1. Wat is prompt chaining?
Prompt chaining is een techniek waarbij meerdere prompts stap voor stap worden toegepast. Dit leidt tot een nauwkeurig en geoptimaliseerd eindresultaat. In plaats van één enkele prompt te gebruiken wordt informatie die uit de prompt terug komt gebruikt in de volgende prompt. Wij gebruiken prompt chainging om consistente en nauwkeurige productteksten te schrijven. Wij maken gebruik van Python om ons proces te automatiseren. Pandas helpt bij het analyseren van data. De AI API zet deze gegevens om in goed geformuleerde teksten.
2. Verzamelen van productinformatie
Voor we beginnen met schrijven laden we een lijst in. Hierin staan de ingekochte producten en de bijbehorende leverancierdata. Ons systeem analyseert deze gegevens en haalt alle relevante informatie uit de productbeschrijvingen, specificaties en kenmerken. Deze informatie vormt de basis voor de verdere verwerking.
3. Prompt 1: Extractie van productdata
We willen voorkomen dat het Large Language Model (LLM) teksten simpelweg herschrijft of kopieert aangezien zoekmachines duplicate content niet waarderen. Daarom gebruiken we eerst een extractieprompt. Deze haalt de relevante productinformatie uit de leverancierdata en structureert deze op een duidelijke makkelijk uit te lezen manier.
4. Prompt 2: Generatie van de producttekst
De verzamelde productdata wordt nu gebruikt in een prompt die van de data een tekst maakt. In deze prompt staan alle richtlijnen voor een goede producttekst (lees ook onze blog over het schrijven van een goede producttekst). Bijvoorbeeld: De titel van de omschrijving moet altijd in een <h2>-tag staan. Deze begint met “Productomschrijving: {productnaam}”. De tekst heeft een vaste opbouw:
- Een korte introductie van het product.
- Een overzicht van de materialen.
- Een afsluitende paragraaf met extra informatie.
Daarnaast geven we specifieke instructies. We bepalen welke technologieën belangrijk zijn. Welke informatie moet worden vermeden. Welke tone of voice en stijl het beste passen bij onze doelgroep. Onze ‘write prompt’ bevat ongeveer 50 zinnen met voorwaarden waaraan de output tekst moet voldoen.
5. Prompt 3: Kwaliteitscontrole en tone of voice
Na het schrijven van de grove tekst wordt deze meegenomen naar de volgende prompt, die de tekst controleert op bijvoorbeeld:
- Of de tone of voice en woordkeuze correct zijn.
- Of bepaalde woorden op de ‘excluded’-lijst niet worden gebruikt.
- Of bepaalde zinsstructuren worden vermeden of juist toegepast.
- Of de balans tussen perplexiteit en burstiness goed is.
Mensen schrijven afwisselend met lange en korte zinnen. AI-gegenereerde teksten zijn vaak uniform. Daarom zorgen we voor een natuurlijke afwisseling van perplexiteit en burstiness. Zo blijven onze teksten prettig leesbaar.
6. Prompt 4: Laatste validatie
De checkprompt levert meestal een goede tekst op. Toch voeren we met een laatste prompt nog een laatste controle uit. Deze controleert:
- Of de tekst correct in de juiste taal is geschreven.
- Of de tekst minimaal 400 tekens bevat.
- Of de tekst correct is afgesloten met een
</p>-tag.
Met deze zes stappen maken we productteksten die informatief en goed gestructureerd zijn. Onze teksten zijn uniek, SEO-geoptimaliseerd en aantrekkelijk geschreven. Dankzij prompt chaining kunnen we op schaal hoogwaardige content genereren. Zonder in te boeten op kwaliteit of consistentie.
Menselijke touch
Hoewel we gebruik maken van geavanceerde AI en prompt chaining blijft een menselijke touch een belangrijk onderdeel van onze productteksten. AI is handig om als hulpmiddel te gebruiken. Maar het is de menselijke touch die de teksten echt laat aansluiten bij de behoeften van de lezer. Het resultaat is een balans tussen technologie en menselijke touch.