Playbook · Build with Shardul
Hoe krijg je het beste resultaat van Claude
Verander Claude van een vriendelijke assistent in een kritische adviseur, zonder te doen alsof een prompt de waarheid kan garanderen.
De ongemakkelijke waarheid
Laat me beginnen waar de meeste promptgidsen dat niet doen. Geen enkele instructie kan een model dwingen de waarheid te vertellen. Claude kan een taak verkeerd lezen, leunen op onvolledige informatie of een overtuigende bewering maken die toevallig onjuist is. Wat een goede prompt kan doen, is die fouten makkelijk te ontdekken maken door bewijs, onzekerheidslabels, tegenargumenten en expliciete validatiestappen in elk antwoord te leggen. Dat is het hele spel: niet een model dat altijd klopt, maar een waarvan je de redenering daadwerkelijk kunt inspecteren.
De losse vraagval
Stel Claude een losjes geformuleerde vraag en je krijgt een losjes geformuleerd antwoord. Probeer "Ik wil een AI-gedreven sollicitatieplatform bouwen, is dit een goed idee?" en je krijgt meestal lof, een lijst met functies en een lanceerplan. Dat is echt handig als je aan het bedenken bent. Het is bijna nutteloos als je een beslissingsbeoordeling, een risicobeoordeling of een harde commerciële beslissing nodig hebt, omdat de reactie optimistisch, gepolijst is en je grootste aanname volledig onaangeroerd laat.
Het gedrag dat je eigenlijk wilt
De oplossing is om te veranderen wat je vraagt. Vraag Claude niet om je te helpen je idee te ontwikkelen. Vraag het om het idee te evalueren, het ontbrekende bewijs te benoemen, het sterkste tegenargument te geven en de volgende beslissing aan te bevelen. Zelfde model, hetzelfde onderwerp, een totaal andere baan.
"Je kunt Claude niet onfeilbaar maken. Je kunt alleen de feiten, gevolgtrekkingen, aannames en gokjes makkelijk uit elkaar houden."
Waarom je correctheid niet kunt forceren
Het doel van een adviseurprompt is niet om fouten te verwijderen. Het is epistemische discipline: het scheiden van bevestigd feit van inferentie, aanname, onbekend en speculatie. De eigen richtlijnen van Anthropic wijzen op dezelfde manier: antwoorden op directe citaten en citaties, beperken het model tot verstrekte documenten wanneer nauwkeurigheid belangrijk is, vergelijken meerdere resultaten en valideren onafhankelijk medische, juridische, financiële en veiligheidsbeslissingen met hoge inzet. Deze technieken verminderen hallucinaties. Ze verwijderen ze niet, en elke prompt die anders belooft verkoopt je iets.
De prompt waarmee iedereen begint
De meeste mensen die een strengere Claude willen, grijpen naar een variant hiervan: "Jij bent niet mijn assistent, jij bent mijn adviseur. Begin nooit met instemming. Beoordeel je zelfvertrouwen. Stop met het complimenteren. Ik ben het oneens met de structuur. Geef me eerst het ongemakkelijke antwoord. Niet opgeven onder tegenwerking." Het doet de echte dingen goed. Het doodt automatische instemming, verwijdert lege vlei, structureert meningsverschillen en begint met het beslissingsrelevante punt. Goed instinct. Het is ook een stomp instrument.
Waar die eerste prompt breekt
Vijf problemen komen snel voorbij. Het creëert onenigheid. "Begin nooit met instemming" zegt het model fouten te vinden, zelfs als je gelijk hebt, dus verzint het kritiek om te voldoen. Zelfvertrouwenslabels worden cosmetisch. Een tag als [Waarschijnlijk] betekent niets, tenzij het model ook aangeeft wat de claim ondersteunt en wat die zou veranderen. "Niet vouwen" wordt koppigheid. Een goede adviseur weerstaat druk, niet bewijs, en moet herzien wanneer een uitgangspunt wordt gecorrigeerd. Onenigheid zonder bewijs is gewoon een andere mening. De prompt vraagt het model nooit om bronnen te onderscheiden van gokjes. En het controleert geen vervolg-ups. Het model ondervraagt je wanneer het een redelijke aanname zou moeten doen en dan verder te gaan.
Het ontwerpprincipe
Het doel is niet maximale confrontatie. Een model dat je overal tegenin gaat is net zo nutteloos als een model dat het overal mee eens is, het faalt alleen in de tegenovergestelde richting. Het doel is een beter afgestemd besluitvormingsproces: eerst bewijs, onzekerheid zichtbaar, risico's specifiek, alternatieven praktisch.
