AI die slimmer programmeert? Dit zijn de “Skills” van Andrej Karpathy uitgelegd voor gewone mensen

AI-tools zoals ChatGPT, Claude en Cursor kunnen tegenwoordig complete stukken software schrijven. Maar iedereen die er serieus mee werkt, merkt hetzelfde probleem: de AI doet soms nét iets te veel.

Hij verandert code die niet aangepast hoefde te worden. Hij verzint extra functionaliteiten. Hij refactort halve projecten. Of hij maakt aannames die helemaal niet kloppen.

Daarom ontstaat er een nieuwe trend onder developers: AI “discipline” geven via Skills en gedragsregels.

Een interessant voorbeeld daarvan is deze GitHub repository:

https://github.com/forrestchang/andrej-karpathy-skills

Wat is dit precies?

De repository andrej-karpathy-skills is géén softwarebibliotheek, geen framework en geen AI-model.

Het is eigenlijk een verzameling gedragsregels voor AI-coding tools.

Zie het als:

• een handleiding voor AI-programmeurs
• een “denk eerst na”-protocol
• een veiligheidsrail voor AI-agents
• een workflow om AI slimmer en gecontroleerder te laten coderen

De naam verwijst naar inzichten van Andrej Karpathy, voormalig AI-directeur bij Tesla en één van de bekendste AI-engineers ter wereld.

De repository is gemaakt door Forrest Chang, die Karpathy’s ideeën heeft vertaald naar praktische AI-richtlijnen.

Waarom is dit nodig?

Iedere developer die AI gebruikt kent deze frustraties:

❌ Probleem 1 — De AI verandert te veel

Vraag:
"Maak deze knop blauw"

Resultaat:
- Nieuwe component structuur
- CSS refactor
- Extra helper functies
- 12 bestanden gewijzigd

De AI probeert vaak “slim” te zijn, maar veroorzaakt daarmee juist technische schuld.

❌ Probleem 2 — De AI doet aannames

Vraag:
"Voeg authenticatie toe"

AI:
- kiest zelf JWT
- maakt middleware
- bouwt refresh tokens
- verandert database structuur

Zonder eerst te vragen wat jij eigenlijk bedoelde.

❌ Probleem 3 — Over-engineering

AI heeft de neiging om oplossingen “te professioneel” te maken:

• onnodige abstrahering
• design patterns waar niemand om vroeg
• generieke systemen voor simpele problemen

Wat doen deze Skills dan?

De repository probeert AI-agents juist:

• voorzichtiger
• gerichter
• kleiner
• controleerbaarder
• minder chaotisch

te laten werken.

De 4 belangrijkste principes

1. Think Before Coding

De AI moet eerst nadenken vóór hij code schrijft.

Dus niet:

"Ik weet wel wat bedoeld wordt"

Maar:

"Dit zijn mijn aannames"
"Dit is onduidelijk"
"Dit kan meerdere betekenissen hebben"

Voorbeeld

Slecht:

User:
"Maak een login systeem"

AI:
- maakt JWT
- gebruikt Redis
- bouwt OAuth
- maakt complete auth structuur

Goed:

AI:
"Wil je:
- simpele sessie login?
- JWT API auth?
- social login?
- Laravel Breeze/Fortify?
"

2. Simplicity First

Hou oplossingen zo simpel mogelijk.

Veel AI-tools bouwen alsof ze software voor NASA schrijven. Maar in de praktijk wil je meestal:

• begrijpbare code
• onderhoudbare code
• minimale wijzigingen

Voorbeeld

Slecht:

AI maakt:
- service layers
- repositories
- adapters
- factories
- dependency injection
- interfaces

Goed:

Gewoon:
- één functie
- duidelijke naam
- direct werkend

3. Surgical Changes

Misschien wel de belangrijkste regel.

De AI mag alléén aanpassen wat nodig is.

Dus geen:

• onnodige refactors
• bestand-herstructurering
• random formatting
• code “verbeteringen”

Voorbeeld

Vraag:

"Voeg een telefoonnummer veld toe"

Slechte AI-output:

• hele form component herschreven
• nieuwe validation layer
• nieuwe UI library

Goede AI-output:

+ input field
+ database migration
+ validation rule

Klaar.

4. Goal-Driven Execution

AI moet werken naar een duidelijk doel.

Dus:

• wat moet werken?
• hoe controleren we dat?
• wanneer zijn we klaar?

Voorbeeld

Succescriteria:
- gebruiker kan inloggen
- sessie blijft bestaan
- logout werkt
- tests slagen

Dit voorkomt “half werkende magie”.

Waarom dit belangrijk wordt

We gaan richting een wereld waarin developers steeds meer:

• AI begeleiden
• AI controleren
• AI corrigeren
• AI aansturen

in plaats van alles zelf typen.

Daarom verschuift de skillset van:

"Hoe programmeer ik?"

naar:

"Hoe stuur ik AI-programmeurs aan?"

Wat zijn “Skills” eigenlijk?

OpenAI noemt Skills:

“Herbruikbare workflows met instructies, voorbeelden en eventueel scripts, zodat AI consistente taken kan uitvoeren.”

Met andere woorden:

Je leert AI hoe hij zich moet gedragen.

Net zoals je een junior developer begeleidt.

Vergelijk het met een senior developer

Junior AI AI met Skills Maakt aannames Vraagt eerst door Refactort alles Past alleen nodige code aan Over-engineert Houdt oplossingen simpel Werkt impulsief Werkt doelgericht Veel “magie” Controleerbaar gedrag Waarom developers hier enthousiast over zijn

Vooral bij grotere projecten zoals:

• Laravel applicaties
• React frontends
• Python automation
• microservices
• legacy codebases

wil je niet dat AI zomaar alles aanraakt.

Deze aanpak zorgt ervoor dat AI:

• veiliger werkt
• voorspelbaarder wordt
• beter samenwerkt met mensen
• minder technische schuld veroorzaakt

Praktisch voorbeeld uit de echte wereld

Zonder Skills

Developer:
"Fix deze bug"

AI:
- verandert 17 bestanden
- update dependencies
- herschrijft componenten
- breekt tests

Met Skills

AI:
"De bug zit waarschijnlijk hier.
Ik stel voor alleen deze functie aan te passen.
Dit zijn de gevolgen.
Deze tests controleren het resultaat."

Dat verschil is enorm.

Interessante links

GitHub Repository

https://github.com/forrestchang/andrej-karpathy-skills

Andrej Karpathy

https://karpathy.ai/

OpenAI Skills uitleg

https://help.openai.com/en/articles/20001066-skills-in-chatgpt

Claude Code

https://www.anthropic.com/claude-code

Cursor AI

https://cursor.com/

Mijn conclusie

Deze repository lijkt klein en simpel, maar vertegenwoordigt eigenlijk een enorme verschuiving in softwareontwikkeling.

We gaan van:

“AI die code schrijft”

naar:

“AI die leert hoe hij zich professioneel moet gedragen”

En dát is waarschijnlijk de toekomst van AI-development.

Niet alleen slimme modellen. Maar slimme workflows. Slimme beperkingen. Slimme discipline.

Want de beste AI is niet de AI die het meeste doet.

De beste AI is de AI die precies doet wat nodig is — en niets meer dan dat.