Prompt Chaining: Wanneer Één Prompt Niet Genoeg Is

Als je ooit hebt geprobeerd een heel project in één prompt te proppen—vereisten → oplossing → plan → risico's → einddocument—weet je al hoe het afloopt:

• het slaat stappen over,
• het vergeet beperkingen,
• het geeft je een "zelfverzekerd" antwoord dat je niet gemakkelijk kunt verifiëren,
• en op het moment dat er iets mis is, heb je geen idee waar de fout is opgetreden.

Prompt Chaining is de oplossing. Zie het als het bouwen van een workflow waarbij elke prompt een station op een assemblagelijn is: één stap naar binnen, één stap naar buiten, en de output wordt de input voor het volgende station.

Met andere woorden: je vraagt een LLM niet om "alles tegelijk" te doen. Je vraagt het om één ding tegelijk te doen, op betrouwbare wijze.

1) Wat Is Prompt Chaining?

Prompt Chaining is de praktijk van:

1. Opdelen van een grote taak in kleinere subtaken
2. Het ontwerpen van een specifieke prompt voor elke subtaak
3. Gestructureerde outputs doorgeven van de ene stap naar de volgende
4. Het toevoegen van validatie + correctie stappen zodat de keten niet afdrijft

Het is in feite de "microservices mindset" toegepast op LLM-redenering.

Single Prompt vs Prompt Chaining (in gewone taal)

| Dimensie | Single Prompt | Prompt Chaining | |----|----|----| | Complexiteit | Goed voor eenvoudige, eenmalige taken | Gebouwd voor meerstaps, echte workflows | | Logica | Model gokt het proces | Jij definieert het proces | | Controle | Moeilijk te sturen | Elke stap is stuurbaar | | Debuggen | "Waar ging het mis?" | Je kunt de kapotte stap lokaliseren | | Contextlimieten | Gemakkelijk te overstromen | Gegevens geleidelijk aanleveren, stap voor stap |

2) Waarom Het Werkt (De Echte Reden)

LLM's zijn niet geweldig in het jongleren met meerdere doelen tegelijk.

Vraag om: "Analyseer de vereisten, stel functies voor, schat de inspanning, prioriteer en schrijf dan een plan"—en je hebt een multi-objectief optimalisatieprobleem opgezet. Het model zal meestal een behoorlijke prestatie leveren op één objectief en stilletjes tekort schieten bij de rest.

Prompt Chaining vermindert de cognitieve belasting: één stap → één output → één succescriterium.

3) Het Kernmechanisme: Input → Proces → Output (Herhaald)

In de kern is Prompt Chaining een lus:

• Input: output van vorige stap + nieuwe gegevens
• Proces: de volgende prompt met regels + opmaakbeperkingen
• Output: gestructureerd resultaat voor de volgende stap

Hier is een eenvoudige keten die je kunt visualiseren:

flowchart LR A[Ruwe gebruikersfeedback] --> B[Prompt 1: Extracteer pijnpunten] B --> C[Prompt 2: Stel functies voor] C --> D[Prompt 3: Prioriteer & schat inspanning] D --> E[Prompt 4: Schrijf een iteratieplan]

4) Vier Niet-Onderhandelbare Punten Voor Het Bouwen Van Goede Ketens

4.1 Subtaken moeten onafhankelijk en verbonden zijn

• Onafhankelijk: elke stap doet één taak (geen overlap)
• Verbonden: elke stap hangt af van de vorige output (geen "zwevende" stappen)

Slecht: "Extracteer pijnpunten en ontwerp functies" Goed: Stap 1 extraheert pijnpunten; Stap 2 ontwerpt functies op basis daarvan.

4.2 Tussenliggende outputs moeten gestructureerd zijn

Vrije tekst is fragiel. De volgende prompt kan het verkeerd lezen, herinterpreteren of negeren.

Gebruik gestructureerde formaten zoals JSON, tabellen of opsommingslijsten met vaste sleutels.

