TL;DR
Ongecontroleerd antwoordt elke AI in dezelfde vorm: het middellange essay — veilig, opgevuld en voornamelijk vulling. Scopebeperkingen vertellen het model wat het niet moet behandelen, en formaatbeperkingen schrijven exact voor welke vorm het antwoord moet hebben; samen veranderen ze breedsprakige tekst in dichte, bruikbare output.
De analogie
Stel je voor dat je een meesterkok inhuurt, en de enige instructie die je geeft is: "eten."
De kok is verrukt — en gevaarlijk met een budget. Er verschijnt een twaalgangen proeverij: soepen die je niet wilde, een intermezzo, drie desserts, een monoloog over sauzen. Elk gerecht is technisch uitstekend. De rekening is enorm. En ergens in gang negen besef je dat je alleen een boterham wilde.
Kijk nu hoe dezelfde kok dit ontvangt: "Eén gegrilde tosti met kaas, zuurdesem, doormidden gesneden, op een klein bord." Geen proeverij. Geen monoloog. Dertig seconden pure, boterhamvormige competentie.
Een onbeperkte prompt is "eten." Scope beperken is het gerecht kiezen in plaats van het menu. Het formaat afdwingen is het bord specificeren. De AI, net als de kok, is gebouwd om te imponeren — en zonder grenzen betekent "imponeren" "meer". Woorden, secties, kanttekeningen, opties, een essayvormige parade van inspanning waar je regel voor regel voor betaalt en vrijwel niets van leest.
Hier is het detail dat de meeste mensen missen: beperkingen beperken de kwaliteit niet, ze concentreren die. Vraag twaalf gangen en de gemiddelde kwaliteit per gang daalt; vraag één perfecte boterham en elke ounce van vakmanschap landt tussen twee sneetjes brood. De kok was altijd al zo goed. Jij richtte hem eindelijk.
Hoe het werkt & de economie (Uzu)
Twee knoppen, allebei gedraaid in de prompt zelf.
Knop één — scope: definieer wat er buiten valt. Een model dat tegenover een open vraag staat hult in elke richting tegelijk in, omdat alles afdekken het veiligste gemiddelde antwoord is. Sluit de uitgangen: benoem het publiek, het doel, de diepgang en wat je wilt uitsluiten. Dit is de helft van de anatomie van de one-shot prompt — de contextcomponent — die zijn stille werk doet.
Knop twee — formaat: definieer de vorm. Een formaatbeperking ("als tabel", "exact 3 bullets", "max 100 woorden", "één alinea, geen inleiding") doet iets subtiels: hij geeft het model een vaste-container om te vullen, zodat zijn inspanning naar inhoud gaat in plaats van structuur. Je voelt het verschil in de eerste zin — beperkte antwoorden openen met het antwoord, niet met "Zeker! Hier is een uitgebreid overzicht..."
| Beperkingstype | Wat je schrijft | Wat het doodt |
|---|---|---|
| Lengte | "max 100 woorden" / "exact 3 bullets" | Opvulling, inleidingen, samenvattende alinea's |
| Structuur | "als tabel" / "genummerde lijst" / "één alinea" | Essaydrift, begraven kern |
| Uitsluiting | "geen introductie, geen conclusie" | Ceremonie en keelgeschraap |
| Diepgang | "voor een beginner" / "expertniveau" | Zowel over- als onder-uitleggen |
En de beperkingen versterken elkaar waar het telt: een strak antwoord is een klein antwoord, en kleine antwoorden laten meer ruimte over op het contextvenster — het bureau waar elke vervolgvraag alles herleest. Een chat die is opgebouwd uit drie-bullets-antwoorden blijft scherp voor tientallen beurten; een chat die is opgebouwd uit essays verdrinkt zijn eigen instructies tegen bericht vijftien.
Dit is ook waar Uzu de fysica zichtbaar maakt: credits. Een lang, afdwalend antwoord genereren kost veel meer dan een strak genereren, dus een compact formaat afdwingen is niet alleen leesbaarheid — het is een financiële strategie. Elk woord dat het model niet schrijft is een fractie van een G-Credit die je houdt. De prompt die zegt "exact 3 bullets, max 20 woorden per bullet" en de prompt die zegt "vertel me alles" kunnen allebei 'correct' zijn, maar ze verbranden wild verschillende hoeveelheden van je economie — en slechts één produceert een antwoord dat je daadwerkelijk zult gebruiken.
Dus de werkregel is simpel:
Beperk eerst, vraag dan. Als je de vorm van het ideale antwoord kunt beschrijven, zet die beschrijving dan in de prompt — het model vult containers veel beter dan dat het ze raadt.
Voor & na (de beperkingen)
Voorbeeld 1 — de open vraag
Leg fotosynthese uit.
Vier alinea's, een sectie over geschiedenis, twee metaforen en een samenvatting. Prachtig, en drie keer zo lang als je nodig had.
Leg fotosynthese uit aan een 10-jarige in exact 3 zinnen. Geen analogieën met fabrieken.
