Natuurlijk! Hier is een voorstel voor een prompt-tool die automatisch de context van je AI-project herkent en je prompts aanpast op basis van variabele input en gebruiksscenario's voor een klantenservice chatbot: 1. Contextherkenning en variabele input: - Definieer de variabelen: Klantvraagtype, Sentiment, Productcategorie - Verzamel deze variabelen dynamisch uit de gebruikerinput of vooraf ingevulde data 2. Aanpassing van prompts op basis van variabelen: - Pas toon aan volgens sentiment (bijvoorbeeld vriendelijk, kalm, empathisch bij negatief sentiment) - Geef specifieke antwoorden afhankelijk van productcategorie 3. Voorbeeld van een automatische prompt-generator: ```python def genereer_prompt(klantvraag, klantvraagtype, sentiment, productcategorie): # Pas toon aan op sentiment if sentiment == 'negatief': toon = 'met empathie en begrip' elif sentiment == 'positief': toon = 'met enthousiasme' else: toon = 'neutraal en professioneel' # Specifieke antwoorden per productcategorie if productcategorie == 'elektronica': antwoord_template = "Hier is de informatie over onze elektronische producten..." elif productcategorie == 'kleding': antwoord_template = "Hier zijn onze tips en informatie over kleding..." else: antwoord_template = "Hier is de informatie die u zoekt..." prompt = ( f"Beantwoord de klantvraag op een {toon} wijze.\n" f"Klantvraagtype: {klantvraagtype}\n" f"Productcategorie: {productcategorie}\n" f"Vraag: {klantvraag}\n" f"Antwoord: {antwoord_template}" ) return prompt ``` 4. Integratie in je AI-project: - Laat de tool automatisch de variabelen detecteren uit de input of stel ze handmatig in - Gebruik de gegenereerde prompt om je AI-model te voeden voor een contextueel passend antwoord Wil je dat ik een volledige werkende code voor je uitwerk of een meer geavanceerde aanpak voorstel?

Absoluut. Laten we een gestructureerde prompt tool voor je klantenservice chatbot ontwikkelen. Het doel is om een "slimme prompt" te creëren die zich automatisch aanpast, zodat je niet voor elk scenario een volledig nieuwe prompt hoeft te schrijven. ### De Kern: De Adaptieve Prompt Template Hier is de basisstructuur die je kunt gebruiken. Deze fungeert als een mal waarin de variabelen worden ingevuld. **Prompt Template:** ```markdown Jij bent een expert klantenservice-medewerker voor [Bedrijfsnaam]. Je doel is om elke klantvraag vriendelijk, accuraat en efficiënt op te lossen. **Context van dit gesprek:** - **Klantvraagtype:** {vraagtype} - **Sentiment van de klant:** {sentiment} - **Productcategorie:** {productcategorie} **Gedragsregels op basis van sentiment:** - **{sentiment}:** {sentiment_gedrag} **Specifieke kennis per productcategorie:** - **{productcategorie}:** {product_info} **Hoofdtaak:** Beantwoord de volgende vraag van de klant, houd je strikt aan bovenstaande context en gedragsregels. Wees concis maar toon begrip. Richtlijn: maximaal 3 zinnen, tenzij complexe troubleshooting nodig is. **Klantvraag:** "{de_actuele_vraag_van_de_klant}" ``` --- ### Stap 2: De Invultool (Prompt Generator) Om de bovenstaande template automatisch in te vullen, heb je een eenvoudig mechanisme nodig. Dit kan een Excel-sheet, een simpel Python script, of gewoon een goed georganiseerd notitiedocument zijn dat je handmatig invult. **Voorbeeld: Een Invultabel (bv. in Excel of Google Sheets)** | Variabele | Mogelijke Waarden (Voorbeelden) | Beschrijving | | :--- | :--- | :--- | | **`{vraagtype}`** | `Facturatie`, `Technische Ondersteuning`, `Productinformatie`, `Leverstatus`, `Retourneren` | Categoriseer de vraag om het doel te bepalen. | | **`{sentiment}`** | `Neutraal`, `Gefrustreerd`, `Tevreden` | Bepaalt de toon van je antwoord. | | **`{sentiment_gedrag}`** | Zie onderstaande "Gedragsregelbank" | De concrete instructie die bij het sentiment hoort. | | **`{productcategorie}`** | `Elektronica`, `Kleding`, `Huishoudelijke artikelen` | Zorgt voor productspecifieke kennis. | | **`{product_info}`** | Zie onderstaande "Kennisbank" | De productspecifieke details die in de prompt komen. | --- ### Stap 3: Jouw Gedragsregelbank (Voor `{sentiment_gedrag}`) Dit is de crux van de aanpassing op sentiment. Definieer vooraf vastgestelde gedragsregels. - **`Neutraal`:** "Wees professioneel, vriendelijk en direct. Focus op het efficiënt oplossen van het probleem." - **`Gefrustreerd`:** "Toon eerst oprechte empathie en excuses voor de moeite. Erken het probleem duidelijk (bijv. 