Few-shot prompting: AI leren met voorbeelden (2026)
Leer hoe few-shot prompting werkt. Geef AI voorbeelden van wat je wilt en krijg consistent betere resultaten.
Few-shot prompting is een van de krachtigste prompt technieken: je geeft AI een paar voorbeelden van wat je wilt, en het model leert daaruit het patroon. Het resultaat is consistentere en nauwkeurigere output. In dit artikel leer je hoe je few-shot prompting effectief inzet.
In het kort
- Few-shot = AI voorbeelden geven van het gewenste resultaat
- Meestal zijn 2-5 voorbeelden voldoende
- Werkt bij alle AI-modellen (ChatGPT, Claude, Gemini)
- Ideaal voor consistent format, stijl of classificatie
- Combineert goed met chain-of-thought en role prompting
Wat is few-shot prompting?
Stel je voor dat je een nieuwe medewerker uitlegt hoe je een taak wilt. Je kunt een lange beschrijving geven, of je kunt zeggen: "Kijk, zo doe ik het" en een paar voorbeelden tonen. Die tweede aanpak is few-shot prompting.
Je geeft het AI-model een paar voorbeelden (shots) van de gewenste input en output. Het model herkent het patroon en past dat toe op nieuwe input.
De terminologie
- Zero-shot - Geen voorbeelden, alleen een instructie
- One-shot - Een enkel voorbeeld
- Few-shot - Twee tot vijf voorbeelden (de sweet spot)
- Many-shot - Meer dan vijf voorbeelden
Lees meer over de zero-shot aanpak in ons artikel over zero-shot prompting.
Hoe werkt few-shot prompting?
Basisstructuur
Voorbeeld 1:
Input: [voorbeeld input]
Output: [gewenste output]
Voorbeeld 2:
Input: [voorbeeld input]
Output: [gewenste output]
Nu jouw beurt:
Input: [jouw echte input]
Output:
Concreet voorbeeld: sentiment analyse
Classificeer het sentiment van deze reviews.
Review: "Het product is geweldig, ik gebruik het elke dag!"
Sentiment: Positief
Review: "Matige kwaliteit voor de prijs, had meer verwacht."
Sentiment: Negatief
Review: "Het werkt, niet meer en niet minder."
Sentiment: Neutraal
Review: "Super snelle levering en het product overtreft mijn verwachtingen!"
Sentiment:
Het model zal antwoorden met "Positief" omdat het het patroon herkent.
Praktische toepassingen
1. Consistente schrijfstijl
Schrijf productbeschrijvingen in deze stijl:
Product: Draadloze koptelefoon
Beschrijving: Geniet van kristalhelder geluid zonder kabels. Deze draadloze koptelefoon biedt 30 uur luisterplezier en past comfortabel op elk hoofd. Ideaal voor op kantoor en onderweg.
Product: Laptop standaard
Beschrijving: Werk ergonomisch en voorkom nekklachten. Deze verstelbare laptop standaard tilt je scherm naar ooghoogte en past op elke laptop tot 17 inch. Opvouwbaar en mee te nemen.
Product: Mechanisch toetsenbord
Beschrijving:
2. Data-extractie
Haal de contactgegevens uit deze tekst.
Tekst: "Neem contact op met Jan de Vries via jan@bedrijf.nl of bel 020-1234567"
Resultaat:
- Naam: Jan de Vries
- Email: jan@bedrijf.nl
- Telefoon: 020-1234567
Tekst: "Voor vragen kunt u mailen naar info@voorbeeld.nl. Ons kantoor is bereikbaar op 030-9876543. Vraag naar mevrouw Bakker."
Resultaat:
- Naam: Mevrouw Bakker
- Email: info@voorbeeld.nl
- Telefoon: 030-9876543
Tekst: "Peter van Dam is bereikbaar op peter.vandam@firma.com en 06-12345678"
Resultaat:
3. Vertaling met specifieke stijl
Vertaal naar informeel Nederlands voor een jonge doelgroep.
Engels: "We are excited to announce our new product line."
Nederlands: "We hebben groot nieuws: onze nieuwe productlijn is er!"
Engels: "Please don't hesitate to reach out if you have any questions."
Nederlands: "Heb je vragen? Stuur ons gerust een berichtje!"
Engels: "We value your feedback and continuously strive to improve."
Nederlands:
4. Code generatie met patroon
Maak een Python functie op basis van deze beschrijving.
