AI-agent skill #5 — Denk in loops, niet in prompts

# AI-agent skill #5 — Denk in loops, niet in prompts

Deze post hoort bij CAAO 0.1.7 en is gepland voor donderdag 2026-07-09.

## Kernboodschap

Een losse prompt kan goede output geven, maar een agent-loop maakt het werk betrouwbaarder doordat elke stap gekoppeld is aan bewijs.

## LinkedIn-post

```text
AI-agent skill #5 — Denk in loops, niet in prompts

Veel mensen proberen AI betrouwbaarder te maken met betere prompts.

Maar bij agentic workflows zit de betrouwbaarheid vaak niet in de prompt.
Die zit in de loop eromheen.

Een simpele loop:

1. Geef de agent een taak.
2. Voeg de juiste context toe.
3. Laat de agent iets maken.
4. Controleer met een echt signaal.
5. Voer de fout terug.
6. Stop pas als het bewijs groen is.

Voorbeelden van echte signalen:

- test run geslaagd;
- build geslaagd;
- schema klopt;
- route geeft 200;
- data staat in de database;
- bronverwijzing is controleerbaar;
- kosten/limiet zijn bekend.

Dat is een groot verschil met:

“De AI zegt dat het werkt.”

Voor mij wordt dit steeds meer de kern van werken met AI-agents:

Niet alleen vragen stellen.
Maar workflows ontwerpen waarin de agent moet aantonen dat iets klopt.

Maker → checker → verifier → human decision.

Dat is ook waar ik CAAO omheen bouw:
praktische AI-agent workflows die niet alleen output geven, maar ook bewijs, checks en grenzen.

De prompt start het werk.
De loop maakt het betrouwbaar.
```

## CAAO-koppeling

- Workflow: Verifiable Signal Loop.
- Learning Lab opdracht: Ontwerp je eerste agent-loop.
- Principe: Geen bewijs, geen vertrouwen.
- Safety gate: auto-act alleen bij laag risico én groen bewijs.