3 november 2026Bijgewerkt op Fathy Shalaby17 min leestijd
PRD-template voor AI-codeeragenten (Claude Code, Cursor, Copilot)
Een PRD-template om te kopiëren voor AI-codeeragenten, waar die staat naast CLAUDE.md, AGENTS.md en Cursor-regels, en hoe je acceptatiecontroles schrijft die een agent kan uitvoeren.
Een PRD-template voor AI-codeeragenten is een korte, taakspecifieke brief die Claude Code, Cursor of GitHub Copilot vertelt wie het probleem heeft, wat er moet veranderen, wat buiten scope valt en welke controles bewijzen dat het werk af is. Zet stabiele projectregels in CLAUDE.md, AGENTS.md of Cursor-regels. Zet de featurebeslissing in de PRD. Het onderstaande template past op een of twee pagina's.
Belangrijkste punten
Agenten zijn snel en zitten er vaak net een beetje naast. In de Stack Overflow-enquête van 2025 noemde 66% van de ontwikkelaars AI-oplossingen die „bijna goed, maar niet helemaal” zijn een van de grootste frustraties, en 86,9% maakte zich zorgen over de nauwkeurigheid van AI-agenten (Stack Overflow, 2025).
Aanbieders zijn het erover eens dat instructiebestanden voor projecten kort en algemeen moeten zijn: Anthropic mikt op minder dan 200 regels per CLAUDE.md, Cursor zegt regels onder de 500 regels te houden, en de eigen onboardingprompt van GitHub beperkt Copilot-instructies tot 2 pagina's en sluit taakspecifieke inhoud uit.
De featurebeslissing heeft dus een eigen plek nodig: één PRD per taak, gelinkt vanuit het issue of de pull request.
Het onderdeel dat de output van de agent het meest verandert, zijn de acceptatiecontroles. Een agent met een geslaagd/mislukt-controle kan zijn eigen werk testen en repareren; een agent zonder stopt zodra het werk alleen maar af lijkt.
Vage requirements waren al duur vóór AI. PMI vond slecht requirementsbeheer achter 47% van de projecten die hun doelen niet haalden (PMI, 2014).
Wat is een PRD-template voor AI-codeeragenten?
Een product requirements document (PRD) voor een codeeragent beantwoordt dezelfde vragen als elke PRD: wiens probleem is dit, wat moet er veranderen en hoe weten we dat het gewerkt heeft? Het verschil zit in de lezer. Een menselijke engineer vraagt in Slack om uitleg als iets onduidelijk is. Een agent kiest meestal een interpretatie en gaat door.
De Claude Code-gids van Anthropic zegt het rechtuit: Claude neigt ernaar een verzoek in de smalste zin te nemen en het minimum te bouwen dat eraan voldoet, omdat het niet kan weten hoe ambitieus je het bedoelde (Anthropic, Claude Code best practices). De oplossing is geen langere prompt. Het is een brief die opschrijft wat een menselijke collega in de kamer zou hebben opgepikt.
Een codeeragent plus de persoon die het werk reviewt
Scope
Vaak een hele release
Eén taak of één verticale slice
Lengte
Vaak meerdere pagina's
Een tot twee pagina's; links voor details
Ambiguïteit
Opgelost in gesprek
Opgesomd als open vragen en stopregels
Non-goals
Handig
Verplicht, zodat de agent aangrenzende code met rust laat
Acceptatiecriteria
Gelezen door QA
Geschreven als controles die de agent kan uitvoeren en waarover hij kan rapporteren
Waar het staat
Wiki of documententool
Repo of issue, gelinkt vanuit de pull request
Waarom hebben AI-codeeragenten überhaupt een PRD nodig?
Omdat de code een agent niet vertelt welk klantprobleem ertoe doet, welke afweging het team heeft geaccepteerd of wat bewust buiten scope valt. Die feiten zitten in interviews, tickets en meetings. Als niemand ze opschrijft, vult de agent het gat met een aannemelijke gok.
Het gebruik van agenten is inmiddels gewoon genoeg om dit te laten tellen. In de Stack Overflow-enquête van 2025 gebruikte of overwoog 84% van de respondenten AI-tools, gebruikte 14,1% AI-agenten dagelijks op het werk en nog eens 9% wekelijks. Vertrouwen loopt achter op gebruik: 46% wantrouwde de nauwkeurigheid van AI-output, tegenover 33% die erop vertrouwde (Stack Overflow, 2025).
