Fouten door ontbrekende context

"Los de fout op" is een klassieke prompt met ontbrekende context. Het model krijgt geen informatie over:

• Welke taal of welk raamwerk wordt gebruikt
• Wat de code hoort te doen
• Wat de code daadwerkelijk doet (het symptoom)
• Welke fout of onjuiste uitvoer verschijnt
• Wat je hebt geprobeerd en wat niet werkte

Een volledige prompt voor foutoplossing bevat alle vijf onderdelen: "Deze Python-functie hoort de som van alle even getallen in een lijst terug te geven, maar geeft 0 terug voor [2,4,6]. Dit is de code: [plak de code hier]. De fout is..."

"Ga verder waar we gebleven waren." — Een veelgemaakte fout die op een fundamenteel misverstand wijst: het model heeft geen geheugen tussen sessies.

Elk nieuw gesprek begint volledig opnieuw. Het model heeft geen toegang tot eerdere gesprekken, zelfs niet als je hetzelfde account of hulpmiddel hebt gebruikt. Als context uit een eerdere sessie nodig is, moet je die expliciet in het huidige gesprek plakken.

Sommige hulpmiddelen (zoals Claude Projects of aangepaste geheugensystemen) bieden context tussen sessies, maar dit is een functie van het hulpmiddel en geen inherente mogelijkheid van het model.

Een veelgemaakte contextfout is ervan uitgaan dat het model dezelfde impliciete achtergrondkennis heeft als jij:

• "Laat het bij ons merk passen" (welk merk? Wat zijn de merkrichtlijnen?)
• "Schrijf het zoals de vorige keer" (het model heeft geen toegang tot de vorige keer)
• "Gebruik dezelfde indeling als de andere rapporten" (plak de indeling of een voorbeeldrapport)
• "Houd het in overeenstemming met wat we hebben besproken" (als dit een nieuw gesprek is, is er niets besproken)

De oplossing is altijd hetzelfde: maak het impliciete expliciet. Vermeld wat je veronderstelt dat het model weet.

Contextinjectie betekent dat je expliciet de achtergrondinformatie geeft die het model nodig heeft om correct te antwoorden. Drie patronen:

Plak de relevante inhoud: voeg de code, het document, de e-mail of de gegevens rechtstreeks aan de prompt toe.

Beschrijf de situatie: vat de relevante achtergrond in 2-5 zinnen samen vóór de taakopdracht.

Vermeld de randvoorwaarden: noem de omgeving, technologiestack, doelgroep en relevante eerdere beslissingen.

Contextinjectie verandert algemene modelkennis in situatiegerichte antwoorden.

Structureer bij complexe taken de context met gelabelde secties vóór de taakopdracht:

Niet alle context is even waardevol. Te weinig context leidt tot algemene uitvoer; te veel context bedelft de relevante informatie onder ruis en kan de daadwerkelijke taakopdracht te ver naar beneden in de prompt duwen.

Stem de diepgang van de context af door te vragen: wat zou een deskundige mens die zorgvuldig te werk gaat moeten weten om deze taak goed uit te voeren?

• Opnemen: doelgroep, doel, randvoorwaarden, domeinspecifieke terminologie en relevante eerdere beslissingen
• Weglaten: achtergrondinformatie die iedereen al zou kennen, irrelevante geschiedenis en zijdelingse details

Een nuttige regel: de context moet net specifiek genoeg zijn dat een buitenstaander de tekst niet voor een ander bedrijf of een andere situatie zou kunnen schrijven.

Omdat het model geen geheugen tussen sessies heeft, is de oplossing een herbruikbaar contextoverzicht — een standaardblok context dat je aan het begin van elke sessie over een terugkerend onderwerp plakt:

Een gerelateerde fout door ontbrekende context is de onvolledige specificatie: je geeft wel wat context, maar niet genoeg om randgevallen goed af te handelen.

Voorbeeld: "Schrijf een functie die gebruikers filtert op basis van hun abonnementsstatus."

Wat is de gegevensstructuur? Wat zijn de geldige statuswaarden? Wat moet er gebeuren met gebruikers zonder status? Moet de controle hoofdlettergevoelig zijn? Wat moet de functie teruggeven als de lijst leeg is?

Het model zal voor al deze punten aannames doen. Die aannames kunnen onjuist zijn. Volledige specificaties houden expliciet rekening met randgevallen.

Voor codegerelateerde prompts levert een minimale contextset betrouwbaar bruikbare uitvoer op:

• Programmeertaal en versie: Python 3.11, TypeScript 5.0
• Raamwerk: FastAPI, Next.js, React Native
• Wat de code moet doen: verwachte invoer en uitvoer
• Wat er momenteel misgaat: symptoom en foutmelding
• Wat al is geprobeerd: voorkomt dat je aanpakken herhaalt die al zijn mislukt
• Randvoorwaarden: mag geen externe afhankelijkheden gebruiken en moet binnen 50 ms worden uitgevoerd

Deze minimale set neemt de meest voorkomende oorzaken weg van AI-codevoorstellen die in het algemeen correct zijn, maar in jouw specifieke context niet kloppen.

Fouten door ontbrekende context ontstaan wanneer een prompt kennis veronderstelt waarover het model niet beschikt — je code, je merk, je eerdere sessies en de beslissingen van je team. Het model vult deze hiaten op met aannames, waardoor algemene of onjuiste uitvoer ontstaat.

De oplossing is contextinjectie: plak relevante inhoud, beschrijf de situatie en vermeld de randvoorwaarden expliciet. Voor terugkerende taken lost een herbruikbaar contextoverzicht het probleem van geheugen tussen sessies op. Vermeld bij codetaken altijd de taal, het raamwerk, de invoer en uitvoer, het huidige gedrag en de randvoorwaarden.

In de laatste les van deze cursus voeg je al deze lessen samen in een systematische controlelijst voor het opsporen van fouten in prompts.