Uw prompttekst is gericht op het samenvatten van uitgebreide klantfeedback en het verkrijgen van bruikbare inzichten. Wat betreft schaalbaarheid en verwerking van grote hoeveelheden input of meerdere gelijktijdige verzoeken: Sterke punten: - De prompt is duidelijk en specifiek, wat helpt bij het genereren van gerichte samenvattingen. - Het richt zich op bruikbare inzichten, wat de relevantie verhoogt. Verbeterpunten: - De prompt bevat geen aanwijzingen voor het verwerken van meerdere documenten tegelijk of het omgaan met grote datasets. - Bij hoge belasting of langdurig gebruik kan de contextlimiet van het taalmodel (meestal rond 4.000 tot 8.000 tokens) een beperking vormen, waardoor lange inputs niet volledig kunnen worden verwerkt zonder samenvatting of fragmentatie. Aanbevelingen: 1. **Invoerscheiding**: Deel grote hoeveelheden feedback op in kleinere delen en verwerk ze afzonderlijk voordat je de informatie combineert. 2. **Gebruik van samenvattingstechnieken**: Vraag expliciet om een samenvatting per deel en een uiteindelijke samenvatting, om de context binnen de tokenlimiet te houden. 3. **Automatisering en batching**: Automatiseer het proces voor het verzamelen en verwerken van meerdere verzoeken, bijvoorbeeld door batchverwerking via scripts. 4. **Optimaliseer prompt**: Maak de prompt beknopter en richt meer op het structureren van de output (bijvoorbeeld bullet points), zodat de relevantie behouden blijft zonder onnodige tekst. Kortom, de huidige prompt is geschikt voor kleinere tot middelgrote hoeveelheden input, maar voor schaalbare, hoge belastingssituaties is het noodzakelijk om de verwerking te structureren en te optimaliseren.

Uw huidige prompt ("Vat de volgende uitgebreide klantfeedback samen voor bruikbare inzichten") presteert redelijk voor schaalbare verwerking, maar heeft enkele aandachtspunten. **Evaluatie schaalbaarheid:** - ✅ Goede basisstructuur voor batchverwerking (herhaalbaar voor meerdere inputs) - ⚠️ Beperkte instructies voor uitzonderlijke volumes (geen richtlijnen voor prioritering/samplingsmethoden) - ⚠️ Geen specificatie van outputformaat (risico op inconsistente resultaten bij parallelle verwerking) **Suggesties voor kwaliteitsbehoud bij hoge belasting:** 1. **Prompt-optimalisaties:** ```text Vat de volgende klantfeedback samen in maximaal 3 kernpunten. Houd de samenvatting objectief en focus op actiepunten. Gebruik consistent bulletpoint-formaat: • [categorie]: [inzicht] ``` 2. **Technische ondersteuning:** - Implementeer chunking (deel grote inputs op in segmenten van ~1000 woorden) - Voeg fallback-mechanisme toe: "Bij >10 feedbacks: identificeer alleen top 3 terugkerende thema's" - Gebruik templatevariabelen voor batchverwerking 3. **Quality control:** - Voeg systematische check toe: "Bevestig of de samenvatting zowel positieve als kritische punten bevat" - Implementeer prioritering: "Markeer feedback met emotionele lading (bijv. 'blij', 'frustratie') voor eerstelijnsverwerking" 4. **Voorbeeld verbeterde prompt:** ```text Analyseer de volgende klantfeedback en geef een gestructureerde samenvatting: 1. Positieve aspecten (max 2 punten) 2. Verbeterpunten (max 3 punten) 3. Algemene sentiment-score (1-5) Formatteer het antwoord in JSON met keys: positives, improvements, sentiment ``` Deze aanpassingen garanderen consistente kwaliteit bij: - Parallelle verzoeken (dankzij gestandaardiseerd format) - Grote volumes (dankzij duidelijke beperkingen) - Langdurig gebruik (dankzij gestructureerde output die machine-leesbaar blijft) Overweeg ook een post-processing stap waarin samenvattingen worden getoetst aan kwaliteitscriteria zoals volledigheid en neutraliteit bij grootschalige implementaties.