Vage bedoelingen waren al lang vóór agenten kostbaar. Uit PMI's onderzoek uit 2014 bleek dat slecht requirementsbeheer ervoor zorgde dat 47% van de mislukte projecten zijn doelen miste, en dat 5,1% van elke dollar die aan projecten werd besteed verspild werd (PMI, 2014). Met een agent komt dezelfde vaagheid binnen enkele minuten terug als een zelfverzekerde pull request, in plaats van als verrassing bij de sprintreview.
Beveiliging is de andere reden om expliciet te zijn. Veracode testte meer dan 100 grote taalmodellen en vond dat 45% van de gegenereerde codevoorbeelden een kwetsbaarheid uit de OWASP Top 10 introduceerde; bij Java-voorbeelden was dat 72% (Veracode, 2025). Een PRD lost dat niet alleen op, maar een „mag niet”-lijst en een benoemde beveiligingscontrole laten zowel de agent als de reviewer zien waar ze moeten kijken.
Wat hoort in CLAUDE.md of AGENTS.md, en wat in de PRD?
Verdeel de context naar hoe lang die waar blijft. Instructiebestanden in de repository bevatten regels die voor elke taak gelden. De PRD bevat de beslissing voor deze taak. Ze door elkaar halen maakt beide slechter: het instructiebestand zwelt op en de featurebeslissing verdwijnt erin.
Elke tool documenteert zijn eigen instructiebestanden en zijn eigen advies over omvang:
Tool
Instructiebestanden voor het project
Omvangadvies van de aanbieder
Optie op taakniveau
Claude Code
CLAUDE.md (scopes managed, user, project en local), .claude/rules/ met padfilters; leest AGENTS.md als er geen CLAUDE.md is
Mik op minder dan 200 regels per bestand
Verwijs met @path naar een spec-bestand; vraag Claude je te interviewen en SPEC.md te schrijven
Cursor
.cursor/rules/*.mdc (altijd, intelligent, bestandsgebonden of handmatig); AGENTS.md, ook geneste bestanden
Houd regels onder de 500 regels
@-vermeld het PRD-bestand in de chat
GitHub Copilot
.github/copilot-instructions.md, .github/instructions/*.instructions.md met applyTo; AGENTS.md, CLAUDE.md of GEMINI.md
Onboardingprompt: niet langer dan 2 pagina's, niet taakspecifiek
Promptbestanden, per chat gekozen
Elke AGENTS.md-agent
AGENTS.md; het bestand dat het dichtst bij de bewerkte code staat wint
Geen verplichte velden; gebruikt door 60k+ open-sourceprojecten
Twee details uit de documentatie van de aanbieders bepalen de verdeling. Anthropic zegt dat Claude CLAUDE.md behandelt als context en niet als afgedwongen configuratie, en dat langere bestanden de naleving verminderen. De Copilot-docs van GitHub beschrijven promptbestanden als iets wat je per chat kiest, anders dan instructies die automatisch gelden (GitHub Docs). Beide wijzen dezelfde kant op: blijvende regels horen in het altijd geladen bestand, eenmalige beslissingen in een bestand dat je voor die taak aanreikt.
Zet in de repository-instructies:
Build-, test-, typecheck- en lintcommando's, inclusief hoe je één testbestand draait
Plekken waar de code misleidend is, zoals een legacy-patroon dat nieuwe code niet mag kopiëren
Beslissingen die niet in de code zichtbaar zijn: de error-helper, het deployproces, wat een migratiereview nodig heeft
Regels voor beveiliging, privacy en toegankelijkheid die overal gelden
Waar de productbeslissingen staan, als link
Zet in de PRD:
De gebruiker, het probleem en het bewijs erachter
De uitkomst, de baseline en de guardrails
Binnen scope, buiten scope en „mag niet”
Vereist gedrag, inclusief lege, ladende en foutstatussen
Acceptatiecontroles en de commando's die ze verifiëren
Open vragen en wie die beslist
De docs van Cursor voegen een nuttige regel toe voor beide: verwijs naar bestanden in plaats van de inhoud te kopiëren, want kopieën raken verouderd. Link het onderzoek; plak het niet.
