Agentic OS: Een visuele intelligentielaag voor Claude Code
Een vriend stuurde me een YouTube-link met het bericht: "deze kerel zegt dat hij Claude Code 10x makkelijker kan maken." Mijn eerste reactie was dezelfde als bij elke "10x"-claim — een klein innerlijk oogdraaien en een halfgevormd plan om het nooit te bekijken.
Ik bekeek het toch. En ik ben blij dat ik dat deed, want onder de affiliate-pitch en de "nummer één AI-agent ter wereld"-marketing lag een oprecht nuttig skelet: het idee van een visuele intelligentielaag van een agentisch OS bovenop je AI-codingagenten. Geen product. Een patroon. Een manier om na te denken over de puinhoop die je AI-stack stilletjes is geworden.
Dit is wat de video goed zag, ook al verpakte het het in hype: de meesten van ons draaien vier of vijf AI-tools die niet met elkaar praten. Claude Code in een terminal. ChatGPT in een browsertab. Grok, Gemini, misschien Cursor of een ander AI-codingtool ergens anders geopend. Elk heeft zijn eigen geheugen, zijn eigen context, zijn eigen stapel halfopgeslagen outputs. Jij bent de integratielaag. Jij bent de message bus. Jij bent degene die context tussen agenten in je eigen hoofd draagt, en je bent er slecht in — omdat geen mens een message bus zou moeten zijn.
Ik wil dus iets doen wat de video niet deed: het concept scheiden van het verkooppraatje, de claims controleren die het verdienen, en je laten zien hoe je de nuttige stukken daadwerkelijk zelf bouwt met Claude Code. Geen betaalde cursus. Geen Discord. Alleen de engineering-ideeën, met mijn eerlijke inschatting welke je weekend waard zijn en welke een screenshot op zoek naar een probleem zijn.
Aan het eind heb je een helder mentaal model van wat een visuele intelligentielaag van een agentisch OS is, welke van de zeven componenten echt zijn (één ervan heeft Anthropic drie weken geleden uitgeleverd), en een bouwvolgorde die je vanavond kunt starten.
Waarom je AI-stack slechter werd naarmate het groter werd
Denk terug aan toen je precies één AI-tool gebruikte. Alles wat je het ooit had gevraagd, leefde op één plek. De context was klein genoeg om vast te houden. Het leven was eenvoudig.
Toen voegde je Claude Code toe voor het zware engineering-werk. Toen ChatGPT voor snelle concepten. Toen een codingtool met een mooie diff-weergave. Toen een onderzoeksagent. En ergens in die uitbreiding gebeurde er iets vreemds: je capaciteit ging omhoog maar je coherentie ging omlaag. Je loste op maandag een probleem op in één tool en legde op woensdag de hele situatie opnieuw uit aan een andere tool omdat de eerste geen idee had dat de tweede bestond.
Dat is contextisolatie, en het is de kernziekte die het agentisch OS-concept probeert te genezen. Elke agent is een briljante specialist met totale geheugenverlies over wat elke andere specialist doet. De data zit in silo's. Het plan dat je in één chat genereerde is onzichtbaar voor de agent die het moet uitvoeren.
De belofte van een agentisch OS is een verenigende laag: één plek waar de context, het geheugen, de kosten en de output van elke agent zichtbaar en gedeeld zijn. Het "visuele intelligentielaag"-deel betekent alleen dat je het allemaal kunt zien — een dashboard in plaats van zeven blinde terminals.
Maakt het bouwen hiervan Claude Code "10x makkelijker"? Nee. Dat getal is marketing. Maar vermindert het verenigen van context meetbaar de wrijving van een multi-agent workflow? Naar mijn ervaring wel.
De zeven componenten van een visuele intelligentielaag van een agentisch OS
- Vereniging — één laag die je agenten consolideert en contextisolatie elimineert.
- Dreaming — nachtelijke reflectie die het systeem verbetert terwijl je slaapt.
- Mission Control — langetermijn-doelvervolgning over weken, niet enkele sessies.
- Persona- & vaardigheidsbeheer — benoemde rollen gerouteerd naar het juiste (vaak goedkopere) model.
- Kostenmonitoring — live-uitgaventracking over elke AI-dienst waarvoor je betaalt.
