Stop Met Handmatig Prompts Schrijven. Zo Verander Je AI-Agents in een Autonome Assembleerlijn

De head of Claude Code development bij Anthropic, Boris Cherni, gaf ooit toe dat hij niet meer handmatig prompts schrijft. In plaats daarvan draait hij automatische loops die taken vormen voor Claude, het lanceren, en het resultaat zelf verifiëren. Een prompt één keer schrijven is geen probleem. Maar als je dezelfde instructies elke dag aan een AI-assistent geeft—of het nu gaat om het controleren van CI of het sorteren van bugs—dan doe je routinewerk.

Developer Kobus Greyling publiceerde een project genaamd loop-engineering op GitHub, dat een andere aanpak voorstelt. Stop met het zijn van een chat-operator en word een ontwerper van autonome systemen. Het project heeft meer dan 10.000 sterren verzameld, en er is werkelijk iets om over na te denken.

Van Eenmalige Sessies naar Gesloten Lussen

Het hoofdprobleem met typische interacties met codeeragents zoals Claude Code, Grok, of Cursor ligt in de context. Je opent een dialoog, legt de projectstructuur uit, geeft een taak, en wacht op het resultaat. De sessie sluit—de context gaat verloren. De volgende dag begint alles opnieuw.

Het Loop Engineering-concept stelt voor om het proces te sluiten in een oneindige lus. De agent draait volgens een schema, leest de repository-status van een speciaal bestand, voert werk uit in een geïsoleerde branch, voert tests uit, en werkt de statussen bij.

flowchart LR
    A[Schedule / Automation] --> B[Triage Skill]
    B --> C[Read + Write STATE / Memory]
    C --> D[Isolated Worktree]
    D --> E[Implementer Sub-agent]
    E --> F[Verifier Sub-agent]
    F --> G[MCP / Git / Tickets]

Je hoeft hiervoor geen complexe Python-frameworks te schrijven. De lus-architectuur is opgebouwd uit verschillende begrijpelijke elementen:

• Geplande uitvoering via cron, GitHub Actions, of systemd.
• Projectstatus in een gewoon Markdown-bestand STATE.md dat in de repository-root leeft en elke agent-herstart overleeft.
• Geïsoleerde Git worktree-branches zodat agent-wijzigingen de huidige werkende kopie niet breken.
• Scheiding van agents in uitvoerder en controleur (Maker / Checker). Eén schrijft code, de tweede voert tests uit en controleert linters.

Wat Zit Er in de Repository

Het project bestaat uit een set CLI-hulpprogramma's die naar npm zijn gepubliceerd en een catalogus met kant-en-klare scenario's. Alle hulpprogramma's zijn gecombineerd onder één pakket, dus er hoeft niets gekloneerd te worden.

Je kunt een template naar een bestaand project deployen met één commando:

npx @cobusgreyling/loop init . --pattern daily-triage --tool grok

Na initialisatie maakt het hulpprogramma skill-bestanden, een opslagstructuur voor de status, en toont het de gereedheidsindex van het project—de Loop Ready-score.

Om de gezondheid van het resulterende systeem te controleren, gebruik je de doctor:

npx @cobusgreyling/loop doctor .

Dit commando vindt configuratieproblemen en toont drie hoofdstappen voor verbetering. Het zal bijvoorbeeld suggereren om tokenbudgetlimieten toe te voegen of paden te configureren die verboden zijn voor bewerking.

De toolkit bevat ook hulpprogramma's loop-cost voor het schatten van token-kosten, loop-sync voor het vinden van discrepanties tussen de lusbeschrijving en het statusbestand, en loop-worktree voor het veilig maken van aparte branches voor elke fix-poging.

Zeven Kant-en-Klare Templates

De repository bevat templates voor veelvoorkomende ontwikkelingstaken.

Elk patroon wordt beschreven met een uitsplitsing van token-kosten en een aanbevolen implementatiemodus:

1. Daily Triage. Eén keer per dag scant het de repository, verzamelt issues, en werkt STATE.md bij.
2. PR Babysitter. Bewaakt open pull requests, controleert teststatussen, en laat hints achter voor auteurs.
3. CI Sweeper. Onderschept mislukte CI-builds en probeert mislukte tests te repareren in een aparte branch.
4. Dependency Sweeper. Werkt afhankelijke bibliotheken bij en verifieert dat het project bouwt.
5. Changelog Drafter. Verzamelt een concept-changelog vóór een nieuwe release.
6. Post-Merge Cleanup. Verwijdert verouderde branches en tijdelijke bestanden na een merge.
7. Issue Triage. Bekijkt nieuwe tracker-inzendingen en suggereert labels of initiële reacties.

De auteur raadt aan om lussen incrementeel te implementeren. Eerst draai je de agent in alleen-lezen modus (L1), waar het alleen rapporten genereert. Als je vertrouwen hebt in de nauwkeurigheid van de conclusies, kun je overgaan naar bevestigingsmodus (L2), en pas dan kun je kleine routines overdragen aan volledige autonomie (L3).

De Lelijke Kant van Autonomie

Kobus Greyling breekt de risico's van autonome agents eerlijk af. Als je een lus met sub-agents zonder beperkingen lanceert, zal je LLM API-factuur verrassend onaangenaam zijn. Herhaalde verzoeken in een oneindige lus kunnen honderden dollars in een paar uur verbranden.

Het tweede risico wordt comprehension debt genoemd. Als de agent patches schrijft, tests uitvoert, en code zelf in main merged, verliest het team snel de controle over de architectuur. Het project verandert in een black box.

Bovendien blijft alle verificatie jouw verantwoordelijkheid. De agent heeft geen gezond verstand en zal proberen een test met alle middelen te sluiten, zelfs als dat betekent dat de test zelf wordt verwijderd.

Wie Zou Het Moeten Proberen

De repository zal nuttig zijn voor teams die al actief CLI AI-tools gebruiken zoals Claude Code of Grok en op zoek zijn naar een manier om ze systematisch te integreren in CI/CD.

Begin klein. Installeer loop init, kies een scenario daily-triage, en laat de agent een week lang alleen maar dagelijkse rapporten naar STATE.md schrijven. Dit is een veilige manier om te begrijpen hoe goed het concept bij je project past zonder de stabiliteit van je codebase te riskeren.