Het kopieerbare PRD-template voor AI-codeeragenten
Kopieer dit naar docs/specs/<feature>.md of naar de issue-tekst. Houd elk antwoord kort en link voor details naar onderzoek, ontwerpen of technische notities.
# PRD: [werktitel]
Eigenaar: [naam] | Status: concept / goedgekeurd | Datum: [JJJJ-MM-DD]
Issue / PR: [link]
## 1. Probleem
- Primaire gebruiker:
- Situatie en probleem (één zin):
- Bewijs: [links]. Markeer elk punt als waargenomen / afgeleid / aangenomen.
- Waarom nu:
- Wat we nog niet weten:
## 2. Uitkomst
- Uitkomst voor de gebruiker: wat wordt makkelijker, sneller of veiliger?
- Productsignaal: het gedrag dat zou laten zien dat het hielp
- Baseline: [getal + bron] of "onbekend: eerst instrumenteren"
- Guardrails: wat niet slechter mag worden (fouten, privacy, latency, controle van de gebruiker)
## 3. Scope
- Binnen scope:
- Buiten scope (non-goals):
- Mag niet: [verboden acties of neveneffecten]
- Afhankelijkheden:
## 4. Vereist gedrag
R1. Startpunt en hoofdpad, in gewone taal:
R2. Lege, ladende en foutstatussen:
R3. Rechten en omgang met data:
R4. Randgevallen die de beslissing veranderen:
## 5. Context
- Huidig gedrag: [route, scherm of bestand]
- Relevante beslissingen: [link naar decision record]
- Bekende beperkingen: [platform, compatibiliteit, latency, beleid]
- Repositoryregels: zie CLAUDE.md / AGENTS.md
- Als twee bronnen elkaar tegenspreken: stop en vraag het aan [eigenaar]
## 6. AI-gedrag (alleen als de feature een model gebruikt)
- Invoer die het model mag gebruiken:
- Getoonde of opgeslagen output:
- Grounding: welke bron elke bewering onderbouwt
- Onzekerheid: wanneer "onvoldoende bewijs" zeggen of vragen stellen
- Menselijke controle: welke acties een review nodig hebben
- Foutafhandeling: timeout, misvormde output, ontbrekend bewijs
- Eval-cases: [link, inclusief lastige en negatieve voorbeelden]
## 7. Acceptatiecontroles
AC1. Gegeven [toestand], wanneer [actie], dan [waarneembaar resultaat].
AC2. Als [ongewenste situatie], dan moet het systeem [veilige fallback].
AC3. Gegeven [gebruiker zonder rechten], wanneer [die het opent], dan verschijnt er geen afgeschermde data.
AC4. Regressie: [bestaand testcommando] slaagt nog steeds.
Verifieer met: [test-, typecheck-, lint- en end-to-end-commando's]
## 8. Uitvoeringsafspraak voor de agent
1. Lees deze PRD en de repository-instructies voordat je iets bewerkt.
2. Geef de requirement in eigen woorden weer en som open vragen op. Wacht op antwoorden bij alles wat als "beslissing" is gemarkeerd.
3. Stel een plan voor: te wijzigen bestanden, toe te voegen tests. Wacht op goedkeuring.
4. Bouw de kleinste slice die de acceptatiecontroles haalt.
5. Stop en vraag het voordat je een publieke API wijzigt, auth, billing of migraties aanraakt, een dependency toevoegt of een open vraag zelf beslist.
6. Draai de verificatiecommando's en plak de commando's en hun output.
7. Vat het gewijzigde gedrag, de aannames en de resterende risico's samen.
Welke onderdelen zijn het belangrijkst?
Non-goals en „mag niet”. Een non-goal van één regel („geen nieuwe dashboardbuilder”, „rapportdefinities niet wijzigen”) voorkomt dat een redelijke agent van een klein verzoek een redesign maakt. Sommige tools blokkeren de riskantste acties al. De automodus van Claude Code blokkeert bijvoorbeeld standaard productie-deploys en migraties, force pushes en het mergen van een pull request die geen mens heeft goedgekeurd (Anthropic, permission modes). Jouw lijst voegt de productspecifieke verboden toe die geen enkele tool kan weten: prijslogica, toestemmingsteksten, een e-mail aan klanten.