Zelfde kennis, gecomprimeerd in een-container die een kind kan vasthouden. Let op de uitsluiting — "geen fabrieksanalogieën" — die een uitgang sluit waar de meeste antwoorden vrolijk doorheen zouden dwalen.
Voorbeeld 2 — de vergelijking
Vergelijk zonne- en windenergie.
Een gebalanceerd essay met zes subonderwerpen, omfloemende conclusies en de kerncijfers verspreid over alinea's negen en elf.
Vergelijk zon vs. wind voor een woninginstallatie als een tabel met exact 3 rijen: voorafkosten, terugverdientijd, benodigde ruimte. Eenwoordsoordeel na de tabel.
De tabel dwingt de vergelijking in parallelle feiten; de oordeelbeperking dwingt een beslissing af. Niets overleeft dat zijn rij niet verdient.
Voorbeeld 3 — de herschrijving
Verbeter deze e-mail.
Het model levert een langere e-mail terug — omdat "grondiger" zijn standaarddefinitie van "beter" is.
Herschrijf deze e-mail onder de 80 woorden, behoud de eerste regel als de vraag, opsomming van de twee logistieke punten, geen wijziging van de afsluiting.
Lengte afgedekt, structuur gedicteerd, scope vergrendeld tot deze e-mail. Het resultaat is korter dan het origineel en beter, wat geen enkele standaardinstelling ooit zou produceren.
Veelvoorkomende valkuilen
- Aannemen dat de AI weet wanneer hij moet stoppen. Dat weet hij niet — modellen hebben geen gevoel van "genoeg", alleen een gevoel van "compleet". Zonder limiet groeit "compleet" richting essay. Koppel altijd een maat aan het eindresultaat.
- Het formaat beperken maar de scope niet. "Als tabel" toegepast op een enorme vraag levert een enorme tabel op. De twee knoppen werken samen: krimp het territorium, kies dan de container.
- Limieten stellen die je eigenlijk niet wilt. "Max 50 woorden" wanneer je nuance nodig had levert een afgekapt, vertekend antwoord op. Beperkingen moeten de echte vorm van je ideale eindresultaat weerspiegelen — als je 200 woorden met echt inzicht zou accepteren, eis dan geen 50.
- Vergeten dat negatieve beperkingen bestaan. "Geen inleiding", "geen emoji", "noem geen prijzen", "sla de geschiedenis over" — beginners beschrijven alleen wat ze willen, nooit wat ze weg willen laten. Uitsluitingen zijn het scherpste scope-gereedschap in de doos.
- De beperkingen bewaren voor de vervolgvraag. "Korter, alsjeblieft" sturen na een opgeblazen antwoord betekent dat de tokens al waren gegenereerd — en in Uzu, al betaald. Beperkingen zijn goedkoop vóór generatie en duur erna.
FAQ
Hoe laat ik AI kortere antwoorden geven?
Koppel een expliciete, meetbare beperking aan de prompt zelf: "in exact 3 bullets", "onder de 100 woorden", "één alinea, geen inleiding". Vage verzoeken om "kort te zijn" mislukken omdat ze geen test hebben — "exact 3 bullets" kan niet verkeerd worden begrepen. Voeg negatieve beperkingen toe ("geen introductie, geen conclusie") om de ceremonie te trimmen die modellen standaard toevoegen.
Wat betekent scope beperken bij prompting?
Scope beperken betekent de grenzen van het antwoord definiëren vóórdat het wordt gegenereerd: het publiek, de diepgang, wat wordt opgenomen en — het krachtigst — wat wordt uitgesloten. Het is het verschil tussen "vertel me over marketing" en "3 Instagram-captionideeën voor een bakkerij, onder de 20 woorden per stuk". Zelfde model, wild verschillende dichtheid.
Bespaart een korter AI-antwoord geld?
Ja. Taalmodellen genereren tekst token voor token, en generatie is het dure deel — een antwoord van 900 woorden kost ongeveer negen keer zoveel als één van 100 woorden. In Uzu wordt dat verschil in rekening gebracht in G-Credits, dus een afgedwongen strak formaat rekt je saldo direct: beperk eerst de vorm, betaal voor inhoud in plaats van opvulling.
Volgende les
Tot nu toe ging elke techniek over woorden in, woorden uit. Maar moderne modellen hebben nog een hele andere zintuig: ze kunnen zien. Ze een afbeelding voeren verandert de regels van prompting — vocabulair vervangt syntaxis, en het kostenmodel verandert ook. Welkom bij de meest verkeerd begrepen invoer in AI.
Ga door naar de volgende les: Visuele prompts & bijlagekosten
Oefendrill voor je gaat: neem het laatste lange AI-antwoord dat je ontving en reverse-engineer de beperking die het op een derde van de omvang had geproduceerd — het exacte woordenaantal, de exacte container, de ene uitsluiting die de vulling had gekapt. Schrijf bij de volgende prompt die beperking eerst.