Hoe je stopt met het herschrijven van prompts en begint met ontwerpen met AI: De BMad-methode ontleed

Herkenbaar? Wanneer een AI-assistent perfect functionele code genereert die volledig voorbijgaat aan de architectuur van je systeem? Je vraagt het om één functie te repareren, en het herschrijft de helft van het project, waarbij het de context van eerdere discussies vergeet. Op een gegeven moment denk je: het was makkelijker geweest om het zelf te schrijven.

Ik ben onlangs een interessant project tegengekomen met 50 duizend sterren op GitHub — BMAD-METHOD. De auteurs stellen voor om het werk met AI-coders te systematiseren en chaotische chat om te zetten in een duidelijk proces met rollen, context en voorspelbare resultaten.

Wat is het probleem met gewone AI-assistenten

Het belangrijkste probleem met grote taalmodellen bij het schrijven van code is het gebrek aan langetermijngeheugen en impliciete aannames. Het model kent de geschiedenis van je architectuur beslissingen niet. Als je de taak niet tot variabelenamen hebt uitgestippeld, begint het neurale netwerk de gaten in te vullen. En meestal vult het ze verkeerd in voor je codebase.

BMad Method pleit voor een Agile AI-Driven Development (AiDD) aanpak. Het idee is om beslissingen expliciet vast te leggen en door te geven tussen ontwikkelingsfasen. In dit schema fungeert AI niet alleen als code-automatisch aanvullen, maar als een procesdeelnemer die een specifieke rol uitvoert: van ontwerp tot het schrijven van tests.

Hoe het BMad-systeem werkt

In plaats van één eindeloze thread met het neurale netwerk, breekt de methodologie het werk op in begrijpelijke stappen. Je hoeft niet elke kleine taak door de volledige cyclus te halen.

• Snelle fixes. Voor gerichte bugfixes of kleine verbeteringen, kun je build-commando's direct aanroepen, waarbij je de lange planningsfase omzeilt.
• Complexe features. Als je een nieuwe module lanceert of de architectuur wijzigt, helpt het systeem je eerst om vereisten te formuleren, vervolgens een specificatie samen te stellen, en pas daarna de taak over te dragen aan ontwikkeling.
• Geërfde context. Alle beslissingen worden opgeslagen als artefacten (briefings, specificaties, architectuurnotities) die de volgende AI-agents lezen.
• Gespecialiseerde rollen. Bij elke stap zet AI een specifieke hoed op: productmanager, architect, UX-designer of QA-engineer.

Het punt is dat de ontwikkelaar de beslissingspunten controleert en de beslissingen neemt, terwijl de tooling het vervelende werk van het afstemmen van details afhandelt.

Het uitproberen

Om te beginnen heb je Node.js 20.12+, Python 3.10+ en de package manager uv nodig.

Installatie gebeurt met één terminal-commando:

npx bmad-method install

Daarna open je het project in je favoriete editor met een ingebouwde AI-coder (bijvoorbeeld Cursor of Windsurf) en start je de taakverwerking via bmad-build.

Als je in de war raakt over de fasen of niet weet welke stap je moet kiezen, helpt een utility met hints:

bmad-help

Het mooie is dat BMad je niet dwingt om je processen volledig te herschrijven. Je kunt alleen het deel nemen dat verantwoordelijk is voor het genereren van specificaties of het voorbereiden van architectuurcontext, en code schrijven op je gebruikelijke manier.

Het ecosysteem rond het framework

BMad Method is uitgegroeid tot een hele familie van gespecialiseerde tools voor verschillende taken.

| Module | Waar het voor is |

| --- | --- |

| BMad Method | Hoofdframework voor planning en ontwikkeling |

| BMad Builder | Builder voor aangepaste agents en workflows |

| BMad Loop | Autonome assemblage, verificatie en epic-retrospective |

| BMad Test Architect | Module voor het ontwerpen van testen op grote projecten |

Daarnaast hebben de auteurs kant-en-klare webkits voor ChatGPT Custom GPTs en Google Gemini Gems. Dit is handig wanneer je een feature-concept wilt doordenken op je telefoon of in een browser, en dan gewoon de kant-en-klare bestanden naar je IDE stuurt.

Waarvoor is het bedoeld

Het framework is perfect voor degenen die al actief Claude Dev, Cursor of GitHub Copilot gebruiken, maar die een efficiëntieplafond hebben bereikt. Als je het beu bent om superlang prompts te schrijven die de architectuur van je project uitleggen voor elke taak, bespaart de BMad-aanpak enorm veel tijd.

Aan de andere kant, als je taken beperkt zijn tot het repareren van een paar regels CSS of eenvoudige scripts, kan de BMad-structuur overdreven aanvoelen. Maar voor gemiddelde teamontwikkeling of diensten met een geschiedenis, is het een perfect haalbare manier om de chaos in AI-gesprekken te temmen.