Het bericht dat je nooit stuurde, maar dat het model als eerste leest
Elke chatapp stuurt het model meer dan alleen jouw bericht. Voor jouw woorden komt een blok tekst dat de app zelf heeft geschreven: hoe de assistent heet, wat hij wel en niet mag doen, hoe antwoorden opgemaakt moeten worden, wat de datum van vandaag is, welke tools hij mag aanroepen. Dat blok is de system prompt. Jij typt "vat dit samen"; het model ontvangt een pagina regels gevolgd door "vat dit samen".
Het model behandelt de system prompt als staande orders. Een model dat gevraagd wordt om "een bondige assistent die in het Brits Engels antwoordt en nooit bulletpoints gebruikt" te zijn, doet dat het hele gesprek lang zonder herinnering nodig te hebben, omdat de instructie bij elk bericht opnieuw binnenkomt. Dat opnieuw versturen is het detail dat mensen missen, en het is precies het detail dat geld kost, wat de derde sectie voorrekent.
Je kunt echte exemplaren bekijken. Anthropic publiceert de system prompts die het gebruikt voor Claude in zijn apps, met release notes wanneer ze veranderen. Er een lezen is de snelste manier om het genre te begrijpen: alinea's over toon, over wanneer lijsten te gebruiken, over hoe om te gaan met een verzoek dat geweigerd moet worden, over de kennisafkapdatum, geschreven in gewoon Engels in plaats van code. Andere lekken uit; de Bing-chatprompt die de assistent "Sydney" noemde, werd in februari 2023 door een student van Stanford geëxtraheerd door het model te vragen de tekst boven het gesprek te herhalen.
Waarom dezelfde vraag in een andere app een ander antwoord krijgt
Model-API's labelen elk bericht met een rol, en het model is getraind om ze verschillend te wegen.
| Rol | Wie schrijft het | Waarvoor het dient | Het model behandelt het als |
|---|---|---|---|
| System | De app, plus eventuele toegevoegde custom instructions | Identiteit, regels, opmaak, tools, datum | Staande orders die de gebruikersbeurt overtreffen |
| User | Jij | De vraag, de geplakte tekst, het bijgevoegde bestand | De taak die nu uitgevoerd moet worden |
| Assistant | Het model | Zijn eerdere antwoorden | Zijn eigen geschiedenis, om consistent mee te blijven |
Twee dingen volgen uit die volgorde. De system prompt zet het kader, dus hetzelfde gebruikersbericht krijgt een ander antwoord binnen een ander kader: "schrijf een limerick" levert een limerick op onder de ene system prompt en een weigering onder een system prompt voor een bankassistent. En de system prompt is die van de app, dus van app wisselen bij hetzelfde model verandert de antwoorden, ook al is het model niet veranderd. Wat is een LLM scheidt het model van de app; de system prompt is het grootste deel van dat onderscheid.
De grens is niet absoluut. Modellen zijn getraind om de system prompt boven de gebruiker te volgen, maar een gebruikersbericht kan een model nog steeds zijn instructies uit het hoofd praten, wat het hele onderwerp is van wat is AI-jailbreaking. Een system prompt is een sterke standaardinstelling, geen slot.
Wat een system prompt kost, omdat hij elke beurt wordt verstuurd
De system prompt bestaat uit inputtokens, en wat zijn tokens in AI laat zien dat input bij elk bericht in rekening wordt gebracht. Een gesprek van 100 beurten met een system prompt van 8.000 tokens stuurt die prompt 100 keer: 800.000 inputtokens voordat er ook maar één woord van jou bij zit.
Reken het tegen de listprijs. Een standaardbericht is ongeveer 1.000 tokens in en 500 tokens uit. Een instructie van 8.000 tokens toevoegen, wat overeenkomt met 32.000 tekens Engels bij vier tekens per token, bij elk van 100 berichten kost de extra input hieronder tegen de OpenRouter-tarieven uit de AI-modelkostenindex, opgehaald op 2026-08-20.
Providers cachen: OpenAI geeft cached input de helft korting, en 90 procent op zijn nieuwste modellen, en Anthropic rekent een cache-read tegen een tiende van de listprijs, dus een app die caching goed inricht, betaalt veel minder dan de grafiek laat zien. De grafiek toont de listprijs, wat is wat de kostenindex bijhoudt en wat elke app die caching overslaat betaalt. Lange staande instructies zijn nog steeds de enige tekst die elke keer wordt meegestuurd.
Whizi rekent het andersom. Een bericht kost een vast aantal credits, bepaald door het model: 1 voor het huismodel, 10 voor Claude Sonnet 5, 20 voor Claude Opus 5, en de lengte van de instructie speelt nooit een rol in de prijs. Dezelfde 100 berichten kosten 100, 1.000 of 2.000 credits, met of zonder de instructie. Hoe Whizi-credits werken bevat de ladder.
Welk deel van de system prompt jij zelf mag schrijven
Producten stellen een deel van de system prompt open om zelf in te vullen. ChatGPT noemt het custom instructions en memory; Claude heeft projectinstructies en stijlen; Gemini heeft opgeslagen info. Hoe het ook heet, jouw tekst wordt toegevoegd aan de eigen instructies van het product en bij elke beurt opnieuw meegestuurd.
