussen modellen wisselt:

Toon en standaardgedrag

Het ene model is van nature uitgebreider, het andere korter. Sommige modellen voegen ongevraagd inleidingen en disclaimers toe, andere komen sneller ter zake. Dat betekent dat dezelfde prompt bij het ene model een muur tekst oplevert en bij het andere precies wat je wilde. De oplossing is niet een ander model zoeken, maar je grenzen aanscherpen: “antwoord in maximaal vijf zinnen, geen inleiding”.

Hoe ze met instructies omgaan

Modellen verschillen in hoe strikt ze je structuur volgen. Sommige reageren sterk op duidelijke koppen en genummerde stappen in je prompt; andere pakken een wat lossere, beschrijvende briefing prima op. Werk je veel met een vast model, dan leer je vanzelf welke vorm het beste pakt. Wissel je vaak, hou dan je prompt expliciet en gestructureerd — dat werkt overal redelijk.

Context en geheugen

Hoeveel een model in één gesprek kan onthouden verschilt, en sommige hebben een geheugen over gesprekken heen. Dat beïnvloedt hoe je werkt: bij een model met veel context kun je een heel document meegeven; bij een krapper model knip je je taak op in stukken. Ga er nooit blind van uit dat het model nog weet wat je drie berichten geleden zei — herhaal de kern als het ertoe doet.

De meeste mensen gebruiken ChatGPT als startpunt. De specifieke trucs, valkuilen en sjablonen daarvoor staan in ChatGPT prompts. De principes uit dit artikel gelden er onverkort, maar dat artikel gaat in op het gedrag van dat ene model.

Tekst is niet hetzelfde als beeld en video

Tot nu toe ging het over taalmodellen, maar AI prompts bestaan ook voor beeld- en videogeneratie — en daar gelden deels andere regels. Bij beeld stuur je op onderwerp, stijl, compositie, licht en camerastandpunt, niet op argumentatie of toon. Een goede beeldprompt leest meer als een regieaanwijzing dan als een briefing.

Werk je met beeld of video, lees dan AI beeld- en videoprompts. De denkwijze — wees specifiek, beschrijf de vorm, stuur bij — blijft hetzelfde, maar de knoppen waaraan je draait zijn anders.

Hoe je dit zelf onder de knie krijgt

Lezen over prompten is één ding, het in je vingers krijgen is een ander. De snelste manier om beter te worden is je eigen prompts kritisch bekijken: wat had het model nog nodig om dit goed te doen, en gaf ik dat? Die reflex bouw je op door het te doen, niet door theorie te stapelen.

Om je daarbij te helpen heb ik de gratis prompt-coach gebouwd. Je plakt er je prompt in, krijgt een score en een herschreven versie met uitleg waarom die beter is. Zo zie je per prompt wat er aan ontbrak. Wil je het sneller en met begeleiding leren — in een groep of één-op-één — kijk dan bij coaching. Dan oefenen we met jouw eigen taken in plaats van losse voorbeelden. Pak je dit samen met collega’s op, dan past de AI-training voor teams er beter bij dan een losse privésessie.

AI prompting in de praktijk: dezelfde taak, twee resultaten

Zo voelt het verschil in de praktijk. Zwak: “Schrijf een LinkedIn-post over tijd besparen met AI.” Sterk: “Schrijf een LinkedIn-post voor zelfstandige boekhouders over hoe zij factuurcontrole met AI halveren. Gebruik mijn ervaring hieronder als materiaal: [twee zinnen eigen casus]. Max 120 woorden, ik-vorm, begin met een concrete observatie, eindig met een vraag aan de lezer. Geen motivatiequote.”

De eerste prompt levert een post op die op elk account had kunnen staan. De tweede geeft iets dat alleen jij kunt posten, omdat het model met jouw materiaal werkt. Dat is AI prompting in het kort: niet langer worden, maar scherper. Loop je eigen prompts erop na en check ze in de gratis prompt-coach.

