Oordeel, Uitvoering, Review en Lus: Bouw je Persoonlijke AI-Runtime
Archiefkop
Metadata tonen
- document_type
- essay
- title
- Oordeel, Uitvoering, Review en Lus: Bouw je Persoonlijke AI-Runtime
- date
- 2026-06-10
- language
- nl
- author
- Wang Xiao
- source_layer
- The Uncertain Future
- status
- public_archive
- canonical_route
- /nl/uncertain-future/judgment-execution-review-and-loop-build-your-personal-ai-runtime
- source_url
- https://medium.com/@wangxiao8600/judgment-execution-review-and-loop-build-your-personal-ai-runtime-ee65d723590f
- intended_use
- Dit document moet worden gelezen als een publieke auteursarchiefkopie in The Uncertain Future, waarin een tijdgebonden structureel oordeel van Wang Xiao over AI, samenleving, protocol of structurele verandering wordt bewaard, met externe publicatielinks zichtbaar.
- not_for
- Dit document mag niet worden behandeld als formeel technisch bewijs, juridisch advies, beleggingsadvies, professioneel advies, externe certificering of volledige verklaring van de huidige methodische laag van OathAI.
- key_terms
- The Uncertain Future 路 Structure 路 Anchor 路 Civilization Runtime 路 Language as Protocol
- related_pages
- The Uncertain Future 路 Essenti毛le woordenlijst
Gebruik doelen, ankers, structuur en grenzen om mens-AI-samenwerking op koers te houden.
Een van de kernidee毛n van System and Freedom is Begrensde oneindigheid.
Werkelijke vrijheid ontstaat binnen duidelijke grenzen. Een echte grens is niet alleen iets dat je verklaart te hebben ingesteld. Zij bestaat wanneer anderen haar kunnen lezen, erkennen en kiezen haar niet te overschrijden.
Mens-AI-samenwerking werkt op dezelfde manier.
Grote taalmodellen zijn krachtig, maar ze drijven van nature af. Ze kunnen hallucineren, intern consistente onwaarheden verzinnen en belangrijke context verliezen tijdens lange werksessies. Ze lijken op een buitengewoon intelligente collega met snelle handen, imperfect geheugen en een gevaarlijk talent om het verkeerde probleem te goed te optimaliseren.
Het diepere probleem is ingebouwd. We begrijpen de werkingsprincipes van grote modellen nog niet volledig op wiskundig niveau. Een groot deel van het veld gaat nog steeds vooruit door parameters te verschuiven, output te observeren en hard bevochten ervaring op te stapelen. Schaal bereikt een drempel, intelligentie begint te verschijnen, en we weten nog niet volledig waarom.
Daarom moet een groot model meer worden begrepen als een snel evoluerend empirisch technisch systeem dan als een machine die je volledig kunt vertrouwen door een handleiding te lezen.
Als je het geen doel geeft, weet het niet wat het moet doen. Als je zijn ankers niet kalibreert, zal het afdwalen via een reeks ogenschijnlijk redelijke verbeteringen. Als je geen grenzen stelt, zal het de complexiteit van je project uitbreiden totdat alles moeilijk te onderhouden wordt. Als je geen lus instelt, stopt het na elke stap en vraagt het wat het daarna moet doen.
De sleutel tot mens-AI-samenwerking is het bouwen van een persoonlijke AI-runtime: een begrensde operationele staat waarin AI kan blijven uitvoeren, controleren, herstellen en vooruitgaan, terwijl de koers wordt vastgehouden door doelen, ankers, structuur en grenzen.
Ik noem deze structuur een persoonlijke AI-runtime.
Hier betekent runtime niet 茅茅n enkel hulpmiddel. Het betekent een werkstructuur waarin AI blijft uitvoeren, meerdere AI-threads elkaar kunnen reviewen, en het systeem bij de grens wacht op menselijk oordeel.
Hier is een minimale versie.
