Marktmannen wiki Coderen met AI

Claude Code voor Niet-Coders (Nate Herk Cursus)

Laatst bijgewerkt: 17-07-2026

TL;DR: Claude Code is niet drie verschillende producten maar één harnas rond hetzelfde model — de winst zit niet in leren coderen maar in tool-agnostisch denken (mappen en bestanden i.p.v. connectors), constraints aanvallen in plaats van irritaties automatiseren, en het laagste second-brain-niveau kiezen dat je pijnpunt oplost.

Zes uur durende beginnerscursus van Nate Herk (zelf zonder technische achtergrond) die het volledige traject dekt: van eerste prompt tot een eigen AI operating system met skills, sub-agents, second brain en cloud-automatiseringen. Grote delen van de cursus herhalen of verdiepen bestaande wiki-onderwerpen (zie kruisverwijzingen); dit artikel legt vooral de unieke frameworks vast die nog niet elders in de wiki stonden.

Drie producten, één model: Chat, Cowork, Code

Claude Chat, Claude Cowork en Claude Code zijn geen drie verschillende AI's — het zijn drie harnassen (interfaces) rond dezelfde onderliggende modellen (Opus, Sonnet, Fable). Chat is een chatbot zonder toegang tot lokale bestanden; Cowork is de laagdrempelige variant voor kenniswerkers (en is zelf gebouwd mét Claude Code, door een klein team, in ongeveer een week); Code is het meest krachtige harnas — toegang tot lokale bestanden én alles online (Gmail, Slack, CRM).

Model-harnas-jij-analogie (auto): het model is de motor, het harnas (Claude Code) is de auto, jij bent de bestuurder. Zonder bestuurder rijdt de auto nergens heen; zonder motor beweegt de auto niet. Model en harnas zijn beide verwisselbaar — vandaag Claude Code met Opus, morgen misschien een ander harnas met een ander model. Het enige constante element ben jij en de context die je meegeeft.

Bouwen aan je AI operating system: tiers van connecties

Naast de vier C's (Context, Connections, Capabilities, Cadence — zie Agentic OS) geeft deze cursus een concrete volgorde om connecties op te bouwen. Begin bij "tier één": revenue, customers, calendar, communicatie, taken, meetings en kennis. Praktische vuistregel om te bepalen wát je moet verbinden: kijk naar je open browser-tabs, bookmarks en geschiedenis — de tools die je al dagelijks gebruikt, zijn de eerste kandidaten.

Tool-agnostisch principe: env-keys in plaats van connectors

De cursus adviseert bewust tegen de ingebouwde Cowork/Code-connectors (one-click OAuth naar Notion, Canva, Gmail, etc.) voor wie een duurzaam systeem bouwt — niet omdat ze niet werken, maar omdat ze je vastzetten aan één harnas. Bij een overstap naar Codex, Hermes Agent of een ander harnas moet je alle connectors opnieuw opzetten (20-40 tools, opnieuw).

Alternatief: API-sleutels handmatig ophalen (via de documentatie van de tool) en zelf in een .env-bestand zetten, met Claude Code als degene die uitzoekt hoe de API werkt. Zwaarder om op te zetten, maar het resultaat is gewoon een map met bestanden — en elk AI-harnas kan op mappen en bestanden werken. Dit is dezelfde tool-agnostische mindset als Claude Code Pro-Tips (AGENTS.md/SKILL.md als exit-strategie), nu toegepast op tool-verbindingen zelf in plaats van op instructie- en skillbestanden.

Google Workspace-uitzondering: voor wie zwaar in Google zit, is de open-source GWS CLI een tussenweg — één CLI met JSON-first structured responses en 100+ ingebouwde workflow-"recipes" (skills) die Gmail, Drive, Calendar, Docs, Sheets en Slides in één interface ontsluit, zonder per losse API-eindpunt te hoeven integreren. Nog geen officieel Google-product (actieve bèta), maar wel al bruikbaar.

Constraint-theorie: wat automatiseer je eerst?

De meest voorkomende fout bij het kiezen van automatiseringsprojecten: het meest irritante taakje aanpakken in plaats van het taakje dat er echt toe doet. De cursus herformuleert dit met een pijp-analogie: je bedrijf is een pijp, klanten stromen aan de voorkant in, winst komt aan de achterkant uit. Onderweg zitten verstoppingen (constraints) die de doorstroom beperken.