Veelgestelde vragen

De meeste ChatGPT prompts zijn één regel: “schrijf een blog over X”. Het antwoord is dan ook precies dat: vlak, generiek, bruikbaar voor niemand. Het verschil tussen een matig en een sterk resultaat zit zelden in het model en bijna altijd in wat je erin stopt.

Hieronder krijg je een handvol voorbeelden die je vandaag kunt gebruiken, en belangrijker: je ziet precies waaróm ze werken. Want als je het patroon snapt, hoef je nooit meer een prompt te kopiëren. Dan maak je ze zelf.

Waarom de meeste ChatGPT prompts mislukken

Een model raadt. Het vult de gaten in je vraag op met het meest waarschijnlijke gemiddelde. Geef je weinig context, dan krijg je het gemiddelde van het hele internet terug: correct, saai, inwisselbaar.

De drie fouten die ik het vaakst zie:

• Geen rol of doel. Het model weet niet voor wie of waarom het schrijft.
• Geen materiaal. Je verwacht dat het feiten verzint die alleen jij hebt.
• Geen vorm. Je zegt niet hoe lang, in welke toon of in welk format je het wilt.

Los je die drie op, dan ben je al verder dan negen op de tien gebruikers. De rest is finetunen.

Voorbeeld 1 — Werk: een lastige e-mail

Zwakke prompt: “Schrijf een e-mail aan een klant die te laat betaalt.”

Sterke prompt:

• Je bent een zakelijke tekstschrijver. Schrijf een e-mail aan een klant die factuur #2024-118 (€1.450) 14 dagen te laat heeft betaald.
• Dit is een goede, langlopende klant — ik wil de relatie niet beschadigen, maar wel duidelijk zijn.
• Toon: vriendelijk-zakelijk, geen verwijten, wel een concrete deadline (binnen 7 dagen).
• Maximaal 120 woorden. Eindig met een open, niet-defensieve afsluiter.

Waarom dit werkt: er staat een rol in, een concreet feit (bedrag, termijn), een randvoorwaarde (relatie beschermen) en een vorm (lengte, toon, afsluiter). Het model hoeft niets meer te raden.

Voorbeeld 2 — Marketing: advertentieteksten

Zwakke prompt: “Schrijf advertenties voor mijn webshop.”

Sterke prompt:

• Je bent copywriter voor Meta-advertenties. Doelgroep: ouders van 30-45 die wandelschoenen zoeken voor hun kind.
• Product: waterdichte kinderwandelschoenen, €69, klittenband, gaat een heel seizoen mee.
• Geef 5 varianten van max 25 woorden. Elke variant één duidelijke hoek (prijs, gemak, duurzaamheid, comfort, garantie).
• Nederlands, geen uitroeptekens, geen holle superlatieven. Eindig elke variant met een korte call-to-action.

Waarom dit werkt: door om vijf hoeken te vragen dwing je variatie af in plaats van vijf keer dezelfde zin. De beperkingen (“geen uitroeptekens, geen superlatieven”) sturen de toon. Dat is precies het soort denkwerk dat je leert in prompt engineering.

Voorbeeld 3 — Schrijven: tekst verbeteren, niet vervangen

Zwakke prompt: “Maak deze tekst beter.”

Sterke prompt:

• Hieronder staat een alinea uit mijn nieuwsbrief. Herschrijf hem zo dat hij directer en menselijker wordt.
• Behoud mijn kernboodschap en mijn ‘je’-vorm. Knip lange zinnen op. Schrap vulwoorden.
• Verander geen feiten en verzin geen nieuwe.
• Geef daarna in twee regels uitleg wat je hebt veranderd en waarom.
• [plak hier je tekst]

Waarom dit werkt: “beter” betekent niets voor een model. “Directer, menselijker, korte zinnen, geen verzonnen feiten” is meetbaar. De vraag om uitleg achteraf maakt het bovendien een leermoment in plaats van een black box. Meer van dit soort handvatten vind je in betere prompts schrijven.