Voorbeeld (JSON die je daadwerkelijk kunt parsen):

{  "pain_points": [   {"category": "performance", "description": "Checkout duurt > 8 seconden", "mentions": 31},   {"category": "ux", "description": "Terugbetalingsknop moeilijk te vinden", "mentions": 18},   {"category": "reliability", "description": "Betaling mislukt zonder foutmelding", "mentions": 12} ] }

4.3 Elke prompt moet expliciet context "erven"

Ga er niet van uit dat het model zal "onthouden wat je bedoelde." Verwijs in de volgende prompt expliciet naar de vorige output:

4.4 Bouw een foutpad in (validatie + herstel)

Elke keten heeft een "kwaliteitspoort" nodig:

• Valideren: "Bevat output alle vereiste sleutels? Zijn getallen consistent?"
• Herstellen: "Als ontbrekend, regenereer alleen de ontbrekende delen"
• Veiligheidsmaatregel: "Max 2 herhalingen; anders beste poging + fouten retourneren"

5) Drie Architecturen Die Je Overal Zult Gebruiken

5.1 Lineaire Chaining: vaste stappen, geen vertakkingen

Gebruik het wanneer: de workflow voorspelbaar is.

Voorbeeld: Maandelijks Omzetrapport (Lineair)

Stel dat je een CSV-export hebt van een webwinkel en je wilt:

• opschoning
• inzichten
• een managementklaar rapport

Stap 1 — Data opschonings

SYSTEM: Je bent een data-analist. Volg de instructies precies. USER: Maak de onderstaande dataset schoon. ​ Regels: 1) Verwijder rijen waar revenue_gbp of units_sold null is. 2) Markeer uitschieters in revenue_gbp: > 3x categorie gemiddelde OF < 0,1x categorie gemiddelde. Verwijder ze niet. 3) Voeg month_over_month_pct toe: (deze_maand - vorige_maand) / vorige_maand * 100. 4) Output alleen als JSON array. Elk item moet hebben:   date, category, revenue_gbp, units_sold, region_uk, outlier_flag, month_over_month_pct ​ Dataset: <PLAK DATA HIER>

Stap 2 — Inzichten

SYSTEM: Je bent een senior analist die schrijft voor een leiderschapspubliek. USER: Gebruik de schone JSON hieronder om inzichten te produceren: ​ 1) Categorie: Top 3 op revenue_gbp, en Top 3 op month_over_month_pct. Inclusief bijdrage %. 2) Regio: Top 2 regio's op omzet, en grootste daling (>10%). 3) Trend: Algehele trend (omhoog/omlaag/volatiel). Leg revenue vs units relatie uit. ​ Outputformaat: - Categorie-inzichten: 2-3 bullets - Regio-inzichten: 2-3 bullets - Trendinzichten: 2-3 bullets ​ Schone JSON: <PLAK STAP-1 OUTPUT>

Stap 3 — Rapportschrijf

SYSTEM: Je schrijft scherpe interne rapporten. USER: Verander de onderstaande inzichten in een "Maandelijkse Omzetbrief" (800–1.000 woorden). ​ Structuur: 1) Managementsamenvatting (1 korte paragraaf) 2) Belangrijkste inzichten (Categorie / Regio / Trend) 3) Aanbevelingen (2–3 uitvoerbare items) 4) Afsluiting (1 korte paragraaf) ​ Gebruik GBP (£) opmaak en UK spelling. Inzichten: <PLAK STAP-2 OUTPUT>

Lineaire ketens zijn saai op de beste manier: ze zijn voorspelbaar, automatiseerbaar en gemakkelijk te testen.

5.2 Vertakkende Chaining: kies een pad gebaseerd op classificatie

Gebruik het wanneer: de volgende stap afhangt van een beslissing (type, ernst, intentie).

Voorbeeld: Klantbericht triage (Vertakkend)

Stap 1 classificeert het bericht:

SYSTEM: Je classificeert klantberichten. Output alleen het label. USER: Classificeer dit bericht als een van: - complaint - suggestion - question ​ Outputformaat: label: <een van de drie> ​ Bericht: "Mijn bestelling is afgeschreven maar nooit aangekomen, en niemand heeft op mijn e-mails gereageerd. Dit is belachelijk."

Dan vertakt je:

• Als complaint → genereer incident responsplan
• Als suggestion → produceer haalbaarheid + roadmap planning
• Als question → genereer een direct supportantwoord

Klachtafhandelaar (voorbeeld):

SYSTEM: Je bent een customer ops manager. USER: Maak een klachtafhandelingsplan voor het onderstaande bericht. ​ Inclusief: 1) Probleemstelling 2) Acties: binnen 1 uur, binnen 24 uur, binnen 48 uur 3) Compensatiesuggestie (redelijk voor e-commerce) Output in drie secties met bullets. ​ Bericht: <PLAK BERICHT>

Vertakkende ketens zijn hoe je stopt met elke input als hetzelfde probleem te behandelen.