'Ik begrijp dat dit erg vervelend voor u moet zijn'). Prioriteer daarna een snelle en duidelijke oplossing." - **`Tevreden`:** "Wees warm en enthousiast. Bevestig het positieve sentiment (bijv. 'Wat fijn om te horen!'). Benadruk dat je blij bent om verder te helpen." --- ### Stap 4: Jouw Productkennisbank (Voor `{product_info}`) Hier leg je de specifieke antwoorden per categorie vast. - **`Elektronica`:** "Vermeld altijd de garantietermijn (2 jaar). Voor troubleshooting: vraag altijd eerst naar het modelnummer en of de klant een harde reset heeft geprobeerd. Verwijs complexe problemen door naar technische support." - **`Kleding`:** "Informeer altijd over het retourbeleid (30 dagen, met labels). Wees duidelijk over maatadvies en beschikbaarheid. Noem stofsamenstelling en wasvoorschriften indien relevant." - **`Huishoudelijke artikelen`:** "Geef specificaties over materiaal en afmetingen. Check de voorraadstatus voor vervangende onderdelen. Let op bij chemische producten en verwijs naar veiligheidsinformatiebladen." --- ### Hoe het in de Praktijk Werkt: Een Voorbeeld **Scenario 1:** Een gefrustreerde klant over een kapotte laptop. 1. **Input:** * `vraagtype`: Technische Ondersteuning * `sentiment`: Gefrustreerd * `productcategorie`: Elektronica * `de_actuele_vraag`: "Mijn laptop gaat na 2 maanden al niet meer aan. Dit is ongelooflijk!" 2. **Gegenereerde Prompt (ziet er zo uit voor de AI):** ```markdown Jij bent een expert klantenservice-medewerker voor [TechCorp]. Je doel is om elke klantvraag vriendelijk, accuraat en efficiënt op te lossen. **Context van dit gesprek:** - **Klantvraagtype:** Technische Ondersteuning - **Sentiment van de klant:** Gefrustreerd - **Productcategorie:** Elektronica **Gedragsregels op basis van sentiment:** - **Gefrustreerd:** Toon eerst oprechte empathie en excuses voor de moeite. Erken het probleem duidelijk. Prioriteer daarna een snelle en duidelijke oplossing. **Specifieke kennis per productcategorie:** - **Elektronica:** Vermeld altijd de garantietermijn (2 jaar). Voor troubleshooting: vraag altijd eerst naar het modelnummer en of de klant een harde reset heeft geprobeerd. **Hoofdtaak:** Beantwoord de volgende vraag van de klant, houd je strikt aan bovenstaande context en gedragsregels. Wees concis maar toon begrip. **Klantvraag:** "Mijn laptop gaat na 2 maanden al niet meer aan. Dit is ongelooflijk!" ``` 3. **Verwacht AI-antwoord:** > "Wat ontzettend vervelend om te horen, mevrouw/meneer. excuses voor dit probleem met uw nieuwe laptop. Deze valt gelukkig nog binnen de garantie van 2 jaar. Kunt u mij het modelnummer doorgeven en aangeven of u al een harde reset heeft geprobeerd (15 seconden de aan/uit-knop ingedrukt houden)? Dan zoeken we direct een oplossing." **Scenario 2:** Een tevreden klant met een vraag over een T-shirt. * Dezelfde tool, andere input leidt tot een totaal ander antwoord, met de juiste toon (`Tevreden`) en productkennis (`Kleding`). ### Implementatietips: 1. **Bouw een Bibliotheek:** Creëer uitgebreide bibliotheken voor `vraagtype`, `sentiment_gedrag` en `product_info`. Hoe meer opties, hoe krachtiger je tool. 2. **Automatisering:** Voor technische gebruikers: je kunt deze logica automatiseren met een script (Python) of een low-code platform (bv. Zapier/Make.com) dat variabelen uit een formulier of chat-initiatie haalt en de prompt samenstelt. 3. **Testen:** Test verschillende combinaties van je variabelen om te zien of de AI consistent de gewenste antwoorden genereert. Verfijn je gedragsregels en kennisbank op basis van de resultaten. Deze aanpak geeft je maximale controle en consistentie, terwijl je maar één centrale promptstructuur hoeft te beheren. Succes!