Werkwijze: vraag "als we morgen 5x zoveel klanten hadden, wat zou dan als eerste breken?" — dat dwingt je door het bedrijfsproces heen te denken vanaf de voorkant. Los de eerste constraint op, dan schuift de volgende constraint naar voren; het is een nooit eindigende cyclus, maar wel een met duidelijke prioriteit. De constraint is de enige plek waar werk compoundt — automatiseren van iets dat toch al soepel loopt, schaalt alleen de rommel.

Every build needs a north star: kies vóór je begint één meetbare metriek en een concrete richting (bijv. "van 5 naar 15 leads per week"). Zonder die afspraak vooraf is achteraf niemand het eens over of het project geslaagd is — productiviteitswinst is namelijk niet zo direct meetbaar als adspend-ROI.

Voor wie nog geen ruimte/budget heeft om op constraint-niveau te werken: begin met een simpele week-audit — schrijf terugkerende processen en triggers op (een lead komt binnen, een supportticket wordt ingediend), vind de 5-10 meest voorkomende, en automatiseer daarvan de meest frequente. Zie ook de vier-stappen-roadmap in Carrière in AI voor hoe je dit naar een formele rol doorbouwt.

Kernprincipe: je kunt niet automatiseren wat je niet kunt mappen. Ken het proces goed genoeg om het uit te leggen aan een stagiair (of een AI-agent) vóór je het probeert te automatiseren — "garbage in, garbage out" en "context is king" blijven de twee pijlers.

Sub-agents, agent teams en dynamic workflows: wanneer welke

Deze cursus voegt een compacte vuistregel toe aan het bestaande onderscheid in Subagents en Dynamic Workflows:

  • Sub-agents — eigen contextvenster, rapporteren alleen terug aan de hoofdagent, kunnen onderling niet communiceren. Standaardkeuze voor gedelegeerd, parallel uitvoerend werk.
  • Agent teams (experimentele feature, CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS=1 in settings.json) — teamleden delen een taaklijst én kunnen wél onderling communiceren en debatteren. Token-intensiever, dus vooral geschikt voor één specifiek scenario: een "raad"/"war room" van verschillende persona's die een besluit of plan van meerdere kanten bekritiseert (vergelijkbaar met de Stanford STORM-onderzoeksmethode). Belangrijk bij het aanroepen: wees expliciet over de team create-functie — anders spint Claude alsnog gewone parallelle sub-agents op die niet met elkaar praten.
  • Dynamic workflows — voor parallel werk in fases, waar het aantal agents per fase dynamisch wordt bepaald op basis van de vorige fase-resultaten (zie Dynamic Workflows voor de volledige uitleg).

Cross-verwijzingen naar bestaand materiaal

Deze cursus herhaalt (met eigen voorbeelden) een aantal frameworks die al uitgebreider in de wiki staan: - Second brain, 5 niveaus — identieke framework als Second Brain Niveaus (CLAUDE.md-router → LLM wiki → semantisch zoeken → knowledge graph → autonoom), met als toevoeging het hot cache-concept (zie dat artikel). - Geheugen (automemory, CLAUDE.md, memory.md) — zie Geheugen en Context. - Routines / scheduled tasks / /loop-vergelijking — gedetailleerde tabel (lokaal vs. cloud, permissies, minimuminterval, quota) nu verwerkt in Claude Code Routines. - AI-slop en "outsource thinking, not understanding" — sluit aan bij Anti-AI-Schrijfstijl: AI-gegenereerde tekst is geen probleem zolang je het gecontroleerd en begrepen hebt vóór je je naam eronder zet.

Open vragen

  • Hoe schaalbaar is het "env-keys i.p.v. connectors"-principe zodra een niet-technische gebruiker met tientallen tools werkt — blijft dat praktisch haalbaar zonder ontwikkelaarsachtergrond?
  • Bij welke teamgrootte wordt de constraint-theorie (pijp-analogie) lastiger toe te passen omdat er meerdere, conflicterende constraints tegelijk spelen?

Verwante concepten

Bronnen

#beginner #ai-operating-system #tool-agnostisch #mindset #constraint-theorie

Backlinks