WATCH rapportage

Doel van het voorbeeld

In dit voorbeeld demonstreren we hoe een promptreeks, met daarin een datamodel-bouwsteen en twee tool-stappen, een rapportage op het scherm kan genereren op basis van een door de gebruiker ingevoerde vraag.

Gebruikte Tool-stappen

query naar JSON
Na uitvoering van de query op de database ontvangen we de records in JSON-formaat.

JSON in tabel
De JSON-gegevens worden in een rapportvorm op het scherm getoond.

Doel van de prompt-reeks

Het doel van de prompt-reeks is om de gebruiker in eigen woorden te laten beschrijven welke gegevens over projecten in de WATCH-Projectbeheer-applicatie hij gepresenteerd wil zien. In de eerste stap gebruiken we een prompt-template die op basis van de vraag van de gebruiker een SQL select statement maakt. Met de Tool-stap "RUN_MYSQL_QUERY_JSON" wordt de query op de database uitgevoerd en wordt het resultaat in JSON-formaat geretourneerd. In de laatste stap "JSON_DATASET_TO_DATATABLES" worden de JSON-gegevens als rapport op het scherm getoond.

In de onderstaande afbeeldingen wordt getoond hoe de promptreeks eruit ziet op het "GEBRUIKER"-tabblad van het "Promptreeks"-scherm. Op dit tabblad worden alleen de stappen getoond waarbij een actie van de gebruiker noodzakelijk is.

Na het kiezen van de database versie en het datamodel stellen we hier een vraag over de gegevens in de database. 

rapportage gebruiker stap 1

Als resultaat van deze prompt-reeks worden de gevraagde gegevens als rapportage tabel weergegeven.

rapportage gebruiker stap 3 resultaat

In onderstaande afbeeldingen wordt getoond hoe de stappen in de reeks  eruit zien op het "BEHEERDER"-tabblad van het "Promptreeks"-scherm.

rapport stappen

In de eerste stap van dit voorbeeld kiezen we welke database versie we gebruiken zodat het AI-model weet welke technieken er wel en niet gebruikt kunnen worden bij het maken van de query. Vervolgens kiezen we het datamodel dat het model moet gebruiken bij het maken van de SQL-query. Als laatste voeren we de vraag in die we door middel van een rapportage beantwoord willen zien.

rapport stap 1 beheerder

Het antwoord van het AI-model is een SQL query die, als deze op een database wordt gedraaid, de gevraagde gegevens oplevert als resultaat.

rapport stap 1 beheerder antwoord
In de tweede stap wordt de SQL Query op de database gedraaid. We gebruiken hier een stap die de gevonden records teruggeeft in JSON formaat.

rapport stap 2 beheerder antwoord
In  de derde en laatste stap gebruiken we de JSON dataset uit de vorige stap om hier een rapportage van te maken en deze te tonen op het scherm. In deze rapportage kunnen we de gegevens vervolgens doorzoeken en filteren.

rapport stap 3 beheerder rapportage
In de AI-Tools applicatie toont het "ONTWIKKELAAR"-tabblad de informatie die via de API naar het AI-model wordt verzonden.

 

Laatste nieuws

Vermenselijken we onze AI-agents terecht?

We geven onze AI-agents namen, karakters en zelfs gezichten. Helpt dat echt, of is het vooral makkelijk voor ons eigen brein? Wat onderzoekers en bouwers zeggen over het vermenselijken van agent-teams.

Lees meer

Verdient deze taak een eigen AI-agent?

Bij het bouwen van een team van AI-agents is de verleiding groot om van elke taak een nieuwe agent te maken. Maar verdient die taak dat wel? Een beslis-kader met vier vormen, van een simpel script tot een volwaardige agent.

Lees meer

Wat is er overgebleven van prompt-engineering in 2026?

We hebben drie jaar prompt-tips zien komen en gaan. Wat werkt nu nog, en wat is achterhaalde folklore? Een eerlijke balans, met de drie populairste tricks die niet meer werken en vier technieken die wel blijven.

Lees meer

Proloog: Hoe AiPromptPower aan een Ai-team begon

Hoe AiPromptPower in achttien dagen van één naar zes Ai-medewerkers groeide, en waarom Reint Endendijk koos voor de vlucht naar voren in plaats van minder Ai.

Lees meer