Marktmannen wiki Claude Cowork en Kenniswerk

Claude 5 Prompt- en Setup-Playbook

Laatst bijgewerkt

TL;DR: Sinds de Claude 5-modellen verifiëren modellen zichzelf en volgen ze korte instructies mét motivatie beter dan lange regellijsten — vijf upgrades (promptstructuur, /goal, projectinrichting, skillbouw, geheugen) die stapelen tot één werkende opzet.

Een doorloop van Anthropics eigen promptdocumentatie, vertaald naar vijf concrete aanpassingen. De rode draad: een deel van wat in 2025 goed prompten was, werkt vanaf de Claude 5-modellen averechts. De bron is een YouTube-walkthrough, geen officiële Anthropic-publicatie — de onderliggende documentatie is niet in de clipping opgenomen (zie Open vragen).

1. Promptstructuur — vier regels

  • Schrap expliciete verificatie-instructies. Regels als "controleer elk getal nog een keer" staan volgens de bron in de Opus 5-gids onder old habits to drop. De nieuwste modellen verifiëren zelf; een extra opdracht levert een tweede controleronde op die trager is, langer wordt, de eerste ronde tegenspreekt en extra kost.
  • Zeg wat het moet doen, nooit wat het niet moet doen. Niet "gebruik geen bullets", wel "schrijf het als doorlopende alinea's".
  • Geef de reden bij de regel. "Gebruik nooit ellipsen, want dit wordt voorgelezen door een text-to-speech-engine en die kan ze niet interpreteren" werkt beter dan het kale verbod. Het model gebruikt de waarom om ook de gevallen af te handelen die je niet hebt opgeschreven — hier: alles wat slecht voorgelezen wordt.
  • De gouden regel: zou een collega zonder voorkennis deze prompt begrijpen? Zo nee, dan raakt Claude ook in de war.

Template uit de bron: ik werk aan [bredere taak, voor wie] → ze hebben dit nodig omdat [waar de output toe dient] → de taak → dit is wat klaar betekent. Wat eruit gaat: voorgeschreven stappenlijstjes (het model neemt de volgorde als voorschrift), "dit is belangrijk"-aansporingen en alles wat Claude toch al doet.

2. /goal — autonoom laten doorwerken

Volgens de bron het grootste verschil in de meeste workflows, en één commando: /goal. Je geeft een conditie op; na elke beurt leest een apart, snel model (standaard Haiku) het gesprek en velt één oordeel — is de definition of done gehaald? Zo nee, dan gaat de reden als extra context mee de volgende beurt in. Dat de uitvoerder en de verificateur verschillende modellen zijn, is het punt.

Zonder toetsbare definition of done loopt /goal in een oneindige lus. Template:

/goal [één meetbare eindtoestand]
Bewijs het door [verificatiecriteria] en toon [de output]
Stop na [n] beurten

De exit na n beurten beschermt je tokenbudget. Draaien in auto mode, anders blijft het op permissies hangen en vervalt het nut. Praktijkvoorbeeld uit de bron: in één weekend ~40 gratis tools voor rankspot.ai gebouwd, meerdere /goal-sessies parallel, met de maker alleen als supervisor van de output. Het aantal is niet onafhankelijk geverifieerd en de bron promoot zijn eigen product.

3. Projecten inrichten — drie regels

  1. Eén project per werkstroom, niet één groot "werk"-project. Een project bundelt instructies, referentiebestanden, geheugen en scheduled tasks; gooi je klantwerk en je YouTube-scripts bij elkaar, dan weet Claude niet wanneer het wat moet gebruiken.
  2. Houd de projectinstructies kort. De oude aanpak — één masterprompt met elke voorkeur en honderden regels — werkt tegen je: de nieuwste modellen volgen korte, heldere instructies beter. Breekt Claude een regel, dan is het bestand waarschijnlijk te lang, niet de regel te zwak.
  3. Schrijf de instructies niet zelf — laat Claude je interviewen. Via AskUserQuestion, langs vier blokken: wie ben ik, waar is dit project voor, welke uitkomst voor welk publiek, en de werkwijze. Zet de stem/brand voice in een apart referentiebestand en verwijs ernaar.

