Standaard behandelt Claude Code elke repository hetzelfde. Het verschil tussen autocomplete en een collega is configuratie: gelaagd geheugen, deterministische hooks, skills, MCP-servers en worktrees. Zo bouw je elke laag op — en zo pasten wij het toe op een grote .NET-codebase.
Geen nieuw model. Vijf orchestratiefeatures. En een zaal vol engineers die hun hand opstak toen werd gevraagd wie die week een PR had geshipt die volledig door AI was geschreven.
Event sourcing is altijd een lastige verkoop geweest — krachtig, maar te veel werk voor de meeste teams. AI-assistenten veranderen de kostenkant van die rekensom.
Andrej Karpathy publiceerde een GitHub Gist die in dagen 5.000+ sterren kreeg. Geen framework. Geen library. Een idee-bestand. Dit is wat het LLM Wiki-patroon is, waarom het anders is dan RAG, en wat het betekent voor developers die dagelijks AI-agents gebruiken.
Opus 4.6 is nu het standaardmodel in Claude Code. Met 1M tokens context en een SWE-bench score van 80.8% is dit de grootste sprong in één generatie. Dit verandert er voor .NET developers.
Ik schrijf minder code dan ooit. En toch ben ik productiever. De vraag is niet meer ‘hoe implementeer ik dit?’ maar ‘wat moet hier gebouwd worden en waarom?’
Claude Code is krachtig op zichzelf. Maar als je het werk verdeelt over gespecialiseerde sub-agents — een testschrijver, een reviewer, een documentatie-agent — wordt het een team.
Een developer plakt een connection string in ChatGPT. Een ander kopieert klantdata om iets te testen. We zijn er allemaal dichtbij geweest. Zo denk je na over wat je wel en niet kunt delen.
Claude Code kent je code. Maar het kent je build server niet, je deployment pipeline niet, en je inbox niet. MCP verandert dat.
Iedereen heeft die ene service class die te groot is geworden. Ik gebruikte Claude Code om een monoliet van 800 regels op te splitsen — in minder dan een uur.