shadcn/improve is een van die kleine repositories die er eenvoudig uitzien, maar een krachtige onderliggende ideeën bevatten: niet het duurste AI-model gebruiken om code direct te schrijven, maar om beter te denken. Het voorstel bestaat eruit om een repository te auditen, echte verbeteringen te detecteren, deze prioriteren en gedetailleerde technische plannen te genereren waar een ander, goedkoper agent of een menselijke ontwikkelaar vervolgens mee aan de slag kan gaan.
Deze aanpak komt op het juiste moment, nu ontwikkelingsteams ontdekken dat het minder zichtbare deel van AI-ondersteunde programmering vooral betreft: kosten, ruis en gebrek aan controle. Een agent kan code schrijven, maar kan ook te veel aanpassen, testen breken, buiten het bereik gaan of veel tokens verspillen aan taken die niet zoveel intelligentie vereisen. shadcn/improve probeert dat proces te structureren met een bijna voor de hand liggend idee: gebruik het meest capabele model voor analyse en planning, reservaties voor uitvoering voor goedkopere modellen.
Een open, gratis en integratiegerichte repository
De grootste kracht van shadcn/improve is dat het open source is en onder de MIT-licentie wordt gepubliceerd. Dit betekent dat elke ontwikkelaar het kan bekijken, installeren, aanpassen, leren van de aanpak of integreren in hun eigen workflows zonder afhankelijk te zijn van een gesloten platform. In een tijd waarin veel AI-tools voor ontwikkeling als betaalde SaaS-producten worden aangeboden, krijgt deze open repository een bijzonder waardevol karakter.
De installatie is bovendien heel eenvoudig: npx skills add shadcn/improve. Het project werkt met agents die compatibel zijn met het Agent Skills-formaat, en de gegenereerde resultaten blijven buiten een gesloten interface. De plannen worden opgeslagen als gewone Markdown-bestanden in een map plans/. Zo kunnen ze door een ander agent, een ontwikkelaar, een technisch verantwoordelijke of elke interne tool van het team worden gelezen en gebruikt.
| Kenmerk | Voordelen voor de ontwikkelaar |
|---|---|
| Open source repository | Betere controle, aanpasbaarheid en inspectie |
| MIT-licentie | Breed gebruik zowel persoonlijk, professioneel als zakelijk |
Installatie via npx | Gemakkelijke setup zonder ingewikkelde configuraties |
| Plannen in Markdown | Portabel, leesbaar en versieerbaar |
| Geen directe codewijzigingen | Vermindert risico’s bij audit |
| Compatibiliteit met andere agents | Flexibiliteit in workflow |
| Publicatie als issues | Maakt plannen makkelijk toegankelijk in GitHub |
Dat de output in Markdown wordt gegenereerd, kan een detail lijken, maar het is een van de beste beslissingen van het project. In plaats van een gesloten formaat te creëren, produceert shadcn/improve documentatie die aansluit bij de bestaande ontwikkelcultuur: pull requests, issues, reviews, checklists, testcommando’s en traceerbare besluiten.
Het dure model denkt; het goedkope model voert uit
Het kernidee van het repository is het scheiden van twee fasen die veel tools mengen: audit en uitvoering. De eerste vereist diepgaand begrip. Het model moet de repository in kaart brengen, de architectuur begrijpen, conventies detecteren, kwetsbare gebieden inspecteren en bepalen wat het waard is om te verbeteren. Die stap rechtvaardigt het gebruik van een krachtig model.
De tweede fase is anders. Als het plan goed is geformuleerd, kan het implementeren van een concrete correctie een meer eenvoudige, mechanische taak zijn: een bestand wijzigen, duplicatie verwijderen, een test toevoegen, een migratie aanpassen, commando’s uitvoeren en outputs controleren. Hier kan een goedkoper model of zelfs een junior-ontwikkelaar met een duidelijke gids de taak uitvoeren.
| Fase | Wie zou het moeten doen | Waarom |
| Repository lezen en in kaart brengen | Krachtig model | Vereist globaal begrip |
| Reële problemen detecteren | Krachtig model | Technisch oordeel nodig |
| Prioriteren van bevindingen | Krachtig model of Tech Lead | Impact en inspanning afwegen |
| Plannen schrijven | Krachtig model | De kwaliteit van het plan bepaalt de uitvoering |
| Uitvoeren van gerichte taken | Goedkoper model of mens | Meer gestructureerd en controleerbaar |
| Diff review | Senior model of senior ontwikkelaar | Laatste controle op scope en kwaliteit |
Met dit patroon kunnen kosten worden beheerd. In plaats van een duur model alles te laten doen, vragen we het om te denken, terwijl een goedkoper model of een menselijke uitvoerder de preciezere, gecontroleerde acties uitvoert. De uitvoering wordt zo ingekaderd door duidelijke instructies.