Status van het bewijs. Als je elke bewijsregel markeert als waargenomen, afgeleid of aangenomen, blijft een hypothese niet als feit lezen zodra die in een net document staat. De claim-trace van 15 minuten voor door AI geschreven specs laat zien hoe je dit controleert vóór de overdracht.
Eén beperking: alles wat in een PRD of CLAUDE.md staat is richtlijn die de agent als niet van toepassing kan beoordelen. Anthropic adviseert dat een regel zonder uitzonderingen thuishoort in een hook, een deny-regel of een beheerde instelling, niet in proza (Anthropic, Claude Code best practices).
Hoe schrijf je acceptatiecriteria die een AI-codeeragent kan verifiëren?
Schrijf elke controle zo dat die met geslaagd of mislukt terugkomt, en noem het commando of de waarneming die dat bepaalt. De gids van Anthropic noemt de soorten controles die Claude kan lezen: een testbestand, de exitcode van een build, een linter, een script dat output vergelijkt met een fixture, of een browserscreenshot naast de mockup.
Twee syntaxen houden acceptatiecriteria testbaar:
Given / When / Then (gegeven / wanneer / dan), uit behavior-driven development: „Gegeven een opgeslagen weergave, wanneer de gebruiker die verwijdert, dan verdwijnt die uit de zijbalk en geeft de lijst-API hem niet meer terug.”
EARS (Easy Approach to Requirements Syntax), bedacht door Alistair Mavin en collega's bij Rolls-Royce en voor het eerst gepubliceerd in 2009 (Mavin, EARS). Het gebruikt vijf patronen:
EARS-patroon
Template
Productvoorbeeld
Ubiquitous
Het systeem moet …
De export moet een koprij bevatten.
Event-driven
Wanneer [trigger], moet het systeem …
Wanneer een upload groter is dan 10 MB, moet het systeem de groottelimiet tonen.
State-driven
Zolang [toestand], moet het systeem …
Zolang een synchronisatie loopt, moet het systeem de knop Opslaan uitschakelen.
Unwanted behaviour
Als [situatie], dan moet het systeem …
Als het model geen bron teruggeeft, dan moet het systeem het thema markeren als „niet onderbouwd”.
Optional feature
Waar [feature], moet het systeem …
Waar SSO is ingeschakeld, moet het systeem het wachtwoordveld verbergen.
De voorbeelden zijn illustratief. Het patroon „Als … dan” is het nuttigst voor agenten, omdat ze bij ongewenst gedrag gaan gokken.
Vraag daarna om bewijs, niet om een oordeel. Anthropic raadt aan Claude te vragen naar het commando dat het draaide en de output ervan, want een kale bewering dat de tests slagen is zwak bewijs. Laat als tweede verdedigingslinie een verse sessie of subagent die de code niet schreef de diff naast de PRD leggen.
Ingevuld voorbeeld: themasamenvattingen voor interviewtranscripties
Dit voorbeeld is illustratief en geen onderzoek bij een echte klant.
Probleem. Een productteam van vijf mensen heeft 12 interviewtranscripties verspreid over meerdere documenten. Vóór een planningsmeeting willen ze terugkerende problemen zien, zonder het bewijs van de deelnemers achter elk probleem kwijt te raken.
Gewenst gedrag. Een teamlid selecteert transcripties en vraagt om een concept-themasamenvatting. Elk thema linkt naar de passages die het onderbouwen. Het teamlid bewerkt de samenvatting voordat die gedeeld wordt.
Binnen scope. Conceptthema's, bronlinks, een bewerkbare reviewstap.
Buiten scope. Thema's automatisch publiceren, de roadmap wijzigen, of een aantal thema's uit 12 interviews presenteren als schatting voor de hele markt.
Mag niet. Een citaat verzinnen, een uitspraak aan de verkeerde deelnemer toeschrijven, of een frequentie claimen die de transcripties niet ondersteunen.
Acceptatiecontroles.
Gegeven een transcriptie met een passage over een installatieprobleem, wanneer de samenvatting dat thema bevat, dan kan de lezer de exacte onderbouwende passage openen.
