is een ongelooflijk efficiënt coderingshulpmiddel dat u kunt gebruiken om de meeste cognitieve taken op uw computer uit te voeren. Continu leren is echter nog steeds een taak die we agenten moeilijk kunnen leren. Bovendien is continu leren een taak waar mensen ontzettend goed in zijn.
U kunt eenvoudigweg nadenken over elke taak die u al een lange tijd hebt uitgevoerd. In bijna alle gevallen zul je in de loop van de tijd beter worden in die taak, van je fouten leren en deze verbeteren. Dit is niet alleen een kwestie van onthouden wat werkt en wat niet. Het gaat ook over het opbouwen van een intuïtie voor taken die je eenvoudigweg krijgt door ze in de loop van de tijd uit te voeren.
In dit artikel bespreek ik hoe u vergelijkbaar continu leren kunt bereiken met uw codeeragenten. Continu leren voor agenten is nog steeds een onopgeloste uitdaging, maar ik zal bespreken hoe ik mijn codeeragenten zover krijg dat ze van hun fouten leren en in de loop van de tijd verbeteren. Bovendien zal de inhoud die ik in dit artikel behandel uw agenten veel beter maken in de taken waarvan u specifiek wilt dat ze goed zijn, of dat nu het maken van aandeelhouderspresentaties is, het oplossen van bugs in uw specifieke codebase, of iets heel anders.
Waarom hebben we continu leren nodig?
We hebben continu leren nodig, omdat we altijd beter willen worden in de taken die we uitvoeren. Stel je voor dat je al jaren programmeur bent en nog steeds basisfouten maakt, zoals het vergeten van dubbele punten na een if-statement in Python.
Het is duidelijk dat het voortdurend maken van dergelijke fouten zeer inefficiënt is, en daarom willen we dit vermijden. We willen beter worden in taken, er efficiënter in worden en zo moeilijkere problemen kunnen oplossen.
Door langere tijd aan een taak te werken, kun je een intuïtie voor de taak opbouwen en kun je meer geavanceerde problemen op dat gebied oplossen
Een frisse codeeragent kun je je voorstellen als nieuwe medewerker. Het is duidelijk dat ze in het begin enkele fouten zullen maken, omdat ze uw voorkeuren of codebasis niet begrijpen. Maar als je de nieuwe medewerker vertelt hoe hij iets moet doen, verwacht je dat hij het na verloop van tijd leert.
Als u geen specifieke maatregelen neemt om ervoor te zorgen dat uw codeeragenten zulke dingen onthouden, zullen ze deze waarschijnlijk vergeten. Daarom moet u actieve maatregelen nemen om te zorgen voor continu leren voor uw codeeragents.
Zo bereik je continu leren
In dit gedeelte bespreek ik enkele specifieke technieken die ik dagelijks gebruik om continu leren te bereiken. Deze technieken komen voort uit gesprekken met anderen die in hetzelfde vakgebied werken, inspiratie uit de OpenClaw-repository en mijn eigen experimenten.
Het commando generaliseert kennis
De eenvoudigste en meest effectieve aanpak om Claude Code te laten leren van zijn fouten is een algemene kennisopdracht. Dit is een eenvoudig commando (ook wel een vaardigheid genoemd, gewoon een markdown-bestand met een prompt) om van een bepaalde thread te leren.
Ik voer deze opdracht meestal uit wanneer ik een gesprek van Claude Code beëindig en een enkele taak uitvoer. Als ik b.v. haar:
- Een functie-implementatie voltooid
- Een bug opgelost
- Een presentatie gemaakt
- Klaar met het controleren van de productielogboeken
Ik voer eenvoudig mijn commando uit met:
/generalize-knowledgeDit werkt omdat ik een gegeneraliseerd kenniscommando heb opgeslagen, een prompt die lijkt op die hieronder:
Generalize all the knowledge from this thread into claude.md and agents.md.
Write down any information that would be useful for a future agent working
in this repository. Also note down any issues you encountered, and how you
resolved them.
Write the tasks you performed to the done-tasks.md file with time and date,
and a summary of the tasks.Kortom, ik zeg tegen het model dat het van zijn fouten moet leren en alles moet noteren dat nuttig kan zijn voor toekomstige interacties.
Ik laat de agent de taak ook opschrijven, zodat ik één bestand heb met alles wat ik heb gedaan. Dit is niet strikt noodzakelijk, maar ik vind het wel prettig om zo’n overzicht beschikbaar te hebben.