Zelfvoorzienende plannen om improvisatie te voorkomen
Een van de meest interessante aspecten van shadcn/improve is hoe het de plannen opstelt. Het gaat niet simpelweg om instructies zoals “verbeter de prestaties van deze functie” of “refactoriseer deze module”. Elk plan bevat voldoende context zodat een uitvoerder die de oorspronkelijke audit niet heeft gezien, toch aan de slag kan.
Dit omvat exacte bestandsrouten, fragmenten van de actuele code, conventies van de repository, verificatiecommando’s, verwachte outputs, afrondingscriteria en stopcondities. Deze voorwaarden zijn cruciaal: als de werkelijkheid van de code niet overeenkomt met de beschrijving, moet de agent stoppen en dit rapporteren in plaats van te improviseren.
| Element van het plan | Waarom het belangrijk is |
| Exacte routes | Vermijdt overbodige zoekacties |
| Codefragmenten | Geeft context zonder afhankelijk te zijn van eerdere sessies |
| Test/lint/build commando’s | Zet succesvol doen om in verificatiebaar resultaat |
| Verwachte outputs | Vermindert ambiguïteit |
| Afsluitcriteria | Definieert wanneer een taak afgerond is | Scope grenzen | Voorkomt zijwaartse wijzigingen | Stopcondities | Voorkomt dat een klein model improviseren | Referentie commit | Detecteert verouderde plannen |
Dit ontwerp is met name geschikt voor minder capabele modellen. Een minder krachtig agent faalt vaker als het zelfstandig moet bepalen. Als het een plan ontvangt met concrete stappen, duidelijke grenzen en verificatiepunten, vermindert dat de kans dat het uit het lood raakt aanzienlijk.
Audits met bewijs uit de repository
shadcn/improve beoogt geen generieke aanbevelingen te genereren. De audit wordt verdeeld over domeinen zoals correctheid, veiligheid, prestaties, tests, technische schuld, afhankelijkheden, ontwikkelaarservaring, documentatie en projectbestuur. Elk bevinding moet ondersteund worden door bewijs uit de code zelf, met verwijzingen naar bestanden en regels.
Dit vermindert een van de veelvoorkomende problemen van AI in ontwikkeling: het overschot aan valse positieven. Veel modellen rapporteren te veel of detecteren risico’s die niet relevant zijn. Hier zorgt de workflow dat bevindingen worden gecontroleerd voordat plannen worden gemaakt. Ongewenste issues worden afgewezen en genoteerd voor herhaling bij de volgende audit.
| Categorie | Voorbeelden van nuttige bevindingen |
| Correctheid | Randgevallen, logische fouten, incomplete validaties |
| Veiligheid | Risico’s met bewijs in de code |
| Prestaties | Dure algoritmes, herhaalde query’s, onnodige loops |
| Tests | Gebrek aan coverage op kritieke onderdelen |
| Technische schuld | Duplicitaten, verslechterde abstracties, oude TODO’s |
| Dependencymigraties | Openstaand of problematische pakketten |
| DX | Verwarrende commando’s, slechte documentatie |
| Documentatie | Verouderde of incomplete handleidingen |
| Product | Sterke bevindingen gebaseerd op de werkelijke status van de code |
De resultaten worden weergegeven als een prioriteringstabel op impact, inspanning en betrouwbaarheid. Vervolgens kiest de gebruiker welke bevindingen om te vertalen naar plannen. Dat houdt de menselijke controle intact: AI stelt voor, maar het team beslist wat in de backlog komt.
Nuttig voor teams, niet alleen voor individuele tests
Hoewel het project ook kan worden gebruikt voor persoonlijke repositories, ligt de waarde vooral in teams met levendige codebases. Een grote monorepo, een applicatie met technische schuld of een product met meerdere modules kunnen profiteren van een tool die verspreide bevindingen omzet in behapbare plannen.