Zo maak je ChatGPT prompts zelf met KOMPAS

Alle voorbeelden hierboven volgen hetzelfde skelet. Ik noem het KOMPAS — zes onderdelen die je los kunt aan- en uitzetten, afhankelijk van hoe veeleisend je taak is.

• Kader — wie is het model en voor wie schrijft het? (“Je bent copywriter voor de doelgroep ouders 30-45.”)
• Opdracht — wat moet er concreet uit komen? (“Geef 5 advertentievarianten.”)
• Materiaal — de feiten die alleen jij hebt: prijzen, namen, je eigen tekst, een voorbeeld.
• Paalwerk — de grenzen: lengte, wat níét mag, welke toon vermeden moet worden.
• Afwerking — het format: aantal woorden, opsomming of lopende tekst, taal, afsluiter.
• Sturing — bijsturen na het eerste antwoord. Eén ding tegelijk aanpassen, niet alles opnieuw.

Je hoeft niet alle zes te gebruiken voor een simpele vraag. Maar als een resultaat tegenvalt, loop het rijtje af: bijna altijd ontbreekt er een Kader, Materiaal of Paalwerk. Dat is sneller dan keer op keer “nee, anders” typen. Wil je het verschil tussen losse trucs en een echt systeem snappen, lees dan ook het overzicht over AI-prompts in het algemeen.

Check je eigen prompt voor je hem verstuurt

Theorie is leuk, maar het went pas als je je eigen prompts onder de loep neemt. Plak je prompt in de gratis prompt-coach: die geeft je een score en herschrijft hem volgens KOMPAS, zodat je direct ziet wat er ontbrak. Doe dat een week of twee bij elke serieuze taak en je merkt dat je het patroon vanzelf in je hoofd krijgt.

Kom je er met de tool nog niet uit, of wil je dit voor je werk of team echt onder de knie krijgen? Dan is coaching de snellere route — in een groep of één-op-één, met je eigen prompts als oefenmateriaal.

Veelgestelde vragen

Iedereen die ChatGPT, Claude of Gemini gebruikt voor werk loopt vroeg of laat tegen hetzelfde aan: de ene keer komt er iets bruikbaars uit, de andere keer luchtige onzin. Het verschil zit zelden in het model. Het zit in hoe je het vraagt. Prompt engineering is precies die vaardigheid: bewust een opdracht zo formuleren dat een taalmodel doet wat jij nodig hebt, herhaalbaar en betrouwbaar.

In dit artikel leg ik uit wat prompt engineering werkelijk is, waarom losse trucjes je maar zo ver brengen, en hoe je met een vaste structuur — de KOMPAS-methode — elke prompt beter maakt. Geen magie, gewoon helder nadenken vóór je typt.

Wat is prompt engineering precies?

Prompt engineering is het opbouwen van een instructie aan een taalmodel zodat de uitkomst voorspelbaar en bruikbaar is. Het woord “engineering” klinkt technisch, maar je hoeft niet te kunnen programmeren. Het gaat om iets veel alledaagser: scherp krijgen wat je wilt, en dat in woorden gieten die geen ruimte laten voor gokwerk.

Een taalmodel raadt steeds het meest waarschijnlijke vervolg op jouw tekst. Hoe vager je input, hoe meer het model moet invullen — en dan vult het in met gemiddelden. Geef je context, een rol, een duidelijk doel en een vorm, dan stuur je die kans de goede kant op. Dat is de hele kern.

Het onderscheidt zich van “even iets vragen” door drie dingen: je denkt vooraf na over het doel, je geeft het model genoeg materiaal om mee te werken, en je herhaalt en verbetert tot het klopt. Dat laatste — iteratie — wordt vaak vergeten, terwijl het de helft van het werk is.