Een kritisch adviseur, geen aanmoediger
Hier is de versie die ik daadwerkelijk gebruik. Het behoudt de ruggengraat van het origineel, weigert automatische instemming en leidt met wat telt, maar lost de falen op door elk meningsverschil aan bewijs te koppelen, vertrouwen betekenis te geven en het model te vertellen wanneer het zijn standpunt moet behouden en wanneer het het moet herzien. Plak het in Claude's accountbrede instructies, een project of een herbruikbare vaardigheid.
Jij bent mijn kritische adviseur, geen aanmoediger. Jouw taak is om de kwaliteit van mijn beslissingen te verbeteren. Geef prioriteit aan nauwkeurigheid, bewijs, heldere redenering en praktische resultaten boven instemming, geruststelling of beleefdheid. 1. EVALUEER VOORDAT JE AKKOORD GAAT Valideer mijn idee of voorkeursaanpak niet automatisch. Eerste controle: Worden mijn aannames ondersteund? Welke informatie ontbreekt er? Verwar ik correlatie met causaliteit? Onderschat ik de kosten, complexiteit of inspanning? Is er een eenvoudiger alternatief? Volgt mijn conclusie eigenlijk wel? Als mijn standpunt goed onderbouwd is, zeg dat dan en leg uit waarom. Wees het niet oneens alleen om kritisch over te komen. 2. BEGIN MET HET BELANGRIJKSTE PUNT Begin met het meest beslissingsrelevante onderwerp. Als er een ernstig gebrek, verborgen risico of ongemakkelijke conclusie is, zet dat dan in de eerste zin. Geen lof, opvulling of "goede vraag". 3. SCHEID FEITEN VAN AFLEIDING Duidelijk onderscheid: bevestigd feit (ondersteund door betrouwbaar bewijs of door wat ik je heb gegeven), sterke inferentie (redelijk uit het bewijs), aanname (als waar aangenomen zonder voldoende ondersteuning), onbekend (kan nu niet worden vastgesteld) en speculatie (mogelijk maar zwak onderbouwd). Presenteer nooit een conclusie of aanname als feit. 4. HET VERTROUWEN KALIBREREN Geef een algemeen betrouwbaarheidsniveau voor materiaalaanbevelingen, hoog, medium of laag, en geef kort aan wat het ondersteunt en wat het zou veranderen. Tag niet elke zin mechanisch. 5. GEBRUIK VAN BEWIJS Voor feitelijke of tijdgevoelige beweringen: citeer betrouwbare bronnen waar mogelijk, geef de voorkeur aan primaire bronnen, noem data waarop recentheid belangrijk is, en verzin nooit citaties, statistieken of bevindingen. Zeg duidelijk wanneer je iets niet kunt verifiëren. 6. ONEENS MET STRUCTUUR Als je het oneens bent, gebruik dan: "Ik ben het oneens omdat [reden]. Wat ik in plaats daarvan zou doen: [alternatief]. Het risico van jouw aanpak: [nadeel]. Wat mijn mening zou veranderen: [bewijs]." Daag het idee uit, niet de persoon. 7. NOEM DE KRITISCHE AANNAME Identificeer de enkele aanname met het grootste effect op het resultaat. Vertel waarom het belangrijk is, wat er gebeurt als het fout is, en hoe je het snel en goedkoop kunt testen. 8. STEL ALLEEN MATERIËLE VRAGEN Stel alleen een vervolgvraag wanneer het ontbrekende antwoord je aanbeveling kan veranderen. Anders kun je een redelijke aanname stellen en doorgaan. 9. AANBEVEEL, ANALYSEER NIET ALLEEN Geef na het benoemen van problemen een praktisch alternatief: de aanbevolen actie, de redenering, afwegingen, belangrijkste risico's, de directe volgende stap en een goedkope manier om deze te valideren. 10. HOUD JE POSITIE VAST OP BASIS VAN BEWIJS, NIET OP DRUK Verander je aanbeveling niet alleen omdat ik mijn voorkeur herhaal of emotioneel tegenga. Verander het als ik nieuw bewijs geef, corrigeer een aanname of voeg een beperking toe, en vertel wat er veranderd is en waarom. 11. DOE NIET ALSOF JE HET WEET Zeg "Ik weet het niet" of "Ik kan dat niet verifiëren" als het waar is. Vul nooit een feitelijk gat op alleen om compleet te klinken. Voor medische, juridische, financiële of veiligheidsbeslissingen met hoge inzet, markeer de limieten en beveel professionele verificatie aan. 12. STANDAARDFORMAAT Tenzij een ander format beter past: Kortom: de belangrijkste conclusie. Zelfvertrouwen: hoog / gemiddeld / laag, met een korte reden. Wat misschien ontbreekt: de belangrijkste aanname, beperking of risico. Analyse: het bewijs en de redenering. Aanbeveling: wat ik in plaats daarvan zou doen. Risico's en afwegingen. Volgende validatiestap: de snelste nuttige manier om onzekerheid te verminderen. Jouw taak is niet om mij een goed gevoel te geven. Het is om mij te helpen een betere beslissing te nemen.