- Het artefact-dashboard — een permanent thuis voor de outputs die je agenten genereren.
- Code-graph — een structurele kaart van je repo zodat agenten stoppen met alles herlezen.
Drie hiervan zijn het oprecht waard om te bouwen. Eén bestaat al als uitgeleverd Anthropic-feature. En een paar zijn nice-to-haves die in een demo beter ogen dan ze in een echte week presteren.
"Dreaming" is echt — en Anthropic heeft het al uitgeleverd
Dreaming is een echt, uitgeleverd feature — van Anthropic zelf. Op de Code with Claude-conferentie in mei 2026 voegde Anthropic Dreaming toe aan Claude Managed Agents. Het is een geheugenconsolidatieproces gemodelleerd naar hippocampale consolidatie.
De mechaniek: Dreaming is een asynchroon proces tussen sessies dat sessietranscripten en bestaande geheugenopslag bekijkt, patronen extraheert, duplicaten samenvoegt, verouderde items vervangt en een gereorganiseerde geheugenopslag schrijft voor toekomstige sessies.
Anthropic rapporteerde een 10,1% verbetering in PowerPoint-generatiekwaliteit. Harvey mat een 6x verbetering in taakafronding.
De zelfbouw-versie:
# dream.sh — een eenvoudige nachtelijke consolidatielus
# Plannen met cron: 0 3 * * * /path/to/dream.sh
SESSIONS=\$(find ~/.claude/projects -name "*.jsonl" -mtime -1)
claude -p "Review these session logs. Extract: (a) recurring problems I
hit more than once, (b) patterns worth saving to memory, (c) one
specific improvement to my workflow for tomorrow. Write the output to
memory/dream-\$(date +%F).md. Do NOT overwrite existing memory — append a
dated entry I can review." \
--append-system-prompt "\$(cat memory/*.md)" \
< <(cat \$SESSIONS)
De belangrijkste ontwerpkeuze is dat de droom een apart artefact is dat je bekijkt, nooit een automatische overschrijving.
Mission Control: langetermijndoelen en waar de demo liegt
Mission Control — een feature voor het beheren van doelen die zich over weken uitstrekken. Het concept bevalt me meer dan verwacht. De grootste zwakte van agentisch coderen is het horizon-probleem. Agenten zijn spectaculair in enkele sessies en amnestisch over alles dat dagen overspant.
Maar de "magie" van Mission Control die verduidelijkende vragen stelt is geen productfeature. Het is gewoon een goed gestructureerde prompt.
De bouwbare versie: maak een missions/-directory. Elke missie is een markdown-bestand dat de agent bezit met een status, doel, bekende parameters, een takenlijst en open vragen voor de mens.
Mijn eerlijke beoordeling: Mission Control is het bouwen waard, maar bouw het markdown-ledger eerst en de mooie UI nooit, of als laatste.
Code-graph: de component met de meest verdedigbare besparingsclaim
De creator claimde 82% token-kostenreductie. De bredere bewijzen zijn sterker: onafhankelijke rapporten noemen tot 70x lagere tokenkosten bij grote codebases, en er is een arXiv-paper over de "Navigatie-Paradox" dat toont dat grotere contextvensters de behoefte aan structurele navigatie niet elimineren.
Het mechanisme is solide: in plaats van Claude Code 30 bestanden te laten lezen, indexeer je de symboolrelaties eenmalig, en de agent bevraagt de graph en leest alleen wat relevant is.
git clone https://github.com/you/big-monorepo.git
cd big-monorepo
graphify build .
Persona's, kostenmonitoring en de kloof tussen screenshot en substantie
Personabeheer: het model-routing-inzicht is goed — je moet geen frontier-modelprijzen betalen om een CSV te herformatteren. Maar "persona's" als feature is vooral een naamgevingsceremonie. Een persona is een system-prompt plus een modelkeuze.
Kostenmonitoring: real-time uitgavenzichtbaarheid is waardevol. Maar "resterend geheugen" als live-metriek heeft geen schone uniforme definitie.
Het vluchtige artefacten-probleem waarover niemand praat
Je AI-agenten produceren de hele week waardevolle artefacten, en de meeste verdwijnen. Het ontbreken van artefactpersistentie is een van de grootste stille productiviteitsverliezen in AI-workflows.