Losse regel met effect: bij lange context hoort het document bovenaan en de vraag onderaan. De bron schrijft Anthropic tot 30% betere antwoorden op lange-contexttaken toe aan die volgorde.

4. Skills bouwen zoals ze bedoeld zijn

  • Een skill komt voort uit een taak die je al doet. Niet andersom: ga niet op een marktplaats als skills.sh zoeken naar werk dat je niet verricht. Draai de taak eerst handmatig in het chatvenster; wat je daar telkens opnieuw moet uitleggen, is precies de inhoud van de skill.
  • Ga ervan uit dat Claude al slim is. Alleen context geven die het echt nodig heeft. De SKILL.md zit in élke sessie: elke regel is een terugkerende kostenpost én een kans op verwarring.
  • Voorbeelden in plaats van regels, en de SKILL.md onder ~200 regels houden; de rest in referentiebestanden die pas geladen worden als ze nodig zijn (progressive disclosure).
  • Gebruik Anthropics eigen skill-templates van de skill authoring best practices-pagina: aparte patronen voor strikte eisen (API-responses), voor flexibele richtlijnen, voor voorbeeld-gedreven skills en voor conditionele workflows.
  • Of neem de skill op via record a skill in het plus-menu van de desktop-app: doe de taak één keer terwijl je hardop uitlegt waarom je iets doet. Zie Record a Skill — Skills Opnemen (AI Report).

⚠️ Spanning met een tier 1-bron. Deze clipping (tier 2, 17-09-2026) zegt verificatie-instructies te schrappen omdat Claude 5 zichzelf controleert. Skills Verbeteren — Vier Praktijken (Nate Herk namens Anthropic-engineers, tier 1, 13-09-2026) stelt juist dat verificatie ingebakken moet worden en dat "Claude leest zijn eigen werk en zegt dat het goed is" géén verificatie is — er is bewijs van buiten de eerste versie nodig (screenshot, testresultaat, bron). De twee zijn te verenigen als je onderscheid maakt tussen het model aansporen nog eens te kijken (overbodig geworden) en een externe controlestap voorschrijven (nog steeds nodig). De bronnen maken dat onderscheid zelf niet expliciet.

5. Geheugen

Elk geheugensysteem beantwoordt drie vragen: hoe wordt informatie opgeslagen, hoe wordt het juiste stuk terug geïnjecteerd in de lopende sessie, en hoe haal je iets terug van maanden geleden zonder tijd en tokens te verbranden aan zoeken.

Claudes ingebouwde automemory dekt de eerste twee redelijk (per project, ook in Cowork) maar volgens de bron niet de derde: geen semantisch zoeken op betekenis, alleen keyword. De voorgestelde route is een lokale laag bovenop, gebouwd uit open-source frameworks (Hermes agent memory, OpenCore memory, memarch): stop hooks die elke beurt laten wegen door een goedkoop model — korte of lange termijn — een vectordatabase voor zoekbaarheid, drie-traps-search met reranking, en altijd bronvermelding bij wat teruggehaald wordt. De bron verkoopt hier zijn eigen plug-and-play-systeem via een betaalde community; het onderliggende patroon staat ook in Hermes Agent.

Hoe de vijf stapelen

Een /goal die autonoom doorwerkt, roept een goed verpakte skill aan, binnen een project dat je bredere context kent, geprompt volgens de structuur uit upgrade 1, met een geheugenlaag die weet wat de vorige keer misging.

Open vragen

  • Welke Anthropic-pagina's liggen hieronder (Opus 5-gids, prompting best practices, skill authoring best practices)? De bron citeert ze maar linkt ze niet in de clipping — nodig voordat "schrap verificatie-instructies" als regel in mijn eigen OS landt.
  • De 30%-claim over documentvolgorde bij lange context is niet terug te voeren op een vindplaats in de clipping.
  • Geldt "schrap expliciete verificatie" ook voor SKILL.md-instructies, of alleen voor losse prompts? Dat raakt direct aan de vier praktijken hierboven.
  • Wat betekent regel 2 uit upgrade 3 (korte projectinstructies) voor mijn bestaande AGENTS.md/CLAUDE.md-routers, die juist uitgebreid zijn?

Verwante concepten

Bronnen

#werkwijze #agents #skills #geheugen

Backlinks