~/blog/tag/tooling
Gereedschap
Tools, workflows en configuratie die het ontwikkelproces versnellen.
Waar ik over schrijf
Tools zitten tussen wat je bedoelt en wat er gebeurt. Die zin klinkt vanzelfsprekend tot je een team een tool ziet adopteren die het tegenovergestelde doet, en met meer vertrouwen slechtere code oplevert.
De stukken onder deze tag gaan vooral over tooling voor werken met AI. CLAUDE.md-bestanden. Hooks. Skills, plugins, de hele steiger eromheen die een agent van slimme autocomplete in iets met regels en geheugen verandert. De helft zijn gidsen voor specifieke patronen die overeind zijn gebleven. De andere helft zijn kritische beoordelingen van tools die indrukwekkend lijken in een demo en uit elkaar vallen zodra je er echt werk doorheen haalt.
De toets die ik blijf toepassen is simpel. Maakt deze tool mijn intentie explicieter, of laat hij de output zelfverzekerder klinken? Dat zijn heel verschillende dingen. Een tool die je dwingt te specificeren wat je wilt, is nuttig. Een tool die je vage prompt parafraseert in vloeiende code is een risico, hoe goed de demo er ook uitzag.
Lees deze stukken met de verwachting dat er meningen in staan over specifieke instrumenten. Ik noem namen. Sommige tools verdienen hun sterren. Andere niet.
Begin je net met dit gereedschap, dan is de gids Agentic coding de kortste route langs de stukken die ertoe doen.
beste startpunten
- Claude Code-hooks: deterministische controle over AI-workflows
Waar deterministische controle over agent-gedrag begint. De tool-feature waar ik het zwaarst op leun.
- Het CLAUDE.md-bestand: geef je AI permanent geheugen
Het simpelste patroon met de grootste impact. Geef de agent de context die hij niet kan afleiden.
- Claude Code /doctor: wat hij controleert en wat er nieuw is
De snelste manier om te zien wat je opzet werkelijk meesleept. De health check werd een contextaudit, en zet de rekening op een rij waar niemand om vroeg.
Plugin4Shell: een gepinde plugin is pas gepind als iets controleert wat er echt is uitgecheckt
Air liet zien dat Claude Code, Codex, Copilot en Gemini CLI git om de commit vroegen die een marketplace had gepind, zonder na te gaan of ze die ook echt kregen. Ik bouwde het na in git, zag Claude Code het weigeren en vond hetzelfde gat in mijn eigen CI-runner.
lees →Een Claude Code-sessie terughalen die de resume-picker niet laat zien
WSL ging onderuit en nam Claude Code mee. Het transcript stond nog op schijf, en de resume-picker bood de sessie niet aan. Wat dat me leerde over waar de duurzaamheid van agent-werk echt zit, en waarom de client die crashte het slechtste gereedschap is om terug te vinden wat hij kwijtraakte.
Lege catch-blokken in AI-code: het commentaar dat je linter het zwijgen oplegt
AI-code slikt fouten in met catch-blokken waar alleen een commentaar in staat, en de aanbevolen ESLint-config laat ze juist dankzij dat commentaar door. Wat ik in mijn eigen repositories vond, waarom een model ze schrijft, en de regel die wel door het commentaar heen kijkt.
Wat een dependency-graph vindt dat je coding agent mist
Ik liet een scanner los op een interne applicatie waar agents al maanden in werkten. Hij deed er nog geen twee seconden over en leverde vier tickets op. Geen van die defecten zat in een bestand, en precies daarom vond niemand ze door bestanden te lezen.
Wie schreef deze commit? Git-attributie als een agent meewerkt
Ik ging op zoek naar de coding agent in 1.644 commits uit tien van mijn publieke repositories. Hij liet geen enkel spoor na. Wat de auteursgegevens wél herschreef, was de merge-knop.
MCP of CLI: wat de tools van je agent echt kosten
Elke vergelijking noemt een factor. Ik mat er 88,9x, en dat getal beantwoordt een vraag die mijn client allang beantwoord heeft. Wat een tool nu kost, en wat een schema nog altijd van een commando onderscheidt.
Kwaliteitsdrempels voor AI-code: baselines die alleen strenger worden
Met een lint-baseline dwing je een standaard af die je codebase vandaag nog niet haalt. Bestaande overtredingen krijgen vrijstelling, nieuwe breken de build, en het bestand mag alleen krimpen. Hoe PHPStan, ESLint, detekt en Sonar dit doen, en de vier manieren waarop zo'n drempel stilletjes stopt met werken.
Oncall voor AI-code: wat je regelt voordat de pager afgaat
Het bekendste geval van AI-code die productie platlegde wordt door het bedrijf zelf ontkend. Niemand van buiten kan uitmaken wie gelijk heeft, want de gegevens waarmee dat zou kunnen, zijn nooit vastgelegd. Oncall voor code die een model schreef is een administratieprobleem.
Claude Code in een grote codebase: de agent afbakenen tot wat ertoe doet
Boven ongeveer 400.000 regels lopen coding agents systematisch vast. Wat er precies misgaat, welke instellingen het in een monorepo oplossen, en het ignore-bestand dat iedereen aanraadt en dat nooit heeft bestaan.
Je beste context zit in een sessie die je niet terugvindt
Elke agent-CLI bewaart een volledig transcript van alles wat je ooit gevraagd hebt, en ziet alleen zichzelf. Zo doorzoek je je agent-sessies over al je clients heen, en dit is het enige wat de tool weigert te beloven.