1. Bereid je werkingang voor
Mijn huidige configuratie in juni 2026 is:
PC
Windows
Codex Windows App
GPT mobile app
GPT subscription account
Dit is slechts 茅茅n mogelijke configuratie. Je kunt Claude, Gemini, Copilot, Grok of vergelijkbare producten van andere modelaanbieders gebruiken. Het merk is niet het punt. De combinatie van capaciteiten is het punt.
Je hebt een AI-werkingang nodig die een lokale directory kan lezen, taken continu kan uitvoeren, projectcontext kan bewaren en gedurende langere tijd met je kan samenwerken. De mobiele app is geschikt om te vangen, te starten, te controleren en taken toe te voegen. De PC blijft de hoofdruimte voor lokale bestanden en continue uitvoering.
2. Maak een werkdirectory op je PC
Maak een hoofdmap voor het project. Maak daarin minstens drie mappen:
01_raw_materials_and_documents
02_AI_work_documents
03_outputs
01_raw_materials_and_documents bevat materiaal dat jij voorbereidt: notities, concepten, screenshots, gesprekslogs, referenties, eerdere versies en contextdocumenten. De mens legt eerst de grondstof in een leesbare ruimte. AI moet toegang hebben tot de feitelijke basis.
02_AI_work_documents bevat documenten die AI onderhoudt: samenwerkingsregels, projectgeheugen, taakprotocollen, terminologie, lusregels en reviewchecklists. Jij kunt en moet deze documenten zelf controleren.
03_outputs bevat de eindartefacten: essays, plannen, vertalingen, paginacopy, publiceerbare versies en leveringsbestanden. Output scheiden voorkomt semantische verwarring en houdt de grens schoon.
3. Schrijf een eerste samenwerkingshandleiding
Schrijf daarna een eenvoudige mens-AI-samenwerkingshandleiding.
Houd haar kort. Begin met de belangrijke delen:
Hoe je wilt dat AI werkt.
Wat AI niet mag doen.
Wat menselijke goedkeuring vereist.
Welke materialen niet gepubliceerd mogen worden.
Welke feitelijke claims niet veranderd mogen worden.
Waar output moet worden geplaatst.
Hoe werk gecontroleerd moet worden.
Wanneer AI moet stoppen.
Deze handleiding hoeft op dag 茅茅n niet compleet te zijn. Zij groeit met gebruik en wordt geleidelijk je besturingssysteem.
Bijvoorbeeld:
Verander het projectdoel niet zonder goedkeuring.
Herschrijf de positie van de auteur niet.
Offer het oorspronkelijke oordeel niet op alleen om een passage vloeiender te maken.
Behandel onbevestigd materiaal niet als publiek feit.
Wanneer een nieuw doel, een nieuwe grens of een nieuwe publieke betekenis verschijnt,
stop en wacht op menselijk oordeel.
Dit is belangrijk omdat het gevaarlijkste aan AI vaak niet is dat het het werk niet kan doen. Het gevaar is dat het het verkeerde werk redelijk kan laten lijken. De handleiding is de eerste grens die je schrijft.
4. Maak drie projectgesprekken
Maak in de Codex-app op de PC projectgesprekken en wijs ze naar de werkdirectory die je net hebt ingesteld.
Ik raad minstens drie gesprekken aan:
Discussiethread
Uitvoeringsthread
Reviewthread
De discussiethread begrijpt materiaal, splitst doelen op en ontwerpt plannen. Hier lijn je doel, anker, structuur en grens uit.
De uitvoeringsthread voert taken uit volgens het plan. Hij vindt de richting niet opnieuw uit. Hij werkt binnen de bevestigde structuur.
De reviewthread vindt fouten, gaten en risico's. Sla review niet over.
De minimale overdracht is eenvoudig: de drie threads delen dezelfde werkdirectory; de discussiethread maakt een taakkaart; de mens geeft de kaart aan de uitvoeringsthread; het resultaat gaat naar de reviewthread. Later kun je een deel van deze overdracht automatiseren.