Als een thema geen onderbouwende passage heeft, dan moet het systeem het markeren als „onzeker” in plaats van het gat op te vullen.
Gegeven een gegenereerde samenvatting, wanneer het teamlid die opent, dan kan die worden bewerkt voordat hij gedeeld wordt.
Gegeven een transcriptie met persoonsgegevens, wanneer de feature die verwerkt, dan gelden de bestaande data- en toegangsregels van de workspace.
Baseline. Onbekend. Voordat het team een doel stelt, meet het hoe lang het duurt om handmatig bewijs voor drie thema's te vinden en telt het de correcties van reviewers. Het voorbeeld gaat uit van geen bepaalde verbetering.
Hoe geef je de PRD aan Claude Code, Cursor of Copilot?
Schrijf de PRD. Schrijf hem zelf, start met de gratis PRD-generator of gebruik de prompts uit hoe je een PRD schrijft met AI. In Claude Code kun je vragen je te interviewen tot het de spec kan schrijven en die op te slaan als SPEC.md.
Zet hem waar de agent hem kan lezen. Sla hem op in de repo of het issue en verwijs op pad ernaar (@docs/specs/saved-views.md in Claude Code of Cursor).
Vraag eerst om een herformulering en een plan. Met de planmodus van Claude Code kan de agent lezen en verkennen, maar kan hij niets bewerken tot jij het plan goedkeurt. Corrigeer misverstanden hier, waar ze niets kosten.
Bouw in een verse sessie. Anthropic stelt voor de bouw in een nieuwe sessie te starten zodra de spec er is, zodat je begint zonder planningspraat en met de spec als definition of done.
Breng nieuwe beslissingen terug naar het dossier. Als het werk een beslissing blootlegde, werk dan de PRD of het decision log bij, niet alleen de chat.
Voordat je een agent onbewaakt laat draaien, stelt Anthropic vijf vragen voor: weet hij hoe „klaar” eruitziet, kan hij zijn eigen werk controleren, wat mag hij aanraken, wat stopt hem en wie tekent het resultaat af? De onderdelen 3, 7 en 8 van het template beantwoorden er vier.
Wanneer gebruik je Spec Kit of Kiro?
Gebruik een gestructureerde spec-workflow als je de hele pijplijn wilt en niet alleen een betere overdracht. GitHubs Spec Kit, met zo'n 150k sterren, scheidt de spec („wat te bouwen en waarom”) van het technische plan en genereert daarna taken en implementatie (GitHub, Spec Kit). Kiro splitst elke spec in requirements.md, design.md en tasks.md (Kiro docs). Het template hierboven past op de requirementsstap: onderdelen 1 tot 4 en 7. Als je team al een van deze tools gebruikt, plak dan de productonderdelen in de spec-stap ervan in plaats van twee documenten bij te houden.
Hoe lang moet een PRD voor een AI-codeeragent zijn?
In verhouding tot het risico van de wijziging. Deze bereiken zijn een vuistregel, geen benchmark:
Wijziging
Wat erin hoort
Ruwe lengte
Tekstcorrectie of kleine, omkeerbare UI-aanpassing
Probleem, scope, 1-2 controles
5-15 regels
Standaard feature-slice
Onderdelen 1-5, 7 en 8
Ongeveer een pagina
Rechten, billing, persoonsgegevens of door AI gegenereerde beweringen
Volledig template inclusief onderdeel 6, een beveiligingscontrole en een benoemde reviewer
Tot twee pagina's, plus links
De bovengrens volgt dezelfde logica die aanbieders op instructiebestanden toepassen. Elke regel strijdt om de aandacht van het model, dus een PRD van vijf pagina's verbergt de ene beperking die telde. Als een onderdeel langer wordt dan een halve pagina, bevat het waarschijnlijk meerdere beslissingen; splits het of link door. Voor een PRD van een hele release, geschreven voor mensen, zie hoe je een PRD schrijft.
Veelgemaakte fouten met PRD's voor AI-codeeragenten
De hele productwiki plakken. Meer context is niet betere context. Link de twee of drie bronnen die de beslissing veranderen.
Featuredetails in CLAUDE.md of AGENTS.md zetten. Die worden bij elke taak geladen. De onboardingprompt van GitHub houdt taakspecifieke inhoud nadrukkelijk buiten het instructiebestand van Copilot.