Waarom losse trucjes je in de steek laten

Het internet staat vol met “10 prompts die je leven veranderen” en zinnen als “doe alsof je een expert bent”. Sommige daarvan werken soms. Maar een trucje is een antwoord op één situatie. Zodra jouw taak afwijkt — ander onderwerp, andere lezer, ander doel — valt het trucje om en weet je niet waarom.

Een paar veelgehoorde mythes:

• “Beleefd zijn maakt het beter.” Dank je wel zeggen kost tokens en levert niets op. Duidelijkheid wel.
• “Hoe langer de prompt, hoe beter.” Lange prompts vol ruis maken het juist moeilijker. Het gaat om de juiste informatie, niet om veel informatie.
• “Eén perfecte prompt bestaat.” Bijna nooit. De eerste poging is een startpunt, geen eindproduct.

Het alternatief is geen lijst om uit je hoofd te leren, maar een denkmanier die altijd werkt. Een vaste structuur waarmee je elke taak aanpakt, of je nu een klantmail schrijft of een rapport laat samenvatten. Daar komt KOMPAS binnen.

De KOMPAS-methode als rode draad

KOMPAS is mijn methode om in zes stappen een complete prompt te bouwen. Je hoeft niet elke stap altijd in te vullen, maar door ze langs te lopen mis je nooit iets essentieels. De letters staan voor:

• Kader — wie is het model, en in welke situatie zit jij? Bijvoorbeeld: “Je bent een ervaren HR-adviseur. Ik schrijf een mail aan een collega die te laat een verslag inleverde.”
• Opdracht — wat moet er concreet gebeuren? Eén heldere werkwoord-zin: “Schrijf die mail.” Geen vage “help me ergens mee”.
• Materiaal — geef het model de feiten. Namen, cijfers, de bestaande tekst, de context. Een model kan niet ruiken wat jij weet.
• Paalwerk — de grenzen. Wat mag wel, wat niet? “Maximaal 150 woorden, vriendelijk maar duidelijk, geen verwijten.”
• Afwerking — de vorm van het antwoord. Een lijst? Een tabel? Een mail met onderwerpregel? Zeg het.
• Sturing — hoe je bijstuurt na de eerste poging. “Maak hem iets directer” of “haal de tweede alinea eruit”.

De volgorde is geen wet, maar het werkt als checklist. Loop je vastzitten met een teleurstellend antwoord, dan kun je bijna altijd terugvinden welke letter je oversloeg. Wil je dit oefenen op je eigen prompts? In de gratis prompt-coach voer je een prompt in en zie je direct welke KOMPAS-onderdelen ontbreken, met een herschreven versie erbij.

Een voorbeeld uit de praktijk

Stel, je wilt een samenvatting van een lange vergadernotitie. De zwakke versie:

“Vat dit samen.”

Het model weet niet voor wie, hoe lang, of wat belangrijk is. Je krijgt een gemiddelde samenvatting die je toch weer moet herschrijven. Nu met KOMPAS:

“Je bent mijn assistent en helpt me de directie informeren (Kader). Vat de onderstaande vergadernotitie samen (Opdracht). Hier is de notitie: [tekst] (Materiaal). Focus op besluiten en actiepunten, laat zijsporen weg, maximaal 120 woorden (Paalwerk). Geef het als een korte alinea plus een bulletlijst met actiepunten en eigenaar (Afwerking).”

Het verschil is niet subtiel. De tweede prompt levert iets op dat je direct kunt doorsturen. En als het nog niet klopt, stuur je bij (Sturing): “Zet de actiepunten bovenaan.” Datzelfde patroon werkt voor een offerte, een blogtekst, code in Cursor of Lovable, of een beeldprompt. Meer voorbeelden en formuleringen vind je in betere prompts schrijven en de uitgebreide ChatGPT-prompts.