Houd er ook rekening mee dat dit ervan uitgaat dat u altijd één taak uitvoert in een bepaalde Claude Code-thread, wat u zeker moet doen voor de beste resultaten. Dit geldt ook voor alle andere beschikbare codeeragenten, simpelweg omdat een enkele taak voor een enkele thread de agenten helpt gefocust te blijven en te voorkomen dat ruis hun context vult.
Dagelijkse reflecties
Om voort te bouwen op het laatste gedeelte, kunt u ook dagelijkse reflectie-instellingen hebben. Als u bijvoorbeeld de hele dag meerdere agenten actief heeft, kunt u een cron-taak (een opdracht die met een bepaald interval wordt uitgevoerd) laten uitvoeren om alle logboeken van uw coderingsagent van de afgelopen 24 uur te doorzoeken en eventuele nuttige informatie te noteren. Dit bouwt voort op het algemene kenniscommando, maar werkt op een hoger niveau, omdat de agent die uw logbestanden beoordeelt niet alleen toegang heeft tot één enkele thread, maar tot alles waar u aan werkt.
Dit kan handig zijn omdat het verschillende perspectief ertoe kan leiden dat er verschillende notities worden opgeschreven, waardoor u en uw codeeragenten efficiënter kunnen werken.
Vaardigheden
Vaardigheden is een ander concept dat ik graag wil bespreken en dat echt bijdraagt aan continu leren en Claude Code helpt om van zijn fouten te leren. De voorgaande secties die ik heb behandeld, schrijven vooral naar generieke CLAUDE.MD-, AGENTS.MD- en WARP.MD-bestanden. Vaardigheden zijn echter specifiekere bestanden die de agent vertellen hoe hij specifieke taken moet uitvoeren.
Dit lijkt enigszins op het commando ‘kennis generaliseren’, maar is enigszins anders, omdat generieke bestanden generieke bugs en reparaties vermelden, terwijl vaardigheden veel specifiekere onderwerpen bestrijken. Enkele voorbeelden van vaardigheden zijn:
- Hoe de agent moet handelen als u uw e-mail sorteert
- Hoe de agent moet handelen als u uw agenda sorteert
- Hoe u een specifieke API of pakket gebruikt. Dit is vooral belangrijk voor kleinere en onbekende API’s en pakketten die niet goed aan bod komen in de vooropleiding van de LLM’s
- Hoe u fouten in een bepaalde repository kunt oplossen
Zoals je kunt zien, zijn vaardigheden specifieker. Dus elke keer dat u met een nieuw pakket, API of een nieuwe taak in het algemeen gaat werken, moedig ik u daarom aan om er een vaardigheid voor te creëren. De vaardigheden moeten alles omvatten wat nuttig is om te weten bij het werken met de API of bij de taak. Inbegrepen:
- Hoe de taken binnen het gegeven onderwerp te interpreteren
- Hoe de oplossing van de taken te benaderen
- Fouten die in het verleden zijn gemaakt en hoe deze zijn opgelost
Hoe meer informatie u opslaat, hoe beter. Uw codeeragent zal deze vaardigheid normaal gesproken dynamisch laden als u aan een gerelateerde taak begint te werken.
Als u uw agent bijvoorbeeld vraagt uw e-mail te sorteren, wordt de sorteerfunctie voor e-mail dynamisch geladen, zodat hij weet hoe hij moet handelen. Dit helpt uw coderingsagent de eerdere fouten te vermijden die hij heeft gemaakt bij het sorteren van uw e-mail.
Conclusie
In dit artikel heb ik besproken hoe je Claude Code en andere codeeragenten kunt laten leren van hun fouten. Ik heb drie algemene technieken besproken die ik kan gebruiken, waaronder het maken van een commando voor het generaliseren van kennis, het dagelijks doorlezen van agentlogboeken en het actief gebruiken van vaardigheden bij het werken aan taken. Ik geloof dat het ontzettend belangrijk is om van je fouten te leren, zowel voor mens als machine. Als u uw codeeragenten effectief kunt laten leren van hun fouten, zult u veel efficiënter worden in het inzetten ervan en daarmee een enorm voordeel behalen ten opzichte van andere agenten die niet van hun fouten leren.
👉Mijn gratis e-book en webinar:
🚀 10x uw engineering met LLM’s (gratis 3-daagse e-mailcursus)
📚 Ontvang mijn gratis eBook Vision Language Models
💻 Mijn webinar over Vision Language Models
👉 Vind mij op sociale media:
💌 Substapel
🐦X / Twitter
