Hoe je Claude Code kunt verbeteren door zijn eigen fouten

is een ongelooflijk effectieve codeeragent, die 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 voortdurend leren een taak waar mensen ongelooflijk goed in zijn.

U kunt eenvoudigweg nadenken over elke taak waar u al heel lang mee bezig bent. In bijna alle gevallen zul je in de loop van de tijd beter worden in die taak, door van je fouten te leren en deze te 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. Voortdurend leren voor agenten is nog steeds een onopgeloste uitdaging, maar ik zal bespreken hoe ik mijn codeeragenten kan laten leren van hun fouten en in de loop van de tijd kan 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 het nu gaat om het maken van aandeelhouderspresentaties, het oplossen van bugs in uw specifieke codebase, of iets heel anders.

Waarom hebben we voortdurend leren nodig?

We hebben voortdurend leren nodig, omdat we altijd beter willen worden in de taken die we doen. Stel je voor dat je al jaren programmeur bent en nog steeds basisfouten maakt, zoals het vergeten van dubbele punten na een if-instructie in Python.

Het is duidelijk dat het voortdurend maken van dergelijke fouten zeer ineffectief is, en daarom willen we dit vermijden. We willen beter worden in taken, er effectiever in worden en daardoor 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. Wanneer u de nieuwe medewerker echter vertelt hoe hij iets moet doen, verwacht u dat hij dat 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 voortdurend leren voor uw codeeragenten te bereiken.

Hoe u continu leren kunt bereiken

In dit gedeelte bespreek ik enkele specifieke technieken die ik dagelijks gebruik om voortdurend te leren. Deze technieken komen voort uit gesprekken met anderen die in hetzelfde vakgebied werken, inspiratie uit de OpenClaw-repository en mijn eigen experimenten.

Het commando generaliseren kennis

De eenvoudigste en meest effectieve aanpak om Claude Code van zijn fouten te laten leren, is een algemene kennisopdracht. Dit is een eenvoudige opdracht (ook wel een vaardigheid genoemd, eenvoudigweg een markdown-bestand met een prompt) om van een bepaalde thread te leren.

Normaal gesproken voer ik deze opdracht uit wanneer ik een gesprek van Claude Code beëindig, waarbij ik een enkele taak uitvoer. Als ik bijvoorbeeld:

• 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-knowledge

Dit 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.

In essentie vertel ik het model dat het van zijn fouten moet leren en alles moet noteren dat nuttig zou kunnen zijn voor toekomstige interacties.

Ik laat de agent ook de taak opschrijven die hij heeft uitgevoerd, 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 samenvatting 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 zou moeten doen om de beste resultaten te krijgen. Dit geldt ook voor elke andere beschikbare codeeragent, 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 is getimed om met een bepaald interval te worden uitgevoerd) gebruiken om alle logboeken van uw codeeragent 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 logboeken doorneemt niet alleen toegang heeft tot één enkele thread, maar tot alles waar u aan werkt.

Dit kan nuttig zijn, omdat het verschillende perspectief ertoe kan leiden dat er verschillende notities worden opgeschreven, waardoor u en uw codeeragenten efficiënter kunnen worden.

Vaardigheden

Vaardigheden is een ander concept dat ik graag wil bespreken, dat echt bijdraagt ​​aan het voortdurende leren en Claude Code helpt om van zijn fouten te leren. De vorige secties die ik heb behandeld, schrijven meestal 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 iets anders omdat generieke bestanden algemene fouten en oplossingen vermelden, terwijl vaardigheden veel specifiekere onderwerpen bestrijken. Enkele voorbeelden van vaardigheden zijn:

• Hoe de agent moet handelen bij het sorteren van uw e-mail
• Hoe de agent moet handelen bij het sorteren van uw agenda
• 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 het oplossen van bugs in een bepaalde repository aanpakt

Zoals je ziet, zijn vaardigheden specifieker. Dus telkens wanneer u begint te werken met een nieuw pakket, een nieuwe API of een nieuwe taak in het algemeen, raad ik u aan daar een vaardigheid voor te creëren. De vaardigheid moet alles omvatten wat nuttig is om te weten bij het werken met de API of bij de taak. Inbegrepen:

• Hoe de aangeboden taken binnen het gegeven onderwerp te interpreteren
• Hoe u het oplossen van de taken aanpakt
• Eerder gemaakte fouten en hoe deze zijn opgelost

Hoe meer informatie u opslaat, hoe beter. Uw codeeragent zal deze vaardigheid dan meestal dynamisch laden als u aan een gerelateerde taak begint te werken.

Als u uw agent bijvoorbeeld vraagt ​​uw e-mail te sorteren, wordt de sorteervaardigheid voor e-mail dynamisch geladen, zodat hij weet hoe hij moet handelen. Dit helpt uw ​​codeeragent 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 belangrijke technieken besproken die ik kan gebruiken, waaronder het maken van een algemene kennisopdracht, het dagelijks doorlezen van agentlogboeken en het actief gebruiken van vaardigheden bij het werken aan taken. Ik geloof dat leren van je fouten ongelooflijk belangrijk is, zowel voor mens als machine. Als u uw codeeragenten effectief kunt laten leren van hun fouten, zult u veel efficiënter worden in het toepassen ervan, en dus een groot voordeel behalen ten opzichte van andere agenten die niet van hun fouten leren.

👉 Mijn gratis eBook en webinar:

🚀 10x uw engineering met LLM’s (gratis 3-daagse e-mailcursus)

📚 Ontvang mijn gratis e-boek Vision Language Models

💻 Mijn webinar over Vision Language Models

👉 Vind mij op socials:

💌 Substapel

🔗LinkedIn

🐦X / Twitter