Betere lovable prompts schrijven met de State-First methode
Wie bouwt met AI-tooling merkt snel dat vage opdrachten tot rommelige code leiden. Met de State-First methode stuur je het platform aan vanuit data en logica, wat direct zorgt voor strakkere en foutloze webapps.
lvbl.nl redactie
Bijdrager · lvbl.nl
Het probleem van de visual-first valkuil
De meeste bouwers beginnen met het beschrijven van wat ze willen zien. Een typische eerste opdracht luidt vaak: maak een pagina met een tabel van klanten, een zoekbalk bovenaan en een blauwe knop om een nieuwe klant toe te voegen. Het platform voert dit keurig uit en genereert direct visuele componenten. Het probleem hiervan is dat de AI keuzes moet maken over de datastructuur terwijl het de layout ontwerpt. Hierdoor belandt belangrijke logica vaak hardcoded in het visuele component zelf. Wanneer je later een filter wilt toevoegen, een koppeling met een database maakt of de status van een klant wilt wijzigen, raakt de AI de draad kwijt. Het component moet dan volledig op de schop, met rommelige code en onnodig creditverbruik tot gevolg.
Wat is de State-First methode?
Met de State-First techniek draai je het proces om. In plaats van te beginnen bij de knoppen en kleuren, dwing je de AI om eerst na te denken over de data en de status van de applicatie. Je deelt je instructie op in drie strakke fasen: de datastructuur, de toegestane acties met randvoorwaarden, en pas als laatste de visuele weergave. Door deze scheiding begrijpt de AI precies welke data er door de app stroomt voordat er ook maar één regel Tailwind CSS of JSX wordt geschreven.
Stap 1: De datastructuur vastleggen
In de eerste fase van je prompt definieer je het datamodel. Je vraagt het platform niet om een scherm te maken, maar om het type en de statusstructuur op te zetten. Geef helder aan welke velden een object heeft en welke types daarbij horen. Een concrete eerste instructie ziet er bijvoorbeeld zo uit: we gaan een module bouwen voor projectbeheer. Maak eerst de TypeScript-interfaces voor een Project. Een Project heeft een id, titel, beschrijving, status (keuze uit concept, actief, afgerond) en een lijst van taken. Bouw nog geen UI, richt alleen de datatypes en een lokale state-hook in met wat testdata.
doordat je expliciet vraagt om nog geen UI te bouwen, dwing je het platform om een zuivere basis neer te zetten. De AI maakt nu een nette types-file aan en zet een heldere state op. Dit vormt het fundament waarop de rest van de functionaliteit rust.
Stap 2: Acties en randvoorwaarden afkaderen
Zodra de datastructuur staat, beschrijf je wat er met die data mag gebeuren. Dit voorkomt dat de AI zelf logica verzint die later niet blijkt te kloppen. In je volgende instructie definieer je alle functies die de state veranderen. Geef ook expliciet de randvoorwaarden mee. Een goede vervolgopdracht is: schrijf de functies om een project toe te voegen, de status te wijzigen en een taak af te vinken. Randvoorwaarde: een project kan pas op afgerond worden gezet als alle onderliggende taken de status afgerond hebben. Test deze functies met de data, maar maak nog steeds geen uitgebreide pagina layouts.
Het platform zal nu logische helpers en state-functies schrijven. Mocht er in deze stap een denkfout maken, dan zie je dat direct in de code of functionaliteit zonder dat je door honderden regels aan visuele styling hoeft te zoeken.
Stap 3: De interface koppelen aan de state
Pas wanneer de data en de logica aantoonbaar goed werken, geef je de opdracht voor de visuele weergave. Omdat de AI nu precies weet welke velden en acties beschikbaar zijn, wordt het genereren van de componenten kinderspel. Je geeft nu een instructie zoals: maak een dashboardpagina met een overzicht van alle projecten. Gebruik kaarten voor elk project met een status-badge. Voeg een knop toe om een project af te ronden, die alleen actief is als de logica uit stap 2 dat toestaat. Gebruik overzichtelijke rijen en een strakke indeling.
Het resultaat van deze aanpak is verbluffend. De AI genereert schone, modulaire componenten die puur dienen als weergave van de onderliggende state. De code is leesbaar, makkelijk uit te breiden en bevat nauwelijks overtollige rommel.
Waarom deze techniek zoveel tijd bespaart
In de praktijk blijkt de State-First methode de bouwtijd van complexe features te halveren. Omdat je het platform in kleine, logische stappen begeleidt, hoeft de AI zelden grote delen van de code te herschrijven. Dit bespaart niet alleen tijd, maar ook kostbare build-credits. Bovendien maakt deze manier van werken de overstap naar een echte database, zoals Supabase, veel eenvoudiger. De datastructuur staat immers al strak gedefinieerd in je types, waardoor de AI de lokale state moeiteloos kan vervangen door database-queries.
Kleine prompts voor grote resultaten
Goede resultaten behalen met AI-ontwikkeling is geen kwestie van geluk of het kopiëren van enorme, ingewikkelde prompt-templates. Het gaat om het toepassen van gezonde software-architectuur in je opdrachten. Door data en logica los te koppelen van weergave, behoud je de controle over je project, hoe groot het ook wordt. Als onafhankelijke communitysite zien we bij lvbl.nl dat bouwers die deze State-First techniek omarmen, sneller van een los idee naar een stabiele, productieklare webapplicatie navigeren.
Vond je dit fijn?
Geef een hartje en deel het met een andere Lovable-fan.