In ons zoekwoordonderzoek was de meest verbonden vraag in de Engelse data «how to train ai chatbot». Meer zaadwoorden kwamen daarop uit dan op welke zinsnede over vriendinnen, rollenspel of apps dan ook. Mensen nemen aan dat er achter een goed personage een trainingsproces moet zitten, en dat zij daarvan buitengesloten zijn.
Voor een personage klopt dat kader simpelweg niet — en beseffen waaróm is de snelste verbetering die er te halen valt.
Het model is niet van jou om te trainen, en dat is prima
De taalmodellen achter een personage — hier zijn dat er vijf, waaronder Claude Opus en DeepSeek — komen kant-en-klaar aan, getraind op meer tekst dan één mens ooit zal zien. Niets wat jij zou kunnen toevoegen brengt ze in beweging. Wat ze missen is geen kennis; het zijn instructies over wie ze op dit moment horen te zijn.
Een personage is precies dat: instructies plus geheugen. Beide zijn platte tekst. Beide zijn van jou. Een wijziging in een van beide werkt al door bij het eerstvolgende antwoord, en dat is een strakkere feedbacklus dan enige trainingsronde ooit iemand heeft geboden.
De zin doet het zware werk
Eén geschreven zin genereert het hele concept — persona, stem, openingsscène, een vastgelegd uiterlijk. De kwaliteit van die zin beslist meer dan welke instelling op de pagina ook.
De truc die werkt is tegenstrijdigheid. «Een vriendelijke bibliothecaris» wordt bij het tiende antwoord vlak, want er is nergens heen te gaan. «Een bibliothecaris die vriendelijk is voor iedereen en er een hekel aan heeft hoezeer ze dat nodig hebben» geeft het model een spanning om te spelen, en spanning is wat als een mens leest.
De velden die mensen overslaan
Het gegenereerde concept is een vertrekpunt, en elk veld blijft voor altijd bewerkbaar. Drie ervan lonen de aandacht:
Het openingsbericht bepaalt het register meer dan de persona dat doet — de eerste zin van het personage leert jullie allebei hoe dit gesprek klinkt. De beperkingen horen op papier: als ze nooit over de oorlog praat, schrijf dat dan op, want een model kan een stilte die je niet hebt uitgesproken niet afleiden. En het uiterlijk ligt vast bij het aanmaken, en daarom komt haar foto van vanavond overeen met haar foto van vorige maand.
Niets hiervan is prompt engineering in de intimiderende zin. Het lijkt meer op het schrijven van een rolbeschrijving voor een acteur die haar exact opvolgt.
Geheugen is de trainingslus die je werkelijk krijgt
Mensen die zoeken naar een «ai-personagechat die alles onthoudt» vragen eigenlijk om consistentie over weken — en het mechanisme daarvoor is geen groter model, maar een corrigeerbaar geheugen.
Geheugen bestaat hier uit korte, leesbare feiten, per personage en per onderwerp. Wanneer er een verkeerd feit wordt vastgelegd — en dat gebeurt een keer — open je de lijst en verbeter je de regel. Die ene correctie doet wat mensen zich bij een fine-tune voorstellen, in vijf seconden, en omkeerbaar. Het geheugen vroeg in het leven van een personage bijsturen vormt het meer dan welke andere gewoonte ook.
Als het toch verkeerd klinkt
Als de plot afdrijft, is het gereedschap chirurgisch in plaats van algemeen: genereer het ene antwoord dat scheefging opnieuw, of splits de scène af en houd beide takken. Als de stem vlak is, is het instrument misschien verkeerd voor de scène — midden in een gesprek wisselen tussen de vijf modellen verandert het proza zonder te raken aan wie het personage is.
!Het enige wat nooit helpt, is helemaal opnieuw beginnen. Een personage verbetert zoals een tekst verbetert — door bewerkingen die blijven staan — en het concept weggooien wist precies het deel dat je niet opnieuw kunt genereren: wat het over jou heeft geleerd.
Het eerlijke antwoord op «hoe train ik mijn chatbot» is dus: je schrijft één goede zin, je corrigeert het geheugen wanneer het ernaast zit, en je weerstaat de neiging om te zoeken naar een instellingenpagina waar het vakmanschap zou zitten. Het vakmanschap zit in het schrijven, precies waar het altijd al zat.