Mijn belofte aan jullie is een wekelijks bericht. Maar ik vrees dat het meer gaat worden. Ik kom te vaak ontwikkelingen tegen die ik met jullie wil delen. Ik heb een hele rij aan verhalen klaar staan als idee. Die moet er uit. Sorry! Maar ik denk ook dat jullie er wat aan kunnen hebben, zoals aan het verhaal vandaag.
In het kort
Tekstmodellen kunnen fluctueren in prijs en kwaliteit. Dan wil je niet vastzitten aan Claude, ChatGPT of een van de andere LLM’s.
Zorg er dus voor dat je flexibel bent. Dat lukt alleen als je eigen kennis, werkwijze en lessen niet in chats blijven hangen, maar in je eigen bestanden en vaste routines terechtkomen.
Voor developers ziet dat er net iets anders uit, maar de hoofdregel is vergelijkbaar: houd je eigen laag op orde en maak de motor vervangbaar.
Word betalend abonnee van Handpicked AI!
[Waarom zou je voor HandpickedAI betalen? 1) Als blijk van waardering. 2) Als tijdwinst. Ik stop tijd in onderzoek en uitproberen zodat jij dat niet hoeft te doen. 3) Omdat je onregelmatig extra’s krijgt. 4) Omdat je nu een rechtstreeks lijntje met mij hebt. Hulp nodig? Feedback nodig? Stuur me een bericht. Alles inbegrepen!]
Zo word je onafhankelijk van je ChatGPT, Claude of andere LLM’s
Bijna iedereen weet inmiddels dat de AI-modellen snel veranderen, maar veel mensen werken nog alsof hun favoriete tool voorlopig wel zal blijven winnen. Maar vandaag gebruik je ChatGPT. Morgen blijkt Claude beter te schrijven. Over een paar maanden is er misschien een open source model dat goedkoop en goed genoeg is voor een flink deel van je werk. Zo werkt de wereld van AI.
Daarom is het onverstandig om je hele manier van werken vast te knopen aan één model. Niet dat je voortdurend moet willen switchen. Maar flexibiliteit helpt. Zorg voor een organisatie systeem dat op je eigen computer draait en dat je naar keuze op verschillende LLM’s kunt inprikken. Laten we het Mijn-OS noemen.
Het systeem
In mijn systeem zijn drie dingen belangrijk.
Ten eerste: je bronmateriaal. Als je beste inzichten, notities, voorbeelden en eerdere teksten alleen in losse chats zitten, bouwt je AI-motor nauwelijks vermogen op. Dan begin je steeds opnieuw, ook als je bij dezelfde tool blijft. Als die kennis in je eigen zogenoemde markdown-bestanden (tekstbestanden met vormgevingsaanwijzingen) staat, kun je makkelijker schakelen. Dan neem je je geheugen gewoon mee van LLM naar LLM.
Ten tweede: je werkwijze. Veel mensen onderschatten hoeveel afhankelijkheid niet in de tool zelf zit, maar in gewoontes. Hoe instrueer je een model? Welke context geef je mee? Hoe vraag je om alternatieven, om kritiek of om een eerste opzet? Als dat alleen impliciet in je vingers zit bij één interface, voelt overstappen meteen groot. Als je daar simpele playbooks of richtlijnen voor hebt, wordt het iets veel praktischers.
Ten derde: je lessen. De meeste mensen vergelijken modellen op gevoel. Dit voelt slimmer. Dat schrijft prettiger. Die tool lijkt sneller. Daar is niks mis mee als beginpunt, maar op termijn wil je iets beters. Voor welk soort taken werkt een model goed? Waar wordt het glad? Wanneer is het verschil echt merkbaar? Zodra je dat soort observaties kort vastlegt, wordt je systeem steeds beter.
Gereedschapskist
Daarom geloof ik steeds minder in trouw zijn aan één model. Een goed Mijn-OS geeft rust en vertrouwen dat je overal verder kunt gaan waar je gebleven was. Ik merk dat zelf ook. Op dit moment werk ik veel in Codex. Dat bevalt goed, omdat het dicht op bestanden, structuur en uitvoering zit. Maar hiervoor vond ik Claude het fijnst. En als deze partijen te duur worden, wil ik naar een open source tool kunnen overstappen. Met mijn eigen gereedschapskist kan dat makkelijk.
Voor developers ziet dit er net iets anders uit, maar niet fundamenteel anders. Daar ligt een groter deel van de waarheid in code, tests en documentatie, niet alleen in markdown-notities. Toch is de logica vergelijkbaar. Ook daar wil je niet dat je hele werkwijze vastzit aan één copiloot, één IDE-integratie of één model. Je wilt ook dan een eigen laag houden van code, context, beslissingen en routines, zodat overstappen vervelend kan zijn, maar niet ontwrichtend.
Samenvattend
Mijn bronnen moeten van mij zijn. Mijn werkwijze moet uitlegbaar zijn. Mijn lessen moeten terug te vinden zijn. En mijn kwaliteitstoets moet niet afhangen van hoe enthousiast ik die dag ben over een nieuwe demo. Ik wil controle en flexibiliteit.
P.S. voor mezelf heb ik bovenop mijn OS een visuele laag gebouwd zodat ik daarin kan switchen tussen bijvoorbeeld ChatGPT en Gemma, maar dat moet iedereen doen op de manier die voor hem of haar het best werkt.
Ben je betalend abonnee van Handpicked AI en wil je met Mijn-OS aan de slag, ik help je graag op weg. Mail me!
Vrienden,
Ik groet U
Erwin Blom
Overigens …
Het Handboek Vibecoding is uit
En ik deel mijn kennis via 3 nieuwsbrieven, abonneer!
Handpicked Over signalen in media, communicatie, producten en innovatie die laten zien waar werk, cultuur en dagelijks leven naartoe bewegen.
Handpicked AI Over wat AI echt verandert in werk, creatie en de manier waarop kleine organisaties en zelfstandigen vooruitkomen.
Vibecoders Unite Over bouwen met AI: experimenten, workflows, prototypes en lessen uit het maken zelf.
Je beschrijft wat ik al een hele tijd probeer te bereiken, maar vooralsnog zonder succes. Ik heb een eigen mappenstructuur in md met instructies, maar ik moet elke week wel een keer checken of Claude niet toch iets ergens anders neerzet, een instructie toch niet gebruikt. Daarmee daalt het vertrouwen, ik durf nooit echt erop te vertrouwen, juist omdat het gedrag te snel afwijkt van mijn verwachting. Heb jij dat niet? If so, hoe heb je dat opgelost?
En ik heb geprobeerd om een systeem als basis te hebben en eens te wisselen van motor (toen Claude plots na elke tweede prompt vond dat mn credits op waren), maar dat is me nog niet gelukt. Jou wel?
Of is het antwoord simpel: join handpicked subscribers en dan hoor ik het allemaal! ;)