Een persistent artefact-dashboard bouwen met Claude Code
De kernmechaniek: een conventie (schrijf duurzame artefacten naar artifacts/), een indexbestand (artifacts/index.md), en een CLAUDE.md-regel (raadpleeg de index voordat je iets nieuws maakt).
## Artefact-persistentieregel
Wanneer je een script, configuratie, analyse, document of andere
herbruikbare output maakt, sla het op in `artifacts/` met een
beschrijvende bestandsnaam en werk `artifacts/index.md` bij met: titel,
datum, bron (welke agent/sessie), en een oneliner over wat het doet.
Controleer de index voordat je iets nieuws maakt — het artefact bestaat
misschien al.
Wat ik echt geloof na het bouwen van deze onderdelen
Bouw dit weekend. Dreaming (de cron-job versie), het missie-ledger en de code-graph (als je project groot genoeg is).
Bouw als je tijd hebt. Het artefact-dashboard (directory + index).
Bouw niet. Persona-branding. Het benoemen van je subagenten voegt nul capaciteit toe.
Wees sceptisch. Real-time kostenmonitoring met "resterend geheugen"-meters.
Wat er verandert als de laag er is
Wanneer je de drie waardevolle componenten hebt aangesloten — Dreaming, Missions en de code-graph — verandert je workflow op een specifieke manier: sessies worden korter.
Niet omdat de agent slimmer is. Maar omdat je stopt met de eerste halve uur besteden aan de agent leren wat hij al zou moeten weten. Het Dreaming-proces bewaart de lessen van gisteren. Het missiebestand draagt de intentie van de week. De graph-index elimineert het verkennende bestandslezen dat de helft van je tokenbudget opslokt.
Wanneer dat geëlimineerd is, krijg je iets dat minder als een tool en meer als een collega aanvoelt. Dat — niet een getal, niet een dashboard, niet een geproductiseerde regenjas over zeven ideeën — is wat de visuele intelligentielaag van een agentisch OS werkelijk levert.
Als je hulp nodig hebt bij het aansluiten van deze onderdelen voor je eigen stack, is dat precies het type project dat ik voor klanten aanneem. Vind mijn projecten op fiverr.com/s/EgxYmWD.
Veelgestelde vragen
Wat is een visuele intelligentielaag van een agentisch OS?
Het is een verenigend systeem dat bovenop je AI-codingagenten zit en zichtbare, gedeelde toegang biedt tot context, geheugen, kosten en outputs over agenten heen. Het bestaat uit zeven componenten: vereniging, dreaming, mission control, personabeheer, kostenmonitoring, artefact-dashboard en code-graph.
Maakt een agentisch OS Claude Code echt makkelijker in gebruik?
Het maakt Claude Code niet "10x makkelijker" — dat getal is marketing. Wat het doet is contextisolatie verminderen en de opwarmfase van elke sessie elimineren door de lessen van gisteren en de intentie van de week te bewaren.
Is de "dreaming"-functie echt of hype?
Dreaming is echt en al uitgeleverd door Anthropic in Claude Managed Agents. Anthropic rapporteerde 10,1% verbetering in taakkwaliteit, en Harvey mat 6x verbetering in taakafronding.
Wat zijn de meest waardevolle componenten van een agentisch OS?
De drie meest waardevolle zijn: Dreaming, Mission Control (markdown-ledger voor langetermijndoelen) en code-graph (repo-indexering voor dramatisch lagere tokenkosten).
Kan ik mijn eigen visuele intelligentielaag van een agentisch OS bouwen?
Ja. De waardevolle delen zijn verrassend eenvoudig: een cron-job voor dreaming, een markdown-directory voor missies en een graph-indexer voor codenavigatie. Geen duur platform nodig. De hele setup kost een weekend.
Laten we samenwerken
Op zoek naar het bouwen van AI-systemen, het automatiseren van workflows of het opschalen van je tech-infrastructuur? Ik help graag.
- Fiverr (maatwerkprojecten & integraties): fiverr.com/s/EgxYmWD
- Portfolio: mejba.me
- Ramlit Limited (bedrijfsoplossingen): ramlit.com
- ColorPark (design & branding): colorpark.io
- xCyberSecurity (beveiligingsdiensten): xcybersecurity.io
