Bouwen met Claude Code — twee agenten

Agents at Work — CC BY 4.0

Tot nu toe heb je alles geleerd om een van deze te bouwen zonder iemand pijn te doen — jezelf inbegrepen. Nu gaan we bouwen. Twee agents, en de tweede is niet wat je zou verwachten: je bouwt er een om te werken, en een om te zien falen. Het falen is de les.

Als je „Werken met Claude“ hebt gedaan, heb je daar Claude Code leren kennen — de versie van Claude die je bestanden kan lezen, tools kan uitvoeren en een taak van begin tot eind op je eigen computer kan uitvoeren. Dat is wat we bedoelen met een taak. Je hoeft geen programmeur te zijn; je moet in staat zijn om een taak duidelijk te beschrijven en de discipline van de afgelopen vijf lessen te hanteren. Dit is Anker 1 — leer door het één keer op kleine schaal te doen.

Bouw A — een goede agent, van begin tot eind (het overdraagbare patroon)

We bouwen een afstemmingscontrole: een agent die een batch facturen en een bankafschrift leest, en de items markeert die niet overeenkomen. Dit is bewust gekozen — als je het door de Tier 1-triage haalt, komt het keurig in de agent-categorie terecht: een regel die je kunt opschrijven, gemakkelijk omkeerbaar is, een fout die niemand veel schade berokkent, en je eigen cijfers in plaats van andermans gegevens. Dat is geen toeval; zo moet je je eerste echte project kiezen.

Bouw het in de volgorde die in de cursus is aangeleerd, want die volgorde is het overdraagbare patroon:

1. Bepaal de actieradius (2.1). Alleen-lezen. Het ziet één map met facturen en één afschriftbestand. Het kan niets schrijven, verzenden, betalen of iets anders bereiken. Het ergste wat het kan doen, is een rij verkeerd markeren, en dat zul je opmerken.
2. Schrijf de criteria op, geen vage indrukken (2.3). De matchingregel, expliciet: wat telt als een match, welke tolerantie, wat is een uitzondering. De agent rapporteert de gevonden afwijkingen en waarom — bewijs — niet „de boeken zien er prima uit“.
3. Schrijf de veiligheidsmaatregelen (3.1). Het markeert waar het onzeker over is in plaats van te gissen. Het gist nooit naar een cijfer. Het stopt bij alles wat de machine zou verlaten — er valt hier niets te verzenden, en dat is het doel van een eerste versie.
4. Test het (3.2). Controleer steekproefsgewijs een voorbeeld aan de hand van de bron. Voer er een opzettelijk foutieve instructie in en controleer of het de fout opmerkt. Vertrouw erop omdat het geslaagd is, niet omdat jij het gemaakt hebt.

Dat is een complete, bruikbare, veilige agent — en de opzet ervan is direct toepasbaar op de volgende die je bouwt. (Als je knelpunt de inbox is in plaats van de boeken, bouw je met dezelfde vier stappen een inbox-triage-assistent die sorteert en concepten opstelt maar nooit verzendt — houd er wel rekening mee dat deze nu de gegevens van anderen raakt, dus de gegevensvraag uit Tier 1 komt op de eerste plaats.)

Bouw B — de Recruiter, gebouwd om te zien hoe hij faalt

Nu de ongemakkelijke. We bouwen de ‘redact-then-score’- recruiter — de agent waarvan het veilige advies zegt dat die prima is: verwijder de namen, laat hem scoren, houd een mens aan het einde. We bouwen hem speciaal zodat je kunt zien hoe dat advies in je eigen handen faalt.

1. Bouw de ‘eerst redigeren, dan scoren’-agent. Deze neemt sollicitaties aan, redigeert de voor de hand liggende identiteitsvelden — naam, leeftijd, foto, adres — en beoordeelt de rest aan de hand van criteria. Precies de ‘veilige AI- screening’ die een leverancier je zou verkopen.
2. Voer de ‘naamwissel’-test erop uit (3.2). Neem één aanvraag. Beoordeel deze. Verander nu alleen de naam — verder niets — en beoordeel deze opnieuw. Doe dit vervolgens voor een hele batch: wissel geslachten om, wissel namen van duidelijk verschillende afkomst om, houd al het andere constant.
3. Kijk wat er gebeurt. De score verandert. Die verandert omdat het model de identiteit reconstrueert aan de hand van de indicatoren die je niet hebt verborgen — de school, het adres, de hiaten, de bewoordingen — precies zoals Tier 2 waarschuwde. Je hebt de naam verborgen en de vooringenomenheid kwam binnen via de postcode.
4. Neem nu de echte les ter harte. Je hebt alles gedaan wat de ‘gemakkelijke versie’ je opdroeg. Je hebt gegevens verborgen. Je hebt een mens aan het einde van het proces gehouden. En je eigen test heeft zojuist aangetoond dat het systeem scheeftrekt op basis van identiteitskenmerken die je dacht te hebben verwijderd. Dit is waar een agent-bouwer zijn brood verdient: je leert nee te zeggen. Bij een beslissing met hoge inzet over een persoon, waarbij de correcties uitlekken en de test vertekend terugkomt, is het gedisciplineerde antwoord een beperkt, niet-rangschikkend, door mensen bepaald proces — of de beslissing helemaal niet automatiseren.

Het doel van Build B was nooit een werkende CV-ranker. Het is het inzicht om een stap terug te doen — het meest waardevolle dat deze cursus je kan bieden, en het enige waar je pas in zult geloven als je het zelf op je eigen scherm hebt zien mislukken.

Wat je daadwerkelijk hebt gebouwd

Twee patronen die je in de hele galerij kunt hergebruiken: de veilige aanpak (scope → criteria → vangrails → test) voor werk dat bij een agent hoort, en de eerlijke stop voor werk dat daar niet bij hoort, hoe capabel de tool ook wordt. Beide zijn dezelfde discipline die in tegengestelde richtingen wijst — en voor beide ben jij verantwoordelijk.

Volgende

Je kunt er een bouwen op een openbare tool. De laatste les van dit niveau stelt een scherpere vraag: op wiens computer draait het, en onder wiens wetgeving vallen de gegevens? De soevereine optie.