> For the complete documentation index, see [llms.txt](https://felienne.gitbook.io/codasium/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://felienne.gitbook.io/codasium/module-1.2-van-hedy-naar-python/opdracht-1.md).
# Opdracht 1
## Voorbereiding
Lees ter voorbereiding nog even goed deze slides door:
Die slides leggen nog even uit hoe dingen in Python werken. Doe ook de vragen voor jezelf!
## 1) Maak je verhaal in Python!
Nu is het tijd om jouw verhaalopdracht van Hedy in Python te gaan maken.
Zoek je verhaal in Hedy op en zet het stap voor stap om naar Python.
Net als bij Hedy, moeten deze dingen moeten in je verhaal zitten voor een voldoende:
* Minstens 25 zinnen
* Minstens 3 variabele die je definieert én gebruikt
* Minstens 3 keuzes met een if-else
* Netjes commentaar bovenaan
* Bij moeilijke stukjes code ook commentaar achter de codes
Je kunt extra punten verdienen door:
* Het gebruiken van een lijst
* Het gebruiken van `random.shuffle()` <— vergeet dan niet om `import random` bovenaan je code te zetten!
* Andere coole dingen die je kunt verzinnen!
---
# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.
## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.
Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:
```
GET https://felienne.gitbook.io/codasium/module-1.2-van-hedy-naar-python/opdracht-1.md?ask=&goal=
```
`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.
Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.