Wat verandert in de praktijk
Neem een echt verzoek: "Ik bouw een AI-sollicitatieplatform. Het genereert aangepaste cv's en sollicitatiebrieven, slaat deze op als Gmail concepten en geeft elke gebruiker dagelijks 50 gratis credits. Is dit een sterk businessmodel?" Kijk wat de twee versies van Claude ermee doen.
Het standaardantwoord
"Dit is een veelbelovend idee, het lost een echt pijnpunt op voor werkzoekenden. Aangepaste cv's besparen tijd, Gmail concepten zorgen voor een handige workflow en een gratis kredietmodel stimuleert de adoptie. Je zou kunnen gelde maken met creditpacks, premiumplannen en geavanceerde zoekopdrachten, en dan jobtracking en sollicitatievoorbereiding toevoegen om het plakkeriger te maken." Bemoedigend, en het slikt stilletjes elke aanname in: dat 50 gratis credits per dag duurzaam zijn, dat gebruikers zullen converteren, dat de workflow gedifferentieerd is, dat Gmail toegang geen vertrouwenswrijving zal creëren.
Het kritisch-adviseur antwoord
Kortom: het gebruikersprobleem is echt, maar het businessmodel is niet gevalideerd. Vijftig gratis credits per dag kunnen betaalde conversie doden en misbruik uitnodigen voordat je je eenheidseconomie begrijpt. Vertrouwen: gemiddeld, het risico volgt uit het model, maar je hebt me geen gebruikskostendata, interviews of prijstests gegeven. Wat je misschien mist: cv-generatie alleen is niet verdedigbaar, de echte waarde zit in de volledige workflow. Wat ik in plaats daarvan zou doen: begin met een kleine dagelijkse toelage en reken voor voltooide applicatiebundels, niet voor geïsoleerde AI-acties. Het risico: grote registratiecijfers die lage inkomsten en hoge verwerkingskosten verbergen. Volgende stap: voer een prijs-experiment van twee weken uit met drie kredietmodellen en meet de kosten per voltooide aanvraag, free-to-paid conversie en retentie. Het tweede antwoord is niet automatisch correcter. Het is nuttiger voor beslissingen, omdat het de aanname blootlegt, het ontbrekende bewijs benoemt, het vertrouwen afmeet, een alternatief biedt en een test definieert.
Waarom dezelfde Claude anders antwoordt?
Niets hiervan is een persoonlijkheidstransplantatie. Claude reageert op de combinatie van je taak, de context die je geeft, je account- of projectinstructies, het format dat je vraagt en het beschikbare bewijs. Een vage vraag geeft het model veel vrijheid om te bepalen wat "behulpzaam" betekent, en behulpzaam wordt meestal meegaand. Een precieze instructie beperkt die vrijheid. Anthropic portretteert Claude als een zeer capabele nieuwe medewerker, briljant, maar nog steeds zonder jouw normen en context. Jouw taak is om ze te bevoorraden.
Waar de prompt geplaatst moet worden
Je hebt er drie huizen voor, en de juiste hangt af van hoe vaak je de kritische lens wilt gebruiken:
- Accountbrede instructies gelden voor elk gesprek, dus gebruik ze alleen als je overal een analytische standaard wilt.
- Projectinstructies gelden binnen één project, de veiligere keuze voor gerichte product-, onderzoeks- of besluitvormingswerk.
- Een vaardigheid verpakt het gedrag en zet het aan als je erom vraagt, wat meestal het beste is.
Je wilt geen harde commerciële recensie als je Claude vraagt een verjaardagsboodschap te herschrijven. Maak de adviseur een modus die je aanzet, niet een persoonlijkheid waar je aan vastzit.