Requirements als „maak de AI nauwkeurig”. Beschrijf wat een gebruiker kan inspecteren en wat het systeem doet als het niet aan de requirement kan voldoen.
Een doel verzinnen. Als er geen baseline is, schrijf dan „onbekend” en instrumenteer eerst.
„Klaar” accepteren zonder output. Vraag om de commando's en hun resultaten.
De agent zijn eigen PRD laten schrijven en goedkeuren. Een agent kan er een opstellen, maar een mens moet probleem, bewijs en scope bevestigen.
Harde regels als proza schrijven. „Raak migraties nooit aan” hoort naast de PRD ook in een deny-regel of hook.
Waar Specky past
Specky schrijft PRD's in de PRD Editor met inline citaten naar de klantgesprekken, tickets en feedback in je Product Graph, zodat het onderdeel Bewijs naar echte bronnen linkt. Via de MCP-server kunnen Claude Code, Cursor en andere MCP-clients die brief direct laden: get_coding_brief geeft de PRD's, beslissingen en bewijs die relevant zijn voor een ticket, en alles wat een agent terugschrijft komt binnen als concept voor menselijke review. De setup staat op de MCP-setuppagina voor AI-agenten.
Veelgestelde vragen
Is een PRD voor een AI-codeeragent anders dan een gewone PRD?
De vragen zijn dezelfde: wie heeft het probleem, wat moet er veranderen en hoe weet je dat het gewerkt heeft. De agentversie is korter, beperkt tot één taak en explicieter over non-goals, stopregels en controles die de agent kan uitvoeren, omdat een agent op ambiguïteit handelt in plaats van te vragen. Houd de brief in verhouding tot de omvang en het risico van de wijziging.
Hoe lang moet een PRD voor Claude Code of Cursor zijn?
Ongeveer een pagina voor een standaard feature-slice, en tot twee pagina's voor wijzigingen die rechten, billing, persoonsgegevens of door AI gegenereerde beweringen raken. Link voor details. Aanbieders geven vergelijkbare limieten voor instructiebestanden: minder dan 200 regels per CLAUDE.md, minder dan 500 regels per Cursor-regel en niet meer dan 2 pagina's in de onboardingprompt van GitHub.
Moet de PRD in CLAUDE.md of AGENTS.md?
Nee. CLAUDE.md en AGENTS.md worden in elke sessie geladen, dus ze horen blijvende projectregels te bevatten zoals commando's, conventies en beveiligingsbeperkingen. Zet de feature-PRD in een eigen bestand of in het issue en verwijs ernaar voor die taak. Een link naar waar de productbeslissingen staan is de juiste hoeveelheid productcontext voor het instructiebestand.
Kan de codeeragent de PRD zelf schrijven?
Hij kan er een opstellen, je notities ordenen en randgevallen voorstellen. Claude Code kan je zelfs interviewen en een spec-bestand schrijven. Een mens moet nog steeds het gebruikersprobleem, het bewijs, de scope en het succesignaal bevestigen, want gegenereerde tekst is geen bewijs dat het team die beslissingen nam. Behandel een door een agent opgestelde PRD als concept.
Wat is spec-driven development?
Spec-driven development betekent dat je een specificatie schrijft van wat er gebouwd moet worden en waarom, voordat een AI-agent plant en implementeert. GitHubs Spec Kit en Kiro formaliseren dit allebei in fasen: requirements of spec, dan technisch plan of design, dan taken, dan code. Het PRD-template in dit artikel dekt de requirementsfase.
Hoe schrijf ik acceptatiecriteria voor een AI-codeeragent?
Schrijf elk criterium als een geslaagd/mislukt-uitspraak gekoppeld aan iets wat de agent kan uitvoeren of waarnemen: een test, een build, een linter, een fixture-diff of een screenshot. Gebruik de syntaxis Given/When/Then of EARS, neem minstens één „als er iets misgaat, dan”-geval op en vraag de agent de commando's en output te plakken.
GDPR-aligned. EU workspace data is stored in Frankfurt, Germany. GDPR and EU data Built in Vienna, Austria. A product of influence solutions fm GmbH (FN 675374y). Imprint 14-day trial. Card required, and nothing is charged until day 14. 30-day refund after subscribing. See pricing