Waarom doorprompten bij fouten je Lovable-project sloopt

De bekende reparatiespiraal

Dit patroon zien we bij lvbl.nl enorm vaak terug bij mensen die net beginnen met bouwen via AI-platforms. Het wordt ook wel de reparatiespiraal genoemd. Omdat het bouwen via een chatinterface zo natuurlijk aanvoelt, behandel je de AI als een collega die naast je zit. Als een collega een foutje maakt, geef je een snelle aanwijzing en lost diegene het op. Maar een Large Language Model werkt niet zoals een menselijke ontwikkelaar. Wanneer je een AI vraagt om een fout te herstellen die hij zojuist zelf heeft gemaakt, heeft het model de neiging om pleisters op pleisters te plakken. Het voegt nieuwe code toe om de oude fout te omzeilen, in plaats van de verkeerde code daadwerkelijk op te ruimen.

Wat er onder de motorkap gebeurt

Om te begrijpen waarom doorprompten zo schadelijk is, moet je kijken naar hoe Lovable code genereert. Bij elke prompt kijkt de AI naar de huidige staat van je project en de geschiedenis van het gesprek. Als er in een eerdere stap een foutieve structuur of een verkeerde aanname in de code is geslopen, neemt de AI die fout mee als uitgangspunt voor de volgende stap. Vraag je vervolgens om een correctie, dan probeert het model de bestaande (foutieve) code te herstellen zonder het fundament te herzien. Hierdoor ontstaan er dubbele functies, overbodige CSS-regels en ingewikkelde omwegen in de logica. Hoe meer prompts je achter elkaar verstuurt om hetzelfde probleem te herstellen, hoe groter de verwarring in de codebase wordt.

Grijp in bij de bron met de geschiedenis

De oplossing voor dit probleem is verrassend simpel, maar vraagt om een verandering in je werkwijze: stop direct met prompten zodra je ziet dat de AI de verkeerde afslag neemt. Lovable heeft een ingebouwde geschiedenis waarin je precies kunt zien welke wijzigingen er per prompt zijn doorgevoerd. In plaats van een herstelprompt te typen, gebruik je de knop om terug te keren naar de versie van vóór de foutieve prompt. Hiermee wis je niet alleen de slechte code uit je project, maar haal je ook de verwarrende instructies uit de context van de AI. Je start weer vanaf een schoon en goed werkend punt.

Verschoon je context als een pro

Soms ontdek je een fout pas nadat je al een paar stappen verder bent. Ook dan is doorprompten zelden de beste weg. Als het terugdraaien naar een eerdere versie te veel goed werk zou wissen, is het verstandig om de chatgeschiedenis op te schonen of een nieuw gesprek te starten over dat specifieke onderdeel. Door de AI niet te belasten met een lange lijst van eerdere pogingen en mislukte reparaties, dwing je het model om met een frisse blik naar het specifieke onderdeel te kijken. Verwijs in je nieuwe prompt heel gerust naar het exacte bestand of de specifieke component die aandacht nodig heeft.

Praktisch stappenplan voor als het misgaat

Om te voorkomen dat je project strandt in een opstapeling van fouten, kun je deze vaste volgorde aanhouden wanneer een prompt niet brengt wat je verwacht:

1. Stop direct met het typen van vervolgprompts in dezelfde chat. 2. Bekijk het resultaat in de preview en controleer wat er exact is veranderd. 3. Gebruik de optie om de laatste stap direct terug te draaien. 4. Formuleer je oorspronkelijke vraag opnieuw, maar nu met meer detail of een duidelijkere kadering. 5. Voer de aangepaste prompt uit op het schone uitgangspunt.

Een stabieler project met minder stress

Door het herstellen van fouten te benaderen als een kwestie van versiebeheer in plaats van een discussie in de chat, blijft je code schoon en overzichtelijk. Je zult merken dat je minder tokens verbruikt, sneller resultaat boekt en bovenal veel minder frustratie ervaart tijdens het bouwen. Lovable is een krachtig hulpmiddel, maar jij blijft de machinist die bepaalt wanneer het spoor moet worden schoongeveegd. Maak er een gewoonte van om de Revert-knop sneller te gebruiken dan je toetsenbord.