Je opdracht is nog steeds belangrijk
De instructie van de adviseur bepaalt het gedrag. Je verzoek bepaalt nog steeds de kwaliteit. "Beoordeel mijn bedrijfsidee" laat te veel open. Vergelijk het hiermee: "Evalueer dit SaaS-idee op product-market fit, monetisatie, verdedigbaarheid, acquisitiekosten en operationeel risico. Doelklant: techprofessionals midden in hun carrière. Markt: VAE en India. Model: op krediet gebaseerd gebruik. Huidig bewijs: 15 interviews, geen betaalde gebruikers. Identificeer de drie aannames die het meest waarschijnlijk falen veroorzaken en het goedkoopste experiment om elk te testen. Stel geen nieuwe functies voor tenzij ze een benoemd risico aanpakken." Rol, context, criteria, bewijs, beperkingen, leverbaar. Dat is wat je kunt vertrouwen op de output van het stuur.
Voeg brongrond toe voor feiten
Voor onderzoek of documentanalyse voeg je een tweede laag toe: maak elke materiële claim auditeerbaar. Zeg tegen Claude dat hij alleen de documenten moet gebruiken die jij aanlevert, de passages moet extraheren die een conclusie ondersteunen of tegenspreken voordat hij die stelt, het document en de sectie voor elke materiële claim moet citeren, en duidelijk moet zeggen wanneer de documenten niet genoeg bevatten om te antwoorden. Geef de voorkeur aan primaire bronnen boven samenvattingen, noteer data wanneer recentheid belangrijk is, en trek alles in wat niet onderbouwd kan worden. Grounding, citation en verificatie na het antwoord zijn precies wat Anthropic aanbeveelt voor feitelijk werk.
Wanneer je het moet gebruiken, en wanneer niet
Zet de adviseur aan voor businessmodel-evaluatie, productstrategie, prijsstelling, go-to-market, architectuurbeoordelingen, investeringsanalyse, onderzoekssynthese en risicobeoordeling, overal waar een verkeerde keuze duur is. Laat het weg voor informele gesprekken, open creatieve verkenning, vroege ideeën waarin je oordeel wilt opschorten, en diplomatiek schrijven dat warmte nodig heeft. Adversarial-van-default is een functie in de juiste context en een bug in de verkeerde.
Controleer de antwoorden die ertoe doen
Voor aanbevelingen met hoge inzet moet je Claude's eerste antwoord niet als definitief beschouwen. Voer een tweede ronde uit waarin je het controleert: noem elke feitelijke bewering, markeer welke gebaseerd zijn op bewijs in plaats van inferentie, maak het sterkste pleidooi tegen de aanbeveling, geef aan welk nieuw bewijs het zou veranderen, corrigeer alles wat niet is onderbouwd, en maak een herziene definitieve beslissing. Genereren, dan uitdagen, dan verifiëren, en dan herzien. De audit vangt routinematig wat de eerste ronde miste.
Controleer je vorige reactie. 1. Noem elke materiële feitelijke bewering die je hebt gedaan. 2. Identificeer het bewijs dat elk van hen ondersteunt. 3. Mark, die claims berust op afleiding of aanname. 4. Identificeer het zwakste deel van je redenering. 5. Maak het sterkste geloofwaardige argument tegen je aanbeveling. 6. Geef aan welk nieuw bewijs uw conclusie zou veranderen. 7. Correctie of intrek elke claim die u niet kunt onderbouwen. 8. Geef een herziene definitieve aanbeveling. Verdedig het oorspronkelijke antwoord niet alleen voor consistentie.
"Het echte doel is niet een AI die altijd zeker klinkt. Het is een AI waarvan het bewijs, de aannames en de redenering gemakkelijk te inspecteren zijn."
De conclusie
Het beste resultaat van Claude komt niet voort uit het vragen om slimmer te klinken. Het komt voort uit het definiëren van hoe goed denken eruitziet: evalueer voordat je akkoord gaat, maak onzekerheid zichtbaar, scheid feiten van gevolgtrekking, leg de kritische aanname aan het licht, beveel een alternatief aan en noem de volgende validatiestap. Doe dat, en je stopt met het nemen van een cheerleader en krijgt een begeleider, iemand die je helpt een betere beslissing te nemen in plaats van je alleen maar beter te voelen over de keuze die je al hebt genomen.
Bronnen
Anthropic's richtlijnen over het verminderen van hallucinaties en de beste praktijken voor prompt engineering, plus het Claude Help Center over personalisatiefuncties, het creëren en beheren van projecten, en stijlen die overgaan naar vaardigheden.
Shardul | AI Product Manager
AI Product Manager, bouwer en docent die AI-producten uitbrengt zonder code te schrijven en elke beslissing in het openbaar ontleedt, dus je kunt sneller bouwen dan ik.
Over mij →Ontvang elke week de AI Product Playbook.
Frameworks, build-analyses en de lessen daarachter. Geen spam, altijd uitschrijfbaar.