Gemini 3-modellen zijn gebouwd voor geavanceerd redeneren en het opvolgen van instructies. Ze reageren het best op prompts die direct, helder gestructureerd zijn en de taak plus alle constraints expliciet afbakenen. Het model genereert intern al “thinking”-tekst om te redeneren, dus je hoeft het meestal niet te vragen om zijn stappen uit te schrijven in het antwoord. De kern: zeg precies wat je wilt, scheid je promptonderdelen netjes, en wees expliciet over het gewenste outputformaat en de verbosity.

Wees direct en structureer consistent

Houd je instructies precies en zakelijk; vermijd overbodige of overdreven overtuigende taal. Gebruik vaste delimiters om promptonderdelen te scheiden: XML-style tags (, ) of Markdown-koppen werken goed. Kies één formaat en gebruik dat consistent binnen een prompt. Verklaar dubbelzinnige termen of parameters expliciet.

Je bent een senior solution architect.


- Geen externe libraries.
- Alleen Python 3.11+ syntax.


[De specifieke vraag]

Stuur op verbosity en prioriteit

Standaard geven Gemini 3-modellen directe, efficiënte antwoorden. Wil je een uitgebreider of conversationeler antwoord, dan moet je daar expliciet om vragen in je instructies. Plaats kritische zaken — gedragsconstraints, persona/rol en het gewenste outputformaat — in de System Instruction of helemaal aan het begin van de user prompt.

Lange context: data eerst, vraag als laatste

Geef bij grote hoeveelheden context (documenten, code) eerst álle context en plaats je specifieke vraag of instructie helemaal aan het einde. Brug daarna expliciet met een transitiezin zoals “Based on the information above…”. Bij multimodale input (tekst, beeld, audio, video) behandel je elke modaliteit als gelijkwaardig en verwijs je er duidelijk naar.

Few-shot examples en grounding

De documentatie raadt aan altijd few-shot examples op te nemen — prompts zonder voorbeelden zijn doorgaans minder effectief. Houd structuur en formatting van alle voorbeelden consistent (let op XML-tags, witruimte, newlines). Specifiek voor Gemini 3 Flash:

• Grounding met Google Search aanzetten zodra het model recente of obscure feiten nodig heeft; code execution aanzetten voor rekenen, tellen of berekeningen, om hallucinaties te vermijden.
• Voor strikt grounded antwoorden voeg je een systeeminstructie toe die het model dwingt uitsluitend op de aangeleverde context te steunen en te melden wanneer informatie ontbreekt.
• Voor tijdsgevoelige vragen kun je in de systeeminstructie meegeven dat het 2026 is en de actuele datum leidend moet zijn; je kunt ook de knowledge cutoff (januari 2025) expliciet benoemen.

Redeneren en agentic workflows

Voor zware redeneertaken kan een simpel verzoek als “Think very hard before answering” de prestaties verbeteren — ten koste van extra thinking tokens. Houd bij Gemini 3-modellen de temperature op de default 1.0; lager zetten kan tot looping of degradatie leiden, vooral bij wiskunde en redeneren. Bij agents stuur je expliciet op de afweging tussen kosten (latency, tokens) en nauwkeurigheid: logische decompositie, persistence en recovery, risk assessment (reads vs. writes), en wanneer het model mag aannemen versus moet doorvragen.

De KOMPAS-methode sluit hier direct op aan: je legt eerst Kern en Opdracht vast (direct en precies), dan Materiaal/context vóór je vraag, Persona en Aanpak in de systeeminstructie, en Structuur als expliciet outputformaat met de juiste verbosity — precies wat Gemini 3 Flash verwacht. Oefen dit gratis in onze prompt-coach, of werk het verder uit in een sessie coaching. Gebaseerd op de officiële documentatie van Google.