Ik Bouwde een Tweede Brein Dat Mijn PR's Voor Mij Schrijft

Ik Bouwde een Tweede Brein Dat Mijn PR's Voor Mij Schrijft

Afgelopen donderdag leverde ik een feature op die 14 bestanden aanraakte over drie services. De PR-beschrijving bestond uit twee alinea's schone, specifieke context. De statusupdate naar mijn team was al opgesteld in Slack voor ik mijn koffie op had. De overdrachtsnotities voor de volgende engineer lagen in een markdown-bestand, perfect gestructureerd, klaar om te delen.

Ik heb er geen woord van geschreven.

Niet één woord. En voor je aanneemt dat ik een of ander sjabloonsysteem gebruik of van ChatGPT kopieer — nee. Mijn Claude Code-configuratie schreef alles omdat het al wist wat ik aan het bouwen was, waarom ik bepaalde architecturale beslissingen had genomen, welke afwegingen ik had overwogen, en wat de volgende persoon die dit oppakt zou moeten begrijpen. Het wist dit alles omdat ik de afgelopen zes maanden 30 seconden per werksessie had geïnvesteerd.

Ik noem het mijn tweede brein. Dat klinkt dramatisch totdat je het een PR-beschrijving ziet genereren die beter is dan alles wat ik handmatig zou schrijven, met verwijzingen naar beslissingen die ik drie weken geleden heb genomen en al was vergeten.

Waarom AI Gooien op Schrijftaken Aanvankelijk Niet Werkt

Ik was een vroege gebruiker van AI voor engineeringcommunicatie. Het moment dat ChatGPT over code kon praten, begon ik diffs te plakken en om PR-beschrijvingen te vragen. De resultaten waren... prima. Generiek, grotendeels nauwkeurig, maar met elk stuk context dat een PR-beschrijving echt nuttig maakt.

Het probleem is structureel, geen kwaliteitsprobleem met de AI. Als je een diff in een chatbot plakt, kan het zien wat er veranderde. Het kan niet zien waarom het veranderde. Het weet niet dat je de auth-middleware herwerkte omdat de beveiligingsaudit vorige maand een sessiebevestigingskwetsbaarheid markeerde. Het weet niet dat je Redis boven Memcached koos omdat het team al Redis draait voor de taakrij.

Dus wat doe je? Je legt de context uit. Elke keer. Je typt drie alinea's achtergrond, plakt de diff, en dan geeft de AI je een redelijke PR-beschrijving. Gefeliciteerd — je hebt net vijf minuten besteed aan context bieden om jezelf drie minuten schrijven te besparen. Netto besparing: negatief twee minuten.

Ik probeerde promptsjablonen te bouwen. Hielp een beetje. Maar de context raakte binnen dagen verouderd. Projecten evolueren snel. Wat maandag waar was, is donderdag niet waar.

Het fundamentele probleem met al deze benaderingen: de context leeft in je hoofd, niet in het systeem. Elke keer dat je wilt dat AI iets nuttigs doet, moet je relevante context uit je brein extraheren, het formatteren voor de AI, en de output verifiëren.

Wat dat elimineert is de AI zijn eigen persistente, lokale, continu bijgewerkte kennisbank geven. Een tweede brein dat het naast je bijhoudt terwijl je werkt. Dat heb ik per ongeluk gebouwd met Claude Code — en het veranderde mijn hele relatie met engineeringcommunicatie.

Hoe Claude Code's Lokale Contextsysteem Echt Werkt

Zes maanden geleden schakelde ik over naar Claude Code primair als coderingagent. Het is oprecht uitstekend in het schrijven en herstructureren van code — maar dat haakte me niet. Wat me haakte was de ontdekking dat het lokale, persistente context bijhoudt via markdown-bestanden die direct in je projectmap leven.

