← Back to English

---

In een oogopslag

Metriek	Aantal
Agents	138
Skills	296
Hooks	74
Rules	20
Handmatig werk	0

---

Wat is dit?

vibecosystem maakt van Claude Code een compleet AI-softwareteam. Geen enkele assistent -- een team van 138 gespecialiseerde agents die plannen, bouwen, reviewen, testen en leren van elke fout.

Geen eigen model. Geen eigen API. Alleen het hook- + agent- + rules-systeem van Claude Code, tot het uiterste benut.

Het grote plaatje

---

Kernfunctionaliteiten

1. Zelflerende pipeline

Elke fout wordt een regel. Automatisch.

Error happens → passive-learner captures pattern
→ consolidator groups & counts
→ confidence >= 5 → auto-inject into context
→ 10x repeat → permanent .md rule file

Geen handmatige tussenkomst. Het systeem schrijft zijn eigen regels.

2. Agent Swarm

Zeg "voeg een nieuwe feature toe" en meer dan 20 agents worden actief in 5 fasen.

Phase 1 (Discovery):    scout + architect + project-manager
Phase 2 (Development):  backend-dev + frontend-dev + devops + specialists
Phase 3 (Review):       code-reviewer + security-reviewer + qa-engineer
Phase 4 (QA Loop):      verifier + tdd-guide (max 3 retry → escalate)
Phase 5 (Final):        self-learner + technical-writer

3. Adaptief laden van hooks

Er bestaan 74 hooks, maar ze draaien niet allemaal tegelijk. De intentie bepaalt welke hooks worden geactiveerd.

"fix the bug"      → compiler-in-loop + error-broadcast     ~2,400 tok
"add api endpoint"  → edit-context + signature-helper + arch  ~3,100 tok
"explain this code" → (nothing)                               ~800 tok

4. Dev-QA Loop

Elke taak doorloopt een kwaliteitspoort:

Developer implements → code-reviewer + verifier check
→ PASS → next task
→ FAIL → feedback to developer, retry (max 3)
→ 3x FAIL → escalate (reassign / decompose / defer)

5. Canavar Cross-Training

Wanneer een agent een fout maakt, leert het hele team ervan.

Agent error → error-ledger.jsonl → skill-matrix.json
→ All agents get the lesson at session start
→ Team-wide error prevention

6. Assignment Matrix

Routeringstabel met 74 rijen: elk taaktype wordt naar de juiste agent geleid.

GraphQL API      → graphql-expert  (backup: backend-dev)
Kubernetes       → kubernetes-expert (backup: devops)
DDD modeling     → ddd-expert      (backup: architect)
Bug reproduction → replay          (backup: sleuth)
... 70 more rows

---

Architectuur

┌─────────────────────────────────────────────────────────┐
│                    Claude Code                          │
│                                                         │
│  ┌──────────┐  ┌──────────┐  ┌──────────┐              │
│  │  Hooks   │  │  Agents  │  │  Skills  │              │
│  │  (74)    │→ │  (138)   │← │  (296)   │              │
│  └────┬─────┘  └────┬─────┘  └──────────┘              │
│       │              │                                   │
│       ▼              ▼                                   │
│  ┌──────────┐  ┌──────────┐                              │
│  │  Rules   │  │  Memory  │                              │
│  │  (20)    │  │ (PgSQL)  │                              │
│  └──────────┘  └──────────┘                              │
│                                                         │
│  ┌──────────────────────────────────────┐                │
│  │  Self-Learning Pipeline             │                │
│  │  instincts → consolidate → rules    │                │
│  └──────────────────────────────────────┘                │
│                                                         │
│  ┌──────────────────────────────────────┐                │
│  │  Canavar Cross-Training             │                │
│  │  error-ledger → skill-matrix → team │                │
│  └──────────────────────────────────────┘                │
└─────────────────────────────────────────────────────────┘

---

Agentcategorieen

Categorie	Aantal	Voorbeelden
Core Dev	14	frontend-dev, backend-dev, kraken, spark, devops, website-cloner
Review & QA	8	code-reviewer, security-reviewer, verifier, qa-engineer
Domain Experts	35	graphql-expert, kubernetes-expert, ddd-expert, redis-expert
Architecture	8	architect, planner, clean-arch-expert, cqrs-expert
Testing	6	tdd-guide, e2e-runner, arbiter, mocksmith
DevOps & Cloud	12	aws-expert, gcp-expert, azure-expert, terraform-expert
Analysis	11	scout, sleuth, data-analyst, profiler, strategist
Orchestration	16	nexus, sentinel, commander, neuron, vault, nitro
Documentation	6	technical-writer, doc-updater, copywriter, api-doc-generator, document-generator
Learning	7	self-learner, canavar, reputation-engine, session-replay-analyzer

---

Technologiestack

Component	Technologie
Runtime	Claude Code (Claude Max)
Models	Opus 4.6 / Sonnet 4.6
Hook engine	TypeScript → esbuild → .mjs
Memory DB	PostgreSQL + pgvector (Docker)
Agent format	Markdown + YAML frontmatter
Skill format	prompt.md / SKILL.md
Cross-training	JSONL ledger + JSON skill matrix

---

Filosofie

hooks are sensors. observe, filter, signal.
agents are muscles. build, produce, fix.
the bridge between them: context injection.
no direct RPC. no message passing. by design.
implicit coordination through context.

Hooks zijn sensoren. Ze observeren, filteren, signaleren. Agents zijn spieren. Ze bouwen, produceren, repareren. De brug ertussen: context-injectie. Geen directe RPC. Geen berichtenuitwisseling. Bewust zo ontworpen. Impliciete coordinatie via context.

---

License

MIT

---