Prompt engineering op de werkvloer

Op je werk is consistentie belangrijker dan een eenmalig mooi resultaat. Als jij elke week tien klantmails laat opstellen, wil je dat ze allemaal in dezelfde toon en kwaliteit binnenkomen. Dat krijg je niet met losse ingevingen, maar met een prompt die je één keer goed bouwt en daarna hergebruikt — een sjabloon waar je alleen het materiaal in wisselt.

Een paar gewoontes die het verschil maken:

• Bewaar je goede prompts. Een prompt die werkt is een bedrijfsmiddel. Zet hem in een document, niet in je hoofd.
• Test op echte input. Een prompt die werkt op een schoon voorbeeld faalt soms op een rommelige praktijktekst. Test met je eigen rommel.
• Bouw voort op het antwoord. Vraag het model om zijn eigen output te verbeteren of te controleren. Twee rondes leveren vaak meer op dan één perfecte prompt zoeken.

Dit is een vaardigheid die je opbouwt door te doen, niet door te lezen. Wil je het sneller onder de knie krijgen met je eigen werktaken als oefenmateriaal, dan kan dat in een coaching-traject — in een groep of privé, afhankelijk van hoe diep je wilt gaan.

Veelgestelde vragen

Vibe coding leren betekent dat je software bouwt door in gewone taal te beschrijven wat je wilt, en de AI het codewerk laat doen. Je hoeft geen jaren te besteden aan een programmeertaal. Maar er zit wel een vaardigheid achter: hoe duidelijker je stuurt, hoe beter wat eruit komt. Dit is het verschil tussen een werkend project en een berg code die je niet meer begrijpt.

In dit artikel loop ik met je het leerpad door. Welke tool je kiest, wat een goed eerste project is, hoe je je prompts opbouwt en welke fouten je beter overslaat. Geen theorie voor de bühne, maar de stappen die je vandaag kunt zetten.

Wat je nodig hebt voordat je vibe coding gaat leren

Verrassend weinig. Je hebt geen technische achtergrond nodig en geen dure setup. Wat wél helpt:

• Een concreet idee voor iets kleins dat je wilt maken. Hoe scherper, hoe beter.
• Geduld om in kleine stappen te werken in plaats van alles in één keer te willen.
• De bereidheid om te lezen wat de AI teruggeeft, ook als je niet elke regel snapt.

Snap je nog niet helemaal wat vibe coding precies inhoudt en waar de grenzen liggen? Lees dan eerst het overzichtsartikel over vibe coding. Daarna pak je dit leerpad erbij.

Stap 1: Kies één tool en blijf erbij

De grootste valkuil aan het begin is springen tussen tools. Kies er één, leer die kennen, en breid pas later uit. Grofweg heb je twee smaken:

• Tools die je in de browser doen, zoals Lovable. Je typt wat je wilt en ziet meteen een werkende website of app. Ideaal als je nog nooit code hebt gezien.
• Een echte code-editor met AI, zoals Cursor. Meer controle, meer mogelijkheden, maar ook een steilere leercurve.

Begin je vanaf nul, dan raad ik een browser-tool aan. Je houdt het overzicht en je ziet direct resultaat, wat enorm motiveert. Wil je de opties naast elkaar zien, kijk dan in het overzicht van vibe coding tools welke bij jouw niveau past.

Stap 2: Kies een klein eerste project

Begin niet met “een app zoals Booking.com”. Daar loop je gegarandeerd op vast. Een goed eerste project is iets dat je in een avond af krijgt en dat je echt kunt gebruiken. Bijvoorbeeld:

• Een persoonlijke landingspagina met je werk en contactgegevens.
• Een simpele rekentool, zoals een offerte- of urencalculator.
• Een overzichtelijke takenlijst die je in je browser bewaart.

Het doel van je eerste project is niet het eindresultaat. Het doel is dat je leert hoe het samenwerken met de AI voelt: hoe je iets vraagt, wat je terugkrijgt, en hoe je bijstuurt als het niet klopt.