Beschrijving: Tel het aantal klinkers in een string
Code:
def tel_klinkers(tekst):
klinkers = 'aeiouAEIOU'
return sum(1 for c in tekst if c in klinkers)
Beschrijving: Draai een string om
Code:
def draai_om(tekst):
return tekst[::-1]
Beschrijving: Tel het aantal woorden in een string
Code:
5. Classificatie voor klantenservice
Classificeer deze klantvragen in categorien.
Vraag: "Wanneer wordt mijn bestelling bezorgd?"
Categorie: Verzending
Prioriteit: Normaal
Vraag: "Ik heb een verkeerd product ontvangen en wil het retourneren"
Categorie: Retour
Prioriteit: Hoog
Vraag: "Hebben jullie ook een abonnement met korting?"
Categorie: Sales
Prioriteit: Laag
Vraag: "Mijn account is gehackt en ik kan niet meer inloggen"
Categorie:
Prioriteit:
Hoeveel voorbeelden heb je nodig?
De vuistregel:
| Complexiteit taak | Aantal voorbeelden | Toelichting | |---|---|---| | Simpel format | 1-2 | Het model snapt het snel | | Classificatie | 2-3 | Een voorbeeld per categorie | | Complexe stijl | 3-5 | Meer voorbeelden = consistenter | | Genuanceerde taken | 5+ | Bij subtiele patronen |
Tips voor het kiezen van voorbeelden
- Variatie - Kies voorbeelden die verschillende aspecten tonen
- Representatief - Je voorbeelden moeten lijken op de echte input
- Consistent - Houd het format van je voorbeelden identiek
- Edge cases - Voeg een lastig voorbeeld toe als je dat verwacht
Combineren met andere technieken
Few-shot wordt nog krachtiger in combinatie:
Few-shot + Chain-of-thought
Geef voorbeelden inclusief de redenering. Bekijk ons artikel over chain-of-thought prompting voor meer details.
Vraag: Is 15 een priemgetal?
Redenering: 15 = 3 x 5, dus deelbaar door meer dan 1 en zichzelf.
Antwoord: Nee
Vraag: Is 17 een priemgetal?
Redenering:
Few-shot + Rol
Je bent een ervaren copywriter voor tech-bedrijven.
Briefing: SaaS product voor projectmanagement
Tagline: "Projecten afmaken, niet alleen starten."
Briefing: AI-tool voor klantenservice
Tagline: "Elke klant voelt zich gehoord. Automatisch."
Briefing: Cloud backup dienst
Tagline:
Meer over rollen in ons artikel over rol-gebaseerd prompting.
Veelgemaakte fouten
- Inconsistente voorbeelden - Als je voorbeelden elk een ander format hebben, weet het model niet wat je wilt
- Te weinig variatie - Drie bijna identieke voorbeelden leren het model minder dan drie verschillende
- Verkeerde voorbeelden - Als je voorbeelden fouten bevatten, leert het model die fouten
- Te veel voorbeelden - Na 5-7 voorbeelden neemt de meerwaarde sterk af en gebruik je onnodig veel tokens
- Geen duidelijke scheiding - Maak helder waar elk voorbeeld begint en eindigt
Tips voor succes
- Begin met 2-3 voorbeelden en voeg er meer toe als het resultaat niet consistent genoeg is
- Gebruik duidelijke labels zoals "Input:", "Output:", "Voorbeeld 1:" voor structuur
- Test met verschillende input om te zien of het patroon goed is geleerd
- Bewaar je beste prompts - Een goede few-shot prompt kun je steeds hergebruiken
- Combineer met system prompts voor nog meer controle
Veelgestelde vragen
Zie de FAQ bovenaan dit artikel voor antwoorden op de meest gestelde vragen over few-shot prompting.
Hulp nodig?
Kom je er niet uit? Neem gerust contact op:
- WhatsApp: Stuur een berichtje
- Email: w.bouwmeester@bouwmeesterconsultancy.nl
- Bel: +31 6 28963636
Ik help je graag verder!
Gerelateerde artikelen
Alles bekijkenPrompts
Zero-shot prompting uitgelegd (2026)
Wat is zero-shot prompting? Leer hoe je AI-modellen instructies geeft zonder voorbeelden en wanneer dit de beste aanpak is.
Prompts
Chain-of-thought prompting: stap voor stap denken (2026)
Leer hoe chain-of-thought prompting werkt en hoe je AI stap voor stap laat redeneren voor betere, nauwkeurigere antwoorden.
Prompts
Prompt engineering: betere resultaten uit AI (2026)
Leer de basis van prompt engineering. Ontdek technieken zoals chain-of-thought, few-shot learning en role prompting om betere AI-resultaten te krijgen.