The shift I see in practice: work moving from MCP servers to direct CLI calls. Not because MCP is dead, but because it has a context tax. A decision rule for which servers to keep and which to replace.
Four of my AI products reported green while quietly broken. A scan said completed with zero pages. A gate passed code it should have blocked. Here is the honest June build log: what lied, and the checks I built to catch it.
If you benchmark frontier models with a single chat call, you measure the wrong thing. Here is how I drove Codex, GLM, Kimi and DeepSeek through the same Claude CLI agentic harness via a local proxy, the lane-hardening bugs, and what the numbers say.
GLM-5.2 looks mediocre at coding if you call it the way most benchmarks do. Run the same model through a real agentic harness via OpenRouter and it jumps to frontier-Claude tier. Here is the exact recipe, and the counter-data.
Een complete walkthrough van mijn productie-Claude-Code-setup. 38 skills, 11 sub-agents, persistent memory, en de governance-laag eromheen. Geen abstractie, concrete file-paths en patronen voor AI peers en hobbyisten.
Niet alle MCP-servers zijn veilig. Sterker: sommige worden veelvuldig gebruikt en zijn structureel onveilig. Een eerlijke lijst van 7 patronen die ik in 2026 niet meer zou installeren, en wat de alternatieven zijn.
Een AI-systeem dat suggesties doet die je negeert is alleen maar ruis. Een AI-systeem dat patronen herkent en suggesties doet die je vaker wel dan niet aanneemt, dat is een leerloop. Hoe je die bouwt zonder volledige autonomie weg te geven.
Prompt engineering is dood. Context engineering heeft het overgenomen. Het verschil, en hoe je voorkomt dat je AI-assistent verzandt in ruis. Voor AI peers en hobbyisten die voorbij de eerste experimenten zijn.
Een AI-assistent zonder state is een goudvis. Iedere sessie begint hij opnieuw. Hier is hoe je dat oplost, concrete patronen voor AI peers en hobbyisten, met code-voorbeelden voor Claude Code.
Without instruction provenance, you cannot verify that a receipt corresponds to the prompt that ran. PR #309 added a SHA-256 hash of the literal instruction text to every dispatch manifest and receipt. One line of Python. Permanent forensic value.
Thirty-one days. Thirty-two blogs published. One SaaS launch. Multi-AI pipeline running autonomously. Here is the honest May build log, what shipped, what slipped, and what the receipt ledger actually shows.
Een complete walkthrough van mijn productie-Claude-Code-setup. 38 skills, 11 sub-agents, persistent memory, en de governance-laag eromheen. Geen abstractie, concrete file-paths en patronen voor AI peers en hobbyisten.