alle gidsen
AI Automation
6 gewoontes voor je agentic workflow
Meer instructies in je AI-workflow is niet hetzelfde als een betere workflow. Onderzoek en recente benchmarks laten zien welke gewoontes van ervaren agent-engineers echt verschil maken; dit zijn de zes die het meest opleveren.
download de pdf- Hoe richt je het geheugen van je agent in?
- Met twee lagen. Een dun, globaal bestand voor persoonlijke regels, en een dik projectbestand dat meegroeit met elke gecorrigeerde fout. Bouw dat projectbestand niet in één keer vooraf op, maar laat het groeien: corrigeer de agent wanneer hij iets fout doet en vraag hem dat te onthouden.
- Wat hoort er niet in je hoofdbestand?
- Instructies die maar in een deel van je sessies relevant zijn. Die kosten tokens in elke sessie, ook wanneer ze niet gebruikt worden. Verplaats ze naar een losse skill, die pas wordt geladen als de agent hem daadwerkelijk nodig heeft.
- Zijn GitHub-sterren een goede maat voor een skill?
- Nee. Een populaire skill met honderdduizenden sterren zegt iets over hoeveel mensen hem hebben aangevinkt, niet of hij je agent daadwerkelijk beter maakt. Lees een skill voor je hem installeert, net zoals je een dependency zou beoordelen.
- Waarom bepaalt tool-ontwerp de rekening?
- Omdat het enorm scheelt in tokens en betrouwbaarheid. Een benchmark van Scalekit vergeleek CLI-achtige tools met een naïeve MCP-koppeling voor dezelfde taken: CLI kostte 1.365 tot 8.750 tokens per taak bij 100% betrouwbaarheid, MCP zonder filtering 32.000 tot 82.000 tokens per taak bij 72% betrouwbaarheid. Bij 10.000 taken per maand is dat 3,20 dollar tegenover 55,20 dollar.
- Loont het om tegen je agent te praten?
- Ja. Stanford-onderzoek (Ruan e.a., 2017) laat zien dat spraak ongeveer 150 woorden per minuut haalt tegenover 38 tot 40 voor gemiddeld typen, ruwweg 3 tot 4 keer sneller. Gebruik voice input voor prompts en typ alleen nog voor URL's en bestandspaden.
- Hoe houd je lange, autonome taken in de hand?
- Geef ze een expliciete stopconditie. Autonome taken die uren of dagen doorlopen hebben een concreet, testbaar criterium nodig waarop de agent zelf kan vaststellen dat hij klaar is. Leg vooraf vast wanneer de taak voltooid is, in plaats van de agent te vragen zijn best te doen.