De drie gesprekken delen dezelfde directory, maar hebben verschillende rollen. Dat scheidt oordeel, uitvoering en review. Het houdt grenzen duidelijk en voorkomt dat 茅茅n gesprek een oncontroleerbare contextmassa wordt.
5. Initialiseer de omgeving
Vraag AI niet meteen om output.
Laat eerst de discussiethread de samenwerkingsregels en 01_raw_materials_and_documents lezen.
Je kunt zeggen:
Lees de samenwerkingsregels en de ruwe materialen in de werkdirectory.
Bouw eerst de achtergrondcontext van het project op.
Of:
Begrijp eerst wat dit project is, welke materialen er zijn, wat het doel is,
welke posities al bevestigd zijn en welke delen niet zonder goedkeuring mogen worden gewijzigd.
Het doel is AI te verplaatsen van tijdelijke chatmodus naar projectbegrip.
Veel mensen krijgen problemen met AI omdat elke taak begint met een ge茂soleerde prompt. AI kent je geschiedenis, rode lijnen, lange-termijndoel en goedgekeurde formuleringen niet. Het kan alleen raden binnen het huidige venster.
6. Laat vier operationele documenten genereren
Laat AI daarna vier operationele documenten maken voor de samenwerkingsomgeving:
AGENTS: AI behavior guide
MEMORY: long-term project memory
Protocol: task execution protocol
LOOP: loop mechanism
Deze vier bestanden kunnen beginnen vanuit mijn open-source Personal AI Runtime Templates.
Geef de templates aan AI, daarna grondstof, doel en grens. Laat de discussiethread een eerste versie maken die bij jouw project past. Jouw taak is de kernoordelen reviewen.
AGENTS is de gedragsgids voor AI in de workspace. Het vertelt AI wie het in dit project is, hoe het moet werken, welke stijl het moet volgen en wanneer het moet stoppen.
MEMORY is het lange-termijngeheugen van het project. Het registreert projectfeiten, auteursvoorkeuren, sleuteltermen, huidige status, bevestigde oordelen en context die niet telkens opnieuw gevraagd moet worden.
Protocol definieert taakuitvoering. Het bepaalt hoe taken worden ontvangen, hoe materialen worden gelezen, waar output heen gaat, hoe werk wordt gecontroleerd, wanneer AI mag doorgaan en wanneer het moet terugkeren naar menselijk oordeel.
LOOP definieert de overdracht tussen discussie, uitvoering, review, herstel en voortzetting. Zonder lus eindigt AI vaak 茅茅n stap en stopt.
Als je Codex of een vergelijkbare omgeving gebruikt die lokale bestanden kan lezen, kunnen de namen zijn:
AGENTS.md
MEMORY.md
TASK_PROTOCOL.md
LOOP.md
De namen zijn minder belangrijk dan de rollen.
7. Wis menselijk oordeel niet uit
Een persoonlijke AI-runtime is niet bedoeld om de mens te verwijderen.
Zij is bedoeld om de positie van menselijk oordeel te behouden zonder dat de mens elk detail handmatig hoeft te doen.
AI kan uitvoeren. AI kan ordenen. AI kan vergelijken. AI kan itereren. AI kan veel tussenwerk overnemen.
Maar doel, betekenis, waarde, publieke grens en eindverantwoordelijkheid moeten aan menselijke kant blijven.
Daarom is semi-automatisch belangrijk.
Volledig automatisch laat AI doelen uitbreiden, grenzen versoepelen, output vermenigvuldigen en je project ongemerkt in iets anders veranderen. Semi-automatisch laat AI binnen structuur werken. De mens oordeelt aan de grens.
8. Laat de lus draaien
Een minimale lus ziet er zo uit:
De mens geeft een doel.
De discussiethread splitst het doel op.
De uitvoeringsthread werkt.
De reviewthread controleert het resultaat.
