Agentic AI-ontwikkeling: nieuwe ontwikkelingen en toepassingen

Samenvatting

Agentic AI-ontwikkeling verkent stacks met Claude, GPT, lokale LLM’s en GitHub Copilot voor dagelijks werk.

Agentic AI-ontwikkeling in de praktijk

Een Reddit-discussie vraagt welke stack professionals gebruiken voor agentic development. Genoemde opties zijn Claude, GPT, lokale LLM’s en GitHub Copilot.

De auteur gebruikt GitHub Copilot, heeft toegang tot de meeste modellen van verschillende aanbieders en combineert die met Kurth’s skills en agents. De discussie blijft bij persoonlijke ervaringen: deelnemers delen wat zij tot nu toe nuttig vonden tijdens hun werk.

Waarom agentic AI relevant is

De discussie laat zien dat de keuze voor een agentic-AI-stack niet alleen over modelkwaliteit gaat. Toegang tot abonnementen, modelaanbieders en AI-middelen van de werkgever bepaalt mede welke werkwijze iemand kan voortzetten.

Dat speelt hier direct. De auteur wisselt aan het einde van deze maand van bedrijf en weet nog niet hoeveel ondersteuning de nieuwe werkgever biedt. Daardoor krijgen lokale LLM’s en andere alternatieven een praktische rol: ze kunnen opties bieden wanneer betaalde abonnementen of bedrijfsbronnen niet beschikbaar zijn.

De bron bevat geen vergelijking van prestaties, kosten of beveiliging. Wel maakt de vraag duidelijk dat ervaring met meerdere hulpmiddelen waardevol is wanneer de beschikbare stack per werkgever verschilt.

Concrete takeaway voor agentic AI-ontwikkeling

Leg vóór een overstap vast welke taken je met GitHub Copilot, Claude, GPT en lokale LLM’s uitvoert. Noteer per taak welke abonnementen, modellen en Kurth’s skills of agents nodig zijn. Test daarna minstens één alternatief zonder je huidige bedrijfsaccount, zodat je weet welke onderdelen van je werkwijze afhankelijk zijn van externe AI-middelen.