Vibe-coderen
Wat Is Vibe-coderen?
Vibe coding is een AI-aangedreven programmeermethode geïntroduceerd door Andrej Karpathy in 2024/2025. Bij vibe-coderen beschrijf je wat je wilt in natuurlijke-taal-prompts en meestal genereren grote taalmodellen (LLM’s) het grootste deel, vaak alle, werkende code voor je. Als je de tijd hebt, bekijk dan de Art of Vibe Coding aangepast door Rick Rubin om meer te leren over de manier van vibe-coderen.
Een groot voordeel van deze nieuwe methode is toegankelijkheid, omdat mensen zonder codeerervaring projecten kunnen bouwen terwijl ervaren ontwikkelaars snel nieuwe ideeën kunnen prototypen voordat ze zich er volledig aan verbinden. Dit is vooral nuttig voor startups. Het nadeel is dat ontwikkelaars hoogstwaarschijnlijk niet volledig zullen begrijpen hoe de gegenereerde code werkt. Voor kleine nevenprojecten is dit prima, maar voor software op productieniveau kan het leiden tot problemen op de lange termijn en technische schuld.
Er zijn tal van tools die vibe-coderen soepeler maken. Cursor IDE, Claude Code CLI, GitHub Copilot, Loveable, Replit, v0, en andere laten je rechtstreeks met AI in je omgeving werken of bieden speciale interfaces voor vibe-coderen. Persoonlijk ben ik voor deze projecten meestal bij Cursor IDE en Claude Code CLI gebleven.
Maar hier is het punt. Deze tools en modellen kosten geld. Bij traditioneel coderen betaal je vooral met je tijd. Bij vibe-coderen betaal je met je portemonnee. En als je niet weet wat je doet, betaal je zowel met je portemonnee als met je tijd. Elk van de projecten op deze pagina kost ongeveer $10 tot $20 om te bouwen. Dat telt op als je veel experimenteert. Ik denk wel dat, naarmate deze modellen verbeteren en efficiënter worden, de kosten uiteindelijk zullen dalen. Voor nu is het iets om rekening mee te houden wanneer je beslist of vibe-coderen zinvol is voor je project.
Nieuwsgierig naar wat mogelijk is, probeerde ik zelf vibe-coderen uit en maakte ik deze pagina om het principe zelf te verkennen via echte projecten. Ik bouw niet alleen producten, ik test en demonstreer wat vibe-coderen echt kan. Dit is gewoon voor de lol, maar het geeft een glimp van hoe coderen er in de toekomst uit zou kunnen zien naarmate deze modellen zich blijven verbeteren.
De Oneindige Aapstelling
Heb je ooit gehoord van de Infinite Monkey Theorem? Het is een filosofisch gedachte-experiment dat zegt dat als je oneindig veel apen oneindig veel typemachines en oneindig veel tijd geeft, er uiteindelijk een van hen de volledige werken van Shakespeare zal produceren, simpelweg door willekeurig op de toetsen te slaan.
Klinkt belachelijk, toch? Maar hier is het wilde deel. Vibe-coderen is een beetje zoals dat, alleen hebben we in plaats van apen AI-modellen, in plaats van typemachines programmeertalen, en in plaats van Shakespeare krijgen we werkende software.
Denk er eens over na. Grote taalmodellen worden getraind op miljarden regels code, patronen en voorbeelden. Wanneer je een LLM een prompt geeft, “denkt” het niet echt stap voor stap door je probleem heen zoals een menselijke ontwikkelaar zou doen. In plaats daarvan voorspelt het het volgende meest waarschijnlijke token op basis van patronen die het tijdens de training heeft geleerd. Het maakt in wezen onderbouwde gokjes door code te genereren op basis van wat statistisch juist lijkt.
En op de een of andere manier werkt het, vaker wel dan niet. Het model geeft code uit die daadwerkelijk compileert, draait en je probleem oplost. Niet door begrip, maar door probabilistische patroonherkenning op een absoluut enorme schaal. Het is alsof de meest geavanceerde willekeurige tekstgenerator van het universum het “juiste” antwoord heeft gevonden. Maar hier is het verschil: snelheid. Die apen zouden letterlijke oneindigheid nodig hebben. Jouw AI? Die komt er in seconden of minuten.