De mens oordeelt.
De structuur wordt bijgewerkt.
De lus gaat door.
Deze lus is niet spectaculair. Dat is precies haar kracht.
Een goede lus is sterker dan 茅茅n goede prompt.
Een goede werkomgeving is sterker dan 茅茅n goed antwoord.
Een structuur die zichzelf kan herstellen is sterker dan 茅茅n perfecte output.
9. Maak grenzen niet te zwaar
Grenzen zijn nodig, maar te veel grenzen verstikken het systeem.
Schrijf niet meteen honderd regels. Schrijf de noodzakelijke grenzen.
Verander het doel niet.
Verzin geen feiten.
Publiceer niet zonder goedkeuring.
Vervang de positie van de auteur niet.
Markeer onzekerheid als onzekerheid.
Goede grenzen zijn kort, leesbaar en uitvoerbaar.
Slechte grenzen zijn lang, vaag en door niemand gebruikt.
10. Structuur kan slapen, maar verdwijnt niet
Een goede persoonlijke AI-runtime verdwijnt niet als je haar niet elke dag gebruikt.
Je kunt een week stoppen en terugkomen.
Je kunt haar aan een andere AI-thread geven en opnieuw opbouwen.
Als een gesprek breekt, blijven AGENTS, MEMORY, Protocol en LOOP de ruggengraat van het werk dragen.
Dat is de betekenis van een anker.
Structuur kan slapen, maar faalt niet. Het anker blijft staan.
11. Iedereen kan beginnen
Je hebt geen speciale vaardigheid nodig.
Je hebt de wil nodig om je werkstructuur met AI te delen, in plaats van je werk aan AI te dumpen.
Maak de eerste directory. Schrijf de eerste samenwerkingsregels. Maak de eerste drie threads. Laat de eerste vier operationele documenten genereren. Draai de eerste lus.
Dat is genoeg.
Deze structuur kan klein beginnen: schrijven, vertalen, onderzoek, code, contracten, studienotities, bedrijfsplannen, klachtbrieven, publieke archieven. Je kunt overal beginnen.
12. Geen einde, maar een ingang
Een persoonlijke AI-runtime is geen eindproduct.
Het is een ingang.
Elke keer dat jij een doel hebt, een grens stelt, materiaal plaatst, AI laat uitvoeren, menselijk oordeel toepast en de structuur bijwerkt, wordt de runtime meer van jou.
Vrijheid ligt niet buiten grenzen.
Vrijheid wordt duurzaam binnen grenzen die gelezen kunnen worden.
Dit is Begrensde oneindigheid.
Systeem is de wieg van vrijheid, vrijheid is de bloem van het systeem.
Over de auteur
Wang Xiao is AI-protocolarchitect, auteur van System and Freedom, maker van Danbing AI Protocol / SLAPS Framework en initiatiefnemer van OathAI.
Zijn werk richt zich op mens-AI-cocreatie, protocol governance, semantische verankering en langdurige kenniscontinu茂teit, en onderzoekt hoe menselijke kennis en samenwerkingsstructuren in het AI-tijdperk bewaard, gekalibreerd en ge毛rfd kunnen worden.
Disclaimer
Dit essay weerspiegelt de huidige observaties en methodologische reflecties van de auteur, gebaseerd op persoonlijke praktijk, onderzoek en ervaring in mens-AI-samenwerking. De aan Danbing / SLAPS / OathAI verbonden methoden worden nog geordend en ontwikkeld. Hun praktische effecten kunnen vari毛ren afhankelijk van taakcontext, modelcapaciteit, uitvoeringsomgeving en inzetniveau.
Dit essay vormt geen juridisch, investerings-, medisch, professioneel of technisch implementatieadvies of garantie. Lezers die deze methoden in echte projecten toepassen, moeten op basis van hun eigen situatie zelfstandig oordelen en verantwoordelijkheid nemen voor concrete resultaten.