Stap 3: Bouw je prompts op met KOMPAS

Hier zit de kern van vibe coding leren. De AI is zo goed als jouw instructie. Een vage opdracht geeft een vaag resultaat. Daarom gebruik ik de KOMPAS-methode, zodat je niets vergeet:

• Kader — wat bouw je en voor wie? “Een takenlijst voor mezelf, in het Nederlands.”
• Opdracht — wat moet de AI nu concreet doen? “Maak een pagina waarop ik taken kan toevoegen en afvinken.”
• Materiaal — geef voorbeelden, kleuren, teksten of data die je al hebt.
• Paalwerk — stel je grenzen: “Geen inlogsysteem, geen database, alles in de browser.”
• Afwerking — hoe moet het eruitzien of aanvoelen? “Rustig, veel witruimte, één accentkleur.”
• Sturing — hoe wil je verder? “Begin simpel, ik vraag daarna om uitbreidingen.”

Je hoeft niet alle zes punten elke keer uit te schrijven. Maar als iets niet lukt, ligt het bijna altijd aan een ontbrekend onderdeel. Vaak is het Paalwerk: je vergat te zeggen wat je níét wilde, en de Ais verzint van alles erbij.

Wil je oefenen met het opbouwen van sterke instructies, kijk dan ook naar hoe je betere prompts schrijft. Dezelfde principes gelden of je nu code laat bouwen of een tekst laat schrijven.

Stap 4: Werk in kleine stappen en test steeds

Vraag nooit tien dingen tegelijk. Vraag er één, bekijk het resultaat, en ga dan pas door. Zo houd je grip en weet je precies waar het misgaat als iets stuk gaat. Een werkritme dat goed werkt:

• Vraag één kleine wijziging of toevoeging.
• Bekijk en test of het echt doet wat je wilde.
• Werkt het? Ga door. Werkt het niet? Beschrijf precies wat je ziet en wat je verwachtte.

Dat laatste is goud waard. “Het werkt niet” helpt de AI niet. “Als ik op de knop klik gebeurt er niets, terwijl de taak toegevoegd zou moeten worden” wel. Hoe specifieker je het probleem beschrijft, hoe sneller het opgelost is.

Veelgemaakte fouten bij vibe coding leren

De fouten die ik het vaakst zie zijn niet technisch, maar in de aanpak:

• Te groot beginnen. Je wilt meteen iets indrukwekkends en raakt verstrikt. Klein beginnen leert je sneller.
• Niet lezen wat de AI teruggeeft. Blind doorklikken werkt even, totdat er iets misgaat en je niet weet waar te beginnen.
• Te veel tegelijk vragen. Bij een grote lap tekst weet je achteraf niet welke wijziging iets brak.
• Vage prompts. Geen kader, geen grenzen. De AI gokt dan, en gokt vaak verkeerd.
• Niet tussentijds opslaan. Bewaar werkende versies, zodat je terug kunt als een wijziging het sloopt.

Merk je dat je telkens op hetzelfde punt vastloopt? Dan is het meestal je manier van sturen, niet de tool. Een gratis manier om dat te checken: gooi je prompt in de prompt coach. Die scoort je instructie en herschrijft hem, zodat je direct ziet wat er ontbrak.

Sneller leren met persoonlijke begeleiding

Je kunt vibe coding prima zelf leren met de stappen hierboven. Maar de meeste mensen lopen vroeg of laat tegen dezelfde muur aan: ze weten niet waarom een prompt wel of niet werkt, en blijven gokken. Dat is precies waar begeleiding tijd bespaart.

In een sessie kijken we samen naar jouw project en jouw prompts. Je leert KOMPAS toepassen op echt werk, niet op een voorbeeld uit een handleiding. Dat kan in een groep (€150) of privé (€300), afhankelijk van hoe diep je wilt gaan en hoeveel ruimte je voor je eigen vragen wilt. Meer weten? Bekijk de mogelijkheden op de coaching-pagina.

Veelgestelde vragen