5.3 Herhalende Chaining: herhaal tot je een stopconditie bereikt

Gebruik het wanneer: je veel vergelijkbare items moet verwerken, of output iteratief moet verfijnen.

Voorbeeld: Batch-genereer productlijsten (Herhalend)

Stap 1 splitst een lijst in itemblokken:

SYSTEM: Je formatteert productgegevens. USER: Splits de volgende productlijst in aparte blokken. ​ Outputformaat (herhaal voor elk item): [ITEM N] name: key_features: target_customer: price_gbp: ​ Productlijst: <PLAK LIJST>

Stap 2 loopt over elk blok:

SYSTEM: Je schrijft high-converting productcopy. USER: Schrijf een e-commerce beschrijving voor het onderstaande product. ​ Vereisten: - Hook kop ≤ 12 woorden - 3 feature bullets (≤ 18 woorden elk) - 1 zin: het beste voor wie - 1 zin: waarom het goede waarde is (gebruik £) - 150–200 woorden totaal, UK Engels ​ Product: <PLAK ITEM N>

Herhalende ketens hebben harde stopregels nodig:

• Verwerk precies N items, of
• Probeer maximaal 2 keer opnieuw als woordenaantal te lang is, of
• Stop als validatie slaagt

Anders creëer je 's werelds duurste oneindige lus.

6) Praktische "Schiet Jezelf Niet Neer" Checklist

Probleem: tussenformaat is rommelig → volgende prompt faalt

Oplossing: maak opmaak niet-onderhandelbaar.

Voeg regels toe zoals:

• "Output alleen JSON."
• "Als je niet kunt voldoen, output: ERROR:FORMAT."

Probleem: het model vergeet eerdere details

Oplossing: herformuleer het "contract" expliciet elke keer.

• "Gebruik de pain_points array uit eerdere output."
• "Verzin geen extra categorieën."

Probleem: lussen convergeren nooit

Oplossing: definieer meetbare beperkingen + max herhalingen.

• "Woordenaantal ≤ 200"
• "Max herhalingen: 2"
• "Als nog steeds mislukt, retourneer beste poging + een foutenlijst"

Probleem: vertakkingsselectie is verkeerd

Oplossing: verbeter classificatieregels + voeg een tweede controle toe.

Voorbeeld:

• Klacht moet negatief sentiment EN een concreet probleem bevatten.
• Bij twijfel, output label: question (heeft verduidelijking nodig).

7) Tools Die Chaining Minder Pijnlijk Maken

Je kunt prompts handmatig koppelen (kopiëren/plakken werkt), maar tooling helpt zodra je voorbij een paar stappen gaat.

• n8n / Make: low-code workflow tools voor het koppelen van API-aanroepen, opslaan van outputs, triggeren van waarschuwingen.
• LangChain / LangGraph: bouw ketens met geheugen, vertakkingen, herhalingen, tool calls en statusbeheer.
• Redis / Postgres: behoud tussenresultaten zodat je kunt hervatten, auditen en herhaalde aanroepen kunt vermijden.
• Notion / Google Docs: verrassend effectief voor vroege-fase "mens in de lus" chaining.

8) Hoe Dit Te Verhogen

Prompt Chaining wordt nog krachtiger wanneer je het combineert met:

• RAG: voeg een ophalingsstap toe halverwege de keten (bijv. "haal beleidsdocumenten op" voordat je een reactie opstelt)
• Menselijke goedkeuringspoorten: goedkeuren vóór risicovolle acties (prijswijzigingen, klantterugbetalingen, compliance-reacties)
• Multi-modale stappen: tekst → beeldbriefing → diagramgeneratie → einddocument

Eindconclusie

Prompt Chaining is niet "meer prompts." Het is workflowontwerp.

Zodra je prompts begint te behandelen als stappen met contracten, validaties en foutpaden, stopt je LLM met zich als een chaotische tekstgenerator te gedragen en begint het zich als een betrouwbare teamgenoot te gedragen—één station tegelijk.

Als je iets bouwt dat verder gaat dan een eenmalige demo, keten het.

\