Bij Whizi is dat deel het project. Een project is een map met gesprekken met eigen instructies, tot 32.000 tekens, die op elke chat erin worden toegepast en bij elk bericht opnieuw in de prompt worden opgebouwd. Vastgezette bestanden liften op dezelfde manier mee, met een limiet van 32.000 tekens geëxtraheerde tekst per bestand en 120.000 voor het hele projectblok. Er is geen veld voor custom instructions op accountniveau: de per-projectinstructie is de enige door de gebruiker geschreven instructie in het product, dus een voorkeur die je overal wilt, moet in elk project apart worden geplakt.
De vier ingebouwde agents laten de andere kant zien. De rijen Canadian CPA, Study Mentor, Writing Copilot en Math Tutor hebben elk een vaste system prompt die in de modelcatalogus is vastgelegd en die je niet kunt bewerken. Een agent kiezen is een system prompt kiezen.
Wat erin thuishoort, volgens de gepubliceerde voorbeelden
De instructies die werken, lezen als een briefing aan een nieuwe collega, en de gepubliceerde Claude-prompts zijn het beste openbare model daarvan. Vier dingen dragen het meeste gewicht.
- Rol en publiek in één zin. "Je bent een belastingassistent voor Canadese zelfstandigen" doet meer dan drie alinea's bijvoeglijke naamwoorden.
- Opmaakregels als regels geformuleerd. "Antwoord in minder dan 150 woorden. Geen bulletpoints. Britse spelling." Modellen volgen platte imperatieven betrouwbaarder dan voorkeuren.
- Wat te doen bij twijfel. "Als het antwoord afhangt van een feit dat je niet hebt, stel dan één vraag voordat je antwoordt." Zonder dit gokt het model.
- Wat te weigeren, en hoe. Benoem de categorieën en de formulering van de weigering, anders verzint het model zijn eigen weigering.
Wat er niet in thuishoort: feiten die veranderen. Een prijs, een modelaantal of een datum die in een system prompt is geschreven, wordt bij elke beurt opnieuw als waar gepresenteerd totdat iemand het bewerkt, en zo wordt een verouderde instructie maandenlang een zelfverzekerd fout antwoord. Zet veranderende feiten in een vastgezet bestand of een zoekopdracht, niet in de staande orders, want de eigen kennisafkapdatum van het model maakt ze toch verouderd. Prompt engineering voor beginners behandelt de kant van dezelfde kunst die per bericht speelt.
- Schrijf de rol en het publiek in de eerste zin van elke instructie die je toevoegt
- Formuleer opmaak als regels, niet als voorkeuren: woordlimieten, geen lijsten, welke spelling
- Houd staande instructies kort; elk teken wordt bij elk bericht opnieuw verstuurd
- Houd veranderende feiten buiten de instructie en zet ze in een vastgezet bestand of een zoekopdracht
- Vertel het model wat het moet doen als het een feit mist, anders vult het de leemte zelf in
Veelgestelde vragen
Wat is het verschil tussen een system prompt en een user prompt?
De system prompt wordt door de app geschreven en stelt staande regels vast: rol, toon, opmaak, wat te weigeren. De user prompt is jouw bericht, de taak die nu uitgevoerd moet worden. Modellen zijn getraind om de system prompt boven de gebruikersbeurt te volgen, en de system prompt wordt bij elk bericht opnieuw verstuurd, terwijl elke user prompt maar één keer wordt verstuurd.
Kan ik de system prompt van ChatGPT of Claude zien?
Anthropic publiceert de system prompts die in de Claude-apps worden gebruikt, met release notes bij elke wijziging. OpenAI publiceert die van ChatGPT niet, al zijn versies wel door gebruikers geëxtraheerd en gepost. Een model vragen zijn instructies te herhalen werkt soms, en produceert soms een verzonnen versie, dus behandel een gelekte prompt als onbevestigd tenzij de leverancier hem bevestigt.
Kost een system prompt tokens?
Ja, bij elk bericht. Het is inputtekst, en die wordt bij elke beurt opnieuw verstuurd, dus een instructie van 8.000 tokens over 100 berichten is 800.000 inputtokens. Tegen de listprijs verdrievoudigt dat de kosten van een gesprek op Claude Sonnet 5, van $0.70 naar $2.30. Whizi rekent een vaste creditprijs per bericht, bepaald door het model, dus de lengte van de instructie verandert niet wat je betaalt.
Wat zijn custom instructions?
Het deel van de system prompt dat een product je laat schrijven. Jouw tekst wordt toegevoegd aan de eigen instructies van de app en bij elk bericht meegestuurd. In ChatGPT is het een instellingenveld; bij Whizi is het de per-projectinstructie, tot 32.000 tekens, die op elk gesprek in dat project van toepassing is.
Kan een gebruiker de system prompt overrulen?
Soms. Modellen zijn getraind om de system prompt voorrang te geven, en een goed geschreven exemplaar houdt stand bij gewone verzoeken. Doelgerichte berichten die een model uit zijn regels praten, zijn jailbreaks, en leveranciers behandelen ze als een beveiligingsprobleem in plaats van een functie. Alles wat nooit mag gebeuren, hoort in code buiten het model, waar een bericht er niet mee in discussie kan gaan.
