Craft Coding: Lass KI deinen Code überprüfen, nicht schreiben

✍️ OpenClawRadar📅 Veröffentlicht: 17. August 2026🔗 Source
Ad

Peter Bloems Aufsatz „AI coding without the vibes“ durchschneidet den Hype um KI-gestützte Entwicklung. Das Kernargument: KI ist gut im Machen oder im Prüfen, aber nicht beides. Die gängige Praxis – KI Code schreiben lassen und dann menschlich gegenprüfen – ist eine Fiktion. Unsere Aufmerksamkeit wandert, und die Fehler der KI werden subtil. Die Alternative, die er Craft Coding nennt, dreht die Rollen um: Du schreibst den Code, und die KI fungiert als dein Reviewer.

Warum Vibe-Coding scheitert

Bloem erklärt die zwei Phasen der meisten Arbeit: Machen und Prüfen. Wenn die KI den Code schreibt, musst du alles prüfen, was sie produziert. Aber Menschen sind nicht für dieses Maß an anhaltender Prüfung gebaut. Fehlerfälle sind selten genug, dass du anfängst, der Engine zu vertrauen, und mit der Zeit wird die Codebasis zu einem unwartbaren Chaos. Schlimmer noch, es ist eine zermürbende, unfreudige Erfahrung. Wie er sagt: „Den Code anderer Leute zu prüfen ist eine Plackerei. Deinen eigenen zu schreiben macht Spaß.“

Der Craft-Coding-Ansatz

Stattdessen schreibst du den Code selbst und lässt die KI ihn reviewen. Das hält dich in der Kontrolle, erhält deine Fähigkeiten und spart trotzdem Zeit – die KI findet Bugs, die auf herkömmliche Weise Wochen dauern könnten. Es führt dir auch bessere Muster und Technologien vor, die du nicht kanntest. Entscheidend ist, dass es deine Fähigkeit bewahrt, dein Verständnis selbst einzuschätzen, eine Fähigkeit, die verkümmert, wenn du alles an die Maschine delegierst.

Ad

Warum es funktioniert

  • Du bleibst engagiert: Der spaßige Teil – Code schreiben – bleibt dir.
  • KI fängt auf, was du übersiehst: Sie reviewt deine Arbeit und deckt Randfälle und Stilprobleme auf.
  • Du lernst: Die Vorschläge der KI lehren dich neue Tricks, aber du setzt sie um, also bleibt das Verständnis erhalten.
  • Du behältst dein Urteilsvermögen: Du vermeidest die Falle, zu glauben, du hättest etwas gemeistert, obwohl du es nur delegiert hast.

Das gilt nicht nur für Studierende. Bloem warnt: „Kognitive Fähigkeiten sind wie Muskeln: schwer aufzubauen, leicht zu verlieren.“ Auch erfahrene Entwickler sollten vermeiden, alles Denken an die KI zu delegieren.

So startest du

In der Praxis bedeutet das, die KI als Pair-Programmierer oder Code-Reviewer zu nutzen: Lass sie über deinen Diff schauen, Verbesserungen vorschlagen, Bugs aufzeigen. Du bleibst der Autor; die KI ist dein zweites Augenpaar. Diese Methode richtet auch die Anreize aus – du nimmst keine Abkürzungen, sondern verbesserst deine eigene Arbeit.

Bloems Aufsatz ist ein zeitgemäßes Gegenstück zum „Vibe-Coding“-Trend. Er ist ein praktischer Leitfaden für alle, die KI nutzen wollen, ohne die Fähigkeiten zu verlieren, die sie zu Entwicklern machen.

📖 Lies die vollständige Quelle: HN LLM Tools

Ad

👀 Siehe auch

Feinabstimmung von Qwen 3:0.6B für Fragekategorisierung – Basislinie vs. verfeinerte Ergebnisse
Anleitungen

Feinabstimmung von Qwen 3:0.6B für Fragekategorisierung – Basislinie vs. verfeinerte Ergebnisse

Feinabstimmung eines winzigen 0,6B-Parameter-LLMs (Qwen 3:0.6B) mit ~850 Haushaltsfragen mit Unsloth. Baseline-Prompting erzielte 10% Genauigkeit; die feinabgestimmten Ergebnisse liegen wahrscheinlich über 80-90%.

OpenClawRadar
Praktische Lehren aus der Entwicklung von On-Device-KI in React Native
Anleitungen

Praktische Lehren aus der Entwicklung von On-Device-KI in React Native

Ein Entwickler teilt spezifische technische Details aus dem Aufbau einer React Native App mit On-Device-LLMs, Bildgenerierung, Sprachanalyse und Vision AI, einschließlich Speicherverwaltungsstrategien, Bibliotheksauswahl und Leistungsbenchmarks.

OpenClawRadar
Behebung der KV-Cache-Invalidierung von Claude Code mit lokalen Backends
Anleitungen

Behebung der KV-Cache-Invalidierung von Claude Code mit lokalen Backends

Claude Code Versionen 2.1.36+ fügen dynamische Telemetrie-Header und Git-Status-Updates in jede Anfrage ein, was Präfix-Matching unterbricht und eine vollständige Neuverarbeitung von Systemprompts mit 20K+ Token auf lokalen Backends wie llama.cpp erzwingt. Eine Konfigurationskorrektur in ~/.claude/settings.json kann die Verarbeitungszeit von 60+ Sekunden auf etwa 4 Sekunden reduzieren.

OpenClawRadar
Einrichtungstipps für OpenClaw aus Nutzererfahrung: Gmail MCP, Profil-Flags und Netzwerkprobleme
Anleitungen

Einrichtungstipps für OpenClaw aus Nutzererfahrung: Gmail MCP, Profil-Flags und Netzwerkprobleme

Ein Benutzer, der OpenClaw auf einem Mac über UTM mit einer Ubuntu-VM ausführt, teilt spezifische Konfigurationsprobleme, auf die er gestoßen ist: Der Gmail-MCP-Server benötigt den html_body-Parameter anstelle von body, das Flag --profile prod ist erforderlich, um eine fest codierte Dev-Identität zu vermeiden, und API-Schlüssel müssen über den paste-token-Befehl in auth-profiles.json platziert werden.

OpenClawRadar