Agentic-patronen: plannen-uitvoeren-verifiëren
Maak eerst een plan, voer het daarna stap voor stap uit en toets het vervolgens aan de acceptatiecriteria — dat werkt beter dan one-shot.
Agentic-patronen: plannen-uitvoeren-verifiëren is een gratis AI-agenten-les op CoddyKit. Dit is les 1 van 4. Je kunt de volledige les hieronder gratis lezen en daarna in de browser praktisch oefenen met een ingebouwde code-editor en een AI-begeleider die 24/7 beschikbaar is. Deze les maakt deel uit van het leertraject AI-agenten. Je voortgang wordt gesynchroniseerd op het web en in de CoddyKit-app. De cursus AI-agenten bevat in totaal 4 lessen.
Delen van deze les zijn nog niet vertaald en worden in het Engels weergegeven.
Waarom eerst plannen?
Code in één keer genereren werkt voor kleine taken (‘schrijf een fizzbuzz’). Voor echte wijzigingen in software moet de agent:
- Plannen — de taak opsplitsen in stappen
- Uitvoeren — elke stap implementeren
- Verifiëren — testen, linten en uitvoeren
- Herhalen — fouten herstellen totdat alles is geverifieerd
Stap 1: Plannen
Vraag het model om een gestructureerd plan op te stellen:
PLAN_PROMPT = '''
You are a senior engineer. Given this task, produce a JSON plan:
{steps: [{description, files_to_touch: [str], test_commands: [str]}], risks: [str]}
Task: {user_task}
'''Plan Schema
from pydantic import BaseModel
class Step(BaseModel):
description: str
files_to_touch: list[str]
test_commands: list[str]
class Plan(BaseModel):
steps: list[Step]
risks: list[str]Stap 2: Uitvoeren
Voer elke stap in de juiste volgorde uit. Geef het model de inhoud van bestanden als context:
for step in plan.steps:
context = {f: read_file(f) for f in step.files_to_touch}
diff = llm.invoke(f'Implement: {step.description}\nFiles:\n{context}').content
apply_diff(diff)Stap 3: Verifiëren
Voer voor elke stap tests, linting en een build uit:
for cmd in step.test_commands:
result = sandbox.run(cmd)
if result.exit_code != 0:
# Verification failed; iterate
loop_until_verified(step, result.stderr)Step 4: Iterate Until Pass
MAX_ITERS = 5
for iter in range(MAX_ITERS):
result = sandbox.run(test_cmd)
if result.exit_code == 0:
break
fix = llm.invoke(f'Tests failed:\n{result.stderr}\nFix the code.').content
apply_diff(fix)Toon verschillen, geen volledige bestanden
Voor stapsgewijze wijzigingen moet het model GEÜNIFICEERDE VERSCHILLEN produceren:
diff = '''
--- a/main.py
+++ b/main.py
@@ -10,3 +10,4 @@
def add(a, b):
return a + b
+
+def sub(a, b): return a - b
'''
import patch
patch.fromstring(diff).apply()De kwaliteit van het plan is belangrijk
Een slecht plan maakt uitvoering bij voorbaat kansloos. Gebruik een sterker model voor het plannen (GPT-4o, Claude Sonnet 4.5) en een goedkoper model voor de uitvoering (gpt-4o-mini, haiku) als je budget beperkt is.
Maak een nieuw plan als je vastloopt
Als verificatie herhaaldelijk mislukt, laat je het huidige plan los en vraag je de LLM om op basis van de nieuwe informatie een NIEUW PLAN te maken:
if iter == MAX_ITERS - 1:
new_plan = llm.invoke(f'Original plan failed. Errors: {errors}. Make a new plan.').contentAfweging bij plannen met een lange horizon
Hoe langer de horizon, hoe slechter de plannen van het model worden. Genereer voor taken van meer dan 10 stappen een globaal plan en verfijn het bij elke stap.
Plan + criticus
Laat een ‘criticus’-agent het plan vóór de uitvoering beoordelen. Zo ontdek je voor de hand liggende fouten vroeg — goedkoper dan ze tijdens de uitvoering herstellen.
Maak het plan zichtbaar voor de gebruiker
Laat het plan vóór de uitvoering aan de gebruiker zien. Laat de gebruiker het aanpassen:
approved_plan = await ask_user_to_approve_or_edit(plan)
execute(approved_plan)Plannen-uitvoeren-verifiëren
Waarom is dit patroon betrouwbaarder dan code in één keer genereren?
Samenvatting
Plan, voer uit, verifieer en herhaal. Gebruik een sterke planner en een goedkope uitvoerder en voer echte tests uit. Laat plannen aan gebruikers zien wanneer er veel op het spel staat.
Leer AI-agenten met een AI-tutor — gratis
Schrijf echte code en voer die uit in je browser, krijg direct hulp van een AI-tutor die 24/7 beschikbaar is en ga verder waar je gebleven bent op het web of in de app.
- Cursussen
- 60
- Lessen
- 239
Veelgestelde vragen
Is de les “Agentic-patronen: plannen-uitvoeren-verifiëren” gratis?
Ja — de volledige tekst van “Agentic-patronen: plannen-uitvoeren-verifiëren” kun je hier gratis op het web lezen. Als je interactief wilt oefenen met een ingebouwde code-editor en een AI-begeleider die 24/7 beschikbaar is, en de rest van de cursus AI-agenten wilt ontgrendelen, kun je upgraden naar CoddyKit PRO. De cursus AI-agenten bevat in totaal 4 lessen.
Wat leer ik in “Agentic-patronen: plannen-uitvoeren-verifiëren”?
Maak eerst een plan, voer het daarna stap voor stap uit en toets het vervolgens aan de acceptatiecriteria — dat werkt beter dan one-shot. Je oefent met AI-agenten door code rechtstreeks in de browser uit te voeren. Een AI-begeleider die 24/7 beschikbaar is beantwoordt je vragen terwijl je de les doorwerkt.
Heb ik ervaring nodig om met AI-agenten te beginnen?
Ervaring vooraf is niet nodig. AI-agenten op CoddyKit is opgebouwd voor beginners tot gevorderden, zodat je hier of bij het begin kunt starten en in je eigen tempo kunt leren. Dit is les 1 van 4.
Hoe lang duurt de les “Agentic-patronen: plannen-uitvoeren-verifiëren”?
De meeste lessen van CoddyKit duren ongeveer 5–10 minuten. Elke les is kort en interactief, zodat je gestaag vooruitgaat en op het web en in de app precies verdergaat waar je was gebleven.
Kan ik code schrijven en uitvoeren in deze les over AI-agenten?
Ja. Elke les over AI-agenten bevat een ingebouwde code-editor, zodat je rechtstreeks in je browser echte code kunt schrijven en uitvoeren en direct feedback van AI krijgt — lokale installatie is niet nodig.
Alle lessen in deze cursus
- Agentic-patronen: plannen-uitvoeren-verifiëren
- Tooloppervlakken voor coderen (Read, Edit, Bash)
- Iteratieve zelfcorrectielussen
- Architecturen van SWE-Agent en OpenDevin