Het mechanisme is eenvoudig. Claude Code leest en schrijft markdown-bestanden — typisch CLAUDE.md in je projectroot en aanvullende contextbestanden die je aanmaakt. Deze bestanden blijven bestaan tussen sessies. Ze verdwijnen niet als je je terminal sluit. Ze zitten in je repo, versiegecontroleerd naast je code, rijker wordend met elke werksessie.

Hier ziet mijn projectcontextbestand eruit na zes maanden geaccumuleerde kennis:

# Projectcontext

## Architectuur
- Laravel 11 monolith met Vue 3 SPA frontend
- PostgreSQL primaire DB, Redis voor caching en wachtrijen
- Ingezet op AWS ECS met door Terraform beheerde infrastructuur
- Auth: Aangepaste JWT-implementatie (gemigreerd van Sanctum in Sprint 14)

## Huidige Sprint (Sprint 22)
- Betalingsverwerkingsherstructurering: Stripe → multi-provider abstractie
- Webhookafhandelaars migreren van synchroon naar asynchroon wachtrij-verwerking
- Prestaties: p99 < 200ms targetten op afrekenflow

## Recente Beslissingen
- Adapterpatroon gekozen boven strategie voor betalingsproviders (2024-01-15)
  - Reden: Runtime-provider-omschakeling nodig per handelaarsconfiguratie
- Event sourcing voor betalingsstatus afgewezen (te complex voor huidige schaal)
- Redis-clustermodus ingeschakeld ter voorbereiding op horizontaal schalen

## Bekende Technische Schulden
- Verouderd bestelmodel gebruikt nog steeds soft deletes (migratie gepland Sprint 24)
- Testdekking op betalingsmodule: 67% (doel: 85% voor lancering)

Dat bestand verscheen niet magisch. Ik bouwde het op in de loop van de tijd, 30 seconden tegelijk. Aan het einde van elke werksessie vertel ik Claude Code: "Werk de projectcontext bij met wat we vandaag hebben gewerkt." Het bekijkt de sessie — de bestanden die we wijzigden, de beslissingen die we bespraken, de problemen die we oplosten — en voegt relevante updates toe aan het contextbestand.

Dertig seconden. Dat is de investering. En het rendement groeit enorm.

Je Tweede Brein Bouwen — Het 30-Seconden Ritueel Dat Alles Verandert

Stap 1: Maak je initiële contextbestand aan.

Aan het begin van elk project besteed je 10 minuten aan het laten bouwen van je basiscontext door Claude Code: "Bekijk de codebasestructuur, de recente git-geschiedenis en bestaande documentatie. Maak een CLAUDE.md-bestand dat de projectarchitectuur, techstack, huidige focusgebieden en patronen samenvat."

Stap 2: De update aan het einde van de sessie (30 seconden).

Aan het einde van elke werksessie: "Werk de projectcontext bij met wat we vandaag hebben gewerkt."

Dat is het. Claude Code bekijkt de sessie, identificeert wat het onthouden waard is, en werkt het contextbestand bij.

Stap 3: Periodieke condensatie.

Elke paar weken vraag ik Claude Code om het te condenseren: "Het contextbestand wordt groot. Consolideer het — houd alles wat nog relevant is, archiveer of verwijder alles wat verouderd is."

Mijn huidige contextbestand is ongeveer 400 regels voor een project waar ik zes maanden aan werk. Lean. En elke regel is relevant.

Skills: Je AI Leren Je Beste Werk Te Herhalen

Een skill in Claude Code is in wezen een opgeslagen, herhaalbare workflow. Denk eraan als een macro, maar intelligent — het past zich aan de huidige context aan in plaats van stappen blindelings te herhalen.

Mijn eerste skill — geautomatiseerde PR-beschrijvingen:

1. Ik liet Claude Code handmatig een PR-beschrijving schrijven voor een echte wijziging.
2. Tijdens het proces corrigeerde ik de output: "Nee, lijst niet zomaar de gewijzigde bestanden op — leg de reden uit achter elke wijzigingsgroep."
3. Ik stelde het formaat in: "Gebruik deze structuur: Samenvatting, Motivatie, Wijzigingen, Testnotities, Vervolgitems."
4. Toen de output overeenkwam met wat ik zou willen indienen: "Sla dit op als een skill genaamd 'pr-description'."

