Procesdiepte versus draagbaarheid, niet het beste gereedschap.
Ontwikkelaars die in 2026 Spec-Driven Development-opstellingen vergelijken, vragen zich meestal niet af welk model het slimst is. Ze vragen zich af welke workflow een AI-agent consistent houdt zonder hen te begraven onder bureaucratie.
Vijf fasen van intentie tot geverifieerde code.
Spec-gedreven ontwikkeling werkt wanneer de specificatie een workflow is, en geen document dat je na de kickoff weglegt. Het doel is niet het produceren van een uitgebreid productvereisten document.
Langlopende A2A-taaken overleven chatsessies.
De meeste AI-agentdemonstraties gedragen zich nog steeds als chat-completies met extra stappen: je stuurt een prompt, wacht enkele seconden en ontvangt een antwoord in één reactie.
Snellere LLM-inferentie zonder kwaliteitsverlies – een praktische handleiding
Een model van 70B (70 miljard parameters) genereert één token per forward pass, en bij elke pass worden de gewichten opnieuw van het VRAM geladen, wordt de attention berekend over de context en wordt het gehege synchroniseerd. Tussen tokens zit de GPU inactief terwijl hij wacht tot sequentiële afhankelijkheden zijn opgelost.
40% van multi-agentpilots faalt. Hier is hoe je het juiste orchestratiepatroon kiest – en de patronen vermijdt die falen.
Single-agent AI-systemen bereikten hun hoogtepunt in 2025 — u gaf één LLM een prompt, enkele tools en een doel, en het presteerde redelijk goed bij begrenste taken.
De specificatie als bron van waarheid, niet als bijlage.
Spec-gedreven ontwikkeling is één van die ideeën waarnaar software-ingenieurs eerder hebben gegrepen en vervolgens hebben opzijgezet toen de inspanning niet meer opwog.
Specificaties als enige waarheid, of traad ceremonieel?
Spec-gedreven ontwikkeling kwam in 2026 binnen als het serieuze antwoord van ontwikkelaars op de afwijking van ‘vibe coding’.
Houd de intentie dicht bij de code.
Beslissingenregistraties vormen de ontbrekende geheugelaag in AI-gestuurde softwareontwikkeling. Ze vastleggen niet alleen wat er is gebouwd, maar ook waarom — en dat onderscheid wordt cruciaal wanneer AI-tools je code schrijven.
A2A is niet dood. Het is gewoon niet universeel.
Het Agent2Agent-protocol van Google, vaak afgekort tot A2A, had een vreemd eerste jaar.
Betrouwbare pollingpatronen voor AI-agents.
Pollende agents behoren tot de minst glamourrijze onderdelen van de architectuur van AI-assistents, maar ze zijn ook een van de meest nuttige.
MCP biedt agents tools. A2A biedt agents collega’s.
De architectuur van AI-agents begint zich op te splitsen in twee lagen.
A2A maakt van agents netwerkpeers.
Het A2A-protocol, kort voor Agent2Agent Protocol, is een open standaard voor communicatie tussen onafhankelijke AI-agentensystemen.
Hoe serieuze assistenten daadwerkelijk worden gebouwd.
Een productieve AI-assistent is niet zomaar “een LLM met een prompt”. Het is een systeem dat intentie accepteert, staat behoudt, beslist wanneer het moet ophalen of handelen, en voldoende runtime-detail blootlegt om fouten te debuggen.
Stop met het interpreteren van vibes. Valideer contracten.
De meeste tutorials over “gestructureerde output” van GPT-modellen (LLM’s) zijn niet serieus. Ze leren je beleefd om JSON te vragen en hopen daarna dat het model zich gedraagt. Dat is geen validatie. Dat is optimisme met accolades.
Referentie voor het afstellen van agentische LLM’s
Deze pagina is een praktische referentie voor het afstemmen van agentische LLM-inferentie (temperatuur, top_p, top_k, penalties en hoe deze interacteren in meervoudige stappen en workflows met veel hulpmiddelen).
Bouw Claude Skills die stand houden in de praktijk.
De meeste teams misbruiken Claude Skills op één van de twee manieren. Ze maken van SKILL.md ofwel een stortbak, of ze stappen nooit over naar het gebruik van grote, gekopieerde en geplakte prompts.
