Prompt-Master • 4 juni 2025 22:11

Het RACE Framework

RACE staat voor Role, Action, Context, Expected Output. Dit framework voegt twee belangrijke elementen toe ten opzichte van RTF: 'Context' en een veel gedetailleerdere 'Expected Output'.

Laten we de onderdelen verkennen:

R: Role (Rol)

Net als bij RTF begin je met het bepalen welke rol het LLM moet aannemen. Deze rol stuurt de toon, het perspectief en de stijl van het antwoord. Het helpt het LLM om zich in te leven in de gewenste situatie.

Voorbeelden:

  • "Je bent een klantenservicemedewerker die reageert op een klacht."
  • "Gedraag je als een wetenschapsjournalist die een complex onderwerp uitlegt."
  • "Je bent een chef-kok die advies geeft over ingrediëntenvervanging."

A: Action (Actie)

Dit is wat het LLM concreet moet doen. Net als de 'Task' in RTF, specificeer je hier de hoofdtaak. Wees duidelijk over de gewenste actie.

Voorbeelden:

  • "Stel een antwoord op voor de klant."
  • "Leg het concept van kwantumverstrengeling uit."
  • "Geef suggesties voor veganistische alternatieven voor eieren in een bakrecept."

C: Context (Context)

Dit is een cruciaal nieuw element. Hier geef je alle achtergrondinformatie mee die nodig is om de actie correct uit te voeren. Zonder de juiste context kan zelfs de duidelijkste taak leiden tot een onjuist of irrelevant antwoord. Denk aan eerdere correspondentie, specifieke regels, definities, of de situatie waarin de output gebruikt zal worden.

Waarom? Context vult het 'waarom', 'voor wie', 'wanneer' en 'onder welke omstandigheden' in. Het geeft het LLM het volledige plaatje.

Voorbeelden:

  • "De klant klaagt over een defect product (bestelnummer #12345) dat binnen de garantietermijn valt. Ons beleid is om dan kosteloos te vervangen."
  • "Leg dit uit aan iemand zonder wetenschappelijke achtergrond, gebruik geen jargon of definieer het direct."
  • "Het recept is voor een cake, en de persoon is allergisch voor noten."

E: Expected Output (Verwachte Output)

Dit is waar RACE echt uitblinkt en verder gaat dan RTF's 'Format'. Hier beschrijf je heel precies hoe het eindresultaat eruit moet zien, inclusief details over de inhoud. Denk aan:

  • Formaat: (net als bij RTF) lijst, alinea, e-mail, tabel etc.
  • Lengte: Maximaal aantal woorden/tekens, of een specifieke lengte.
  • Toon: Formeel, informeel, empathisch, enthousiast.
  • Structuur: Welke secties moeten er zijn? Moet het beginnen met een specifieke zin? Moeten er bullet points in zitten?
  • Verplichte elementen: Welke informatie moet er absoluut in de tekst staan (bijv. bestelnummer, naam van het product, een specifiek keyword)?
  • Uitgesloten elementen: Wat mag er absoluut niet in staan?

Waarom? Dit geeft het LLM een heel duidelijk doelwit. Je laat niets aan het toeval over wat betreft hoe het eindresultaat eruit moet zien en wat erin moet staan. Dit is jouw blauwdruk voor het antwoord.

Voorbeelden:

  • "Schrijf een e-mail met als aanhef 'Geachte [Klantnaam]', vermeld het bestelnummer, bied excuses aan, bevestig de kosteloze vervanging, en sluit af met 'Met vriendelijke groet'."
  • "Schrijf een alinea van maximaal 150 woorden, beginnend met een metafoor, en eindigend met de praktische toepassing van het concept."
  • "Geef een lijst van 3 alternatieven, inclusief de benodigde hoeveelheid in grammen en een korte toelichting per alternatief."

Wanneer gebruik je RACE?

Het RACE-framework is bijzonder nuttig wanneer:

  • De output aan strikte eisen moet voldoen (inhoudelijk of qua formaat).
  • Je specifieke achtergrondinformatie moet meegeven die essentieel is voor het antwoord.
  • Precisie belangrijker is dan snelheid.
  • Je een gedetailleerde controle wilt over het uiteindelijke resultaat.

RACE in de praktijk: Een gedetailleerd voorbeeld

Stel, je wilt een standaard-antwoord opstellen voor een klantklacht die aan specifieke interne richtlijnen moet voldoen.

  • Role: Je bent een empathische, maar professionele klantenservicemedewerker van bedrijf X.
  • Action: Stel een antwoord op voor de klant die een klacht heeft ingediend.
  • Context: De klant, genaamd Sarah Jansen, heeft geklaagd over een defect product (typenummer Z1, aankoopdatum 1-1-2024, probleem gemeld op 10-5-2025, bestelnummer #98765). Het product valt binnen de 2-jarige garantietermijn. Ons beleid bij defecten binnen garantie is kosteloze vervanging met gratis verzending. De klant was ontevreden over de eerste reactie per e-mail en heeft gebeld.
  • Expected Output: Schrijf een e-mail. De aanhef moet persoonlijk zijn ('Beste Sarah Jansen'). Vermeld het bestelnummer #98765. Toon begrip voor de situatie. Bevestig dat het product onder garantie valt. Leg duidelijk uit dat we het product kosteloos zullen vervangen en gratis zullen verzenden. Geef aan dat Sarah binnen 2 werkdagen een aparte e-mail ontvangt met instructies voor de retournering en verzending van het nieuwe product. Sluit formeel en vriendelijk af.

De prompt zou er dan zo uitzien:

#Role
Je bent een empathische, maar professionele klantenservicemedewerker van bedrijf X.
#Action
Stel een antwoord op voor de klant die een klacht heeft ingediend.
#Context
De klant, genaamd Sarah Jansen, heeft geklaagd over een defect product (typenummer Z1, aankoopdatum 1-1-2024, probleem gemeld op 10-5-2025, bestelnummer #98765). Het product valt binnen de 2-jarige garantietermijn. Ons beleid bij defecten binnen garantie is kosteloze vervanging met gratis verzending. De klant was ontevreden over de eerste reactie per e-mail en heeft gebeld.
#Expected Output
Schrijf een e-mail. De aanhef moet persoonlijk zijn ('Beste Sarah Jansen'). Vermeld het bestelnummer #98765. Toon begrip voor de situatie. Bevestig dat het product onder garantie valt. Leg duidelijk uit dat we het product kosteloos zullen vervangen en gratis zullen verzenden. Geef aan dat Sarah binnen 2 werkdagen een aparte e-mail ontvangt met instructies voor de retournering en verzending van het nieuwe product. Sluit formeel en vriendelijk af.

Met zo'n gedetailleerde prompt stuur je het LLM heel gericht naar het gewenste resultaat, inclusief alle noodzakelijke informatie en de juiste toon.

Zelf aan de slag met RACE

Denk eens na over een taak waarbij de output heel precies moet zijn, of waarvoor je specifieke achtergrondinformatie moet meegeven. Probeer deze taak te structureren volgens het RACE-framework: definieer de Rol, bepaal de Actie, verzamel de relevante Context, en omschrijf zo gedetailleerd mogelijk de Verwachte Output. Experimenteer en zie hoe deze precisie je helpt betere en meer bruikbare resultaten te krijgen van LLM's. Maar denk aan het millieu!