Nu activeer ik na het committen van code de skill. Het leest de diff, vergelijkt het met de projectcontext en genereert een PR-beschrijving in mijn voorkeursformat. De output is consistent beter dan wat ik handmatig zou schrijven.

De skill die me redde tijdens on-call: SEV-onderzoek.

Ik maakte een skill die, gegeven een releasebranch of implementatietijdstempel:

1. Het git-log voor dat tijdsbestek haalt
2. Alle commits in de release identificeert
3. Ze kruisreferenteert met de projectcontext om te begrijpen wat elke wijziging zou moeten doen
4. Een gerangschikte lijst van "theorieën" genereert — mogelijke oorzaken voor wat de alert triggerde

Tijdens een productie-incident om 2 uur 's nachts vorige maand activeerde ik deze skill. In ongeveer 40 seconden gaf het me drie gerangschikte theorieën. De tweede theorie was correct.

Status-update-automatisering:

Aan het einde van de dag activeer ik een skill die mijn git-activiteit bekijkt en een statusupdate genereert in het format dat mijn team gebruikt. Drie opsommingstekens: wat ik vandaag deed, eventuele blokkades, wat ik morgen plan.

Wat Ik Fout Deed en Wat Me Nog Steeds Frustreert

Het contextbestand kan je misleiden. Als je de context bijwerkt na een sessie waarbij je een aanpak onderzocht maar uiteindelijk verliet, kun je per ongeluk die verlaten aanpak vastleggen als een beslissing.

Skills zijn niet set-and-forget. Mijn PR-beschrijvingskill is zeven keer gewijzigd. Elke keer merkte ik een patroon in de output dat ik niet leuk vond.

Dit werkt alleen als je het consistent gebruikt. Ik ging twee weken op vakantie en kwam terug naar een verouderd contextbestand.

Teamadoptie is moeilijker dan persoonlijke adoptie. Ik heb geprobeerd mijn team gedeelde contextbestanden te laten bijhouden. De resultaten zijn gemengd.

Wat er Werkelijk Veranderde in Mijn Engineering-Workflow

PR-beschrijvingen: Gemiddelde schrijftijd daalde van 8 minuten naar minder dan 1 minuut. Kwaliteit — gemeten aan het aantal verduidelijkingsvragen van reviewers — verbeterde met ongeveer 60%.

Statusupdates: Van 5 minuten per dag naar ongeveer 30 seconden.

Incidentonderzoek: Mijn SEV-skill is acht keer geactiveerd. Gemiddelde tijd-tot-eerste-theorie daalde van 25 minuten handmatig onderzoek naar ongeveer 90 seconden.

Documentatie: Ik documenteer nu architecturale beslissingen die ik eerder niet de moeite waard zou hebben gevonden.

Totale geschatte tijdsbesparing: 4-6 uur per week.

De Uitdaging Aan Jou

Kies één project waar je actief aan werkt. Besteed vandaag 10 minuten aan het aanmaken van een contextbestand. Commit je dan twee weken aan de 30-seconden update aan het einde van de sessie.

Na twee weken vraag je Claude Code om een PR-beschrijving te schrijven voor je volgende wijziging. Vergelijk het met wat je handmatig zou hebben geschreven.

Dat is de vergelijking die je alles zal vertellen over of deze aanpak het waard is.

Laten We Samenwerken

Op zoek naar het bouwen van AI-systemen, automatiseren van workflows of schalen van je techinfrastructuur? Ik help je graag.

• Fiverr: fiverr.com/s/EgxYmWD
• Portfolio: mejba.me
• Ramlit Limited: ramlit.com
• ColorPark: colorpark.io
• xCyberSecurity: xcybersecurity.io