Dus op een manier benut je, wanneer je vibe-coderen gebruikt, miljoenen regels codepatronen, samengevat in een model, om oplossingen te genereren. Het is geen bewust probleemoplossen, het is statistische magie. En dat is precies waarom het zo krachtig is en, toegegeven, waarom begrijpen wat de code daadwerkelijk doet nog steeds belangrijk is.
De Vraag Is Belangrijker Dan Het Antwoord
Hier is iets belangrijks dat vaak over het hoofd wordt gezien. Vibe-coderen gaat niet om zomaar een antwoord krijgen, het gaat om de juiste vraag stellen. Denk aan de Deep Thought Supercomputer uit The Hitchhiker’s Guide to the Galaxy. Die bracht miljoenen jaren door met het berekenen van het antwoord op de ultieme vraag naar het leven, het universum en alles, om je uiteindelijk het getal 42 te geven. Het antwoord was technisch correct, maar nutteloos omdat het echte probleem was om eerst uit te vogelen welke vraag je moest stellen.
Vibe-coderen werkt op dezelfde manier. Je prompts zijn alles, maar contextbeheer ook. Een vage prompt geeft je vage code, en als je niet de juiste bestanden, documentatie of voorbeelden als context geeft, zal het model niet begrijpen wat je echt nodig hebt. Als je iemand bent die coderen, architectuur en systeemontwerp begrijpt, kun je gedetailleerde prompts schrijven en de juiste context samenstellen om de LLM naar uitstekende oplossingen te sturen. Maar als je niet weet wat je moet vragen of welke context je moet geven, weet de AI dat ook niet.
Dit is eigenlijk waarom vibe-coderen zo krachtig is voor ervaren ontwikkelaars. Wij weten hoe goede code eruitziet, we begrijpen de valkuilen, en we kunnen prompts schrijven die het model ervan wegsturen. Voor beginners zonder technische achtergrond wordt dit een echte beperking. Je krijgt misschien werkende code, maar zonder te begrijpen wat er misging of wat je vervolgens moet vragen, zit je vast.
Wanneer Vibe-coderen Niet Genoeg Is
De nieuwste AI-modellen zijn indrukwekkend, maar ze zijn geen wondermiddel. Vibe-coderen kan in productie werken, maar alleen als je het serieus aanpakt. Je hebt robuuste unit-tests nodig. Je hebt duidelijke bronnen van waarheid nodig voor wat je systeem zou moeten doen. Je moet kunnen opvangen wanneer dingen breken of afwijken. En je hebt de mentaliteit van een hacker nodig. Denk buiten de kaders en probeer je vibe-gecodeerde project op onverwachte manieren kapot te maken. Welke randgevallen heb je niet overwogen? Welke beveiligingslekken zou iemand kunnen misbruiken? Dit is wat code die simpelweg werkt onderscheidt van code die echt robuust is.
Maar hier is het punt. De AI bezit jou niet. Jij bezit de AI. Accepteer niet zomaar wat die genereert. Beoordeel het. Test het. Breek het. En eerlijk gezegd moet je voor bepaalde delen van je codebase terug naar ouderwets coderen. Blokkeer jezelf, denk diep na, schrijf het zelf. Vibe-coderen versnelt dingen, maar het is geen vervanging voor echt programmeren wanneer het ertoe doet.
Er is nog iets wat ik heb geleerd. Soms moet je gewoon een sessie met de AI beëindigen en een nieuwe beginnen. Naarmate je gespreksgeschiedenis groter en groter wordt, verslechtert de prestaties van het model. Het maakt meer fouten, genereert minder samenhangende code en begint vaker te hallucineren. Als je dit niet opvangt en stopt, stapelen deze fouten zich op elkaar, waardoor het steeds slechter wordt. Het is alsof je probeert een document te lezen dat steeds opnieuw is gefotokopieerd. Opnieuw beginnen houdt alles schoon en scherp.
Vibe-gecodeerde Projecten
Hieronder staan twee projecten, stairs (repo) en transcendental (repo), die ik heb gebouwd met behulp van de methode van vibe-coderen. Meestal gegenereerd vanuit prompts, met handmatig werk beperkt tot het aanleveren van context, debuggen en implementeren naar GitLab Pages. Het zijn leuke experimenten met statische sites die laten zien wat mogelijk is wanneer je creatieve ideeën en code combineert via vibe-coderen. Beide worden gehost op GitLab.