Het kan ook voorafgaand aan een pull request handig zijn. Het commando /improve branch beperkt de audit tot de wijzigingen in de huidige branch, waardoor problemen worden ontdekt voordat een menselijke review wordt gevraagd. Voor teams die al met GitHub Issues werken, kan de optie --issues de plannen automatisch publiceren als taken.
| Toepassingsvoorbeeld | Hoe shadcn/improve helpt |
| Initiële audit van een repo | Detecteert problemen en ordent ze |
| Voor PR review | Analyseert alleen de wijzigingen in de branch |
| Verkleinen technische schuld | Ziet problemen als concrete plannen |
| Beveiliging | Focust beoordeling op specifieke risico’s |
| Prestaties | Zoekt knelpunten met bewijs |
| Backlog | Maakt plannen als issues zichtbaar |
| Inzet van goedkope agenten | Geeft duidelijke en verifieerbare instructies |
| Review van bestaande plannen | Analyseert en verbetert eerdere specificaties |
De optie /improve reconcile is daarnaast erg bruikbaar om de stand van plannen te herzien. Het controleert welke plannen nog gelden, welke zijn geblokkeerd, welke door andere oplossingen zijn afgehandeld en welke moeten worden geüpdatet omdat de repository veranderd is. In echte projecten is deze functie net zo belangrijk als de initiële audit, omdat technische schulden snel verouderen.
Meer proces, minder “vibe coding”
De populariteit van AI-ondersteunde ontwikkeling heeft geleid tot een fase van enthousiasme, waarbij veel programmeurs opdrachten geven aan een agent en de uitkomst accepteren als deze lijkt te werken. Deze stijl kan handig zijn voor prototypes, maar past niet altijd bij software die door teams wordt onderhouden, met tests, veiligheid, afspraken en verantwoordelijkheden.
shadcn/improve biedt een meer gedisciplineerde aanpak. Het elimineert niet de creativiteit of snelheid, maar plaatst deze binnen een gestructureerd proces: eerst wordt de code geaudit, dan wordt geprioriteerd, daarna wordt een plan gemaakt, vervolgens wordt het in een geïsoleerde omgeving uitgevoerd en tot slot beslist de mens of het resultaat wordt geïntegreerd.
Dit sluit aan bij een steeds meer voorkomende gedachte in AI-ontwikkelprocessen: de beste resultaten komen niet van agents die alles zonder controle doen, maar van workflows waarin elk model een specifieke functie heeft. Het dure model fungeert als architect of tech lead, het goedkope model voert uit, en tests functioneren als automatische rechter. De ontwikkelaar houdt de eindbeslissing.
Een klein repository met een groot idee
Wat goed is aan shadcn/improve is niet dat het belooft een engineeringteam te vervangen. Het tegendeel is waar: het gaat ervan uit dat het team er is, dat de code belangrijk is, dat tests nodig zijn en dat menselijke controle essentieel blijft. De waarde ligt in het reduceren van chaos en het omzetten van AI-uitkomsten in leesbare, bespreekbare en controleerbare plannen.
De open en gratis aard maakt het idee nog aantrekkelijker. Elk team kan het uitproberen zonder afhankelijk te zijn van een gesloten platform, zonder extra kosten én zonder hun werkstijl radicaal te veranderen. Past het, dan wordt het geïntegreerd. Past het niet, dan blijven de plannen in Markdown en blijft de kennis bewaard.
AI voor programmeren heeft geen magie nodig, maar betere workflows. shadcn/improve volgt die lijn met een simpele aanpak: gebruik het duurste model om na te denken, te prioriteren en goede plannen te schrijven. Vervolgens laat je een ander, goedkopere model of een menselijke uitvoerder ermee aan de slag gaan, met duidelijke limieten en checks.
Veelgestelde vragen
Wat is shadcn/improve?
Een open en gratis Agent Skill die een repository auditeert, verbeteringen detecteert en implementatieplannen in Markdown genereert voor anderen of mensen die het uitvoeren.
Waarom is het interessant dat het open source is?
Omdat je de werking kunt bekijken, aanpassen aan je eigen workflows en zonder afhankelijkheid van een gesloten platform kunt gebruiken. Bovendien onder de MIT-licentie.
Verwerkt het rechtstreeks wijzigingen in de code?
Nee, de skill schrijft plannen in de map plans/. Het uitvoeren kan dan door een ander agent worden gedaan, maar de daadwerkelijke merge blijft bij de gebruiker.
Welke problemen lost het op ten opzichte van andere code-agenten?
Het vermindert improvisatie en kosten door het gebruik van het krachtigste model voor audit en planning, en door goedkopere modellen in te zetten voor goed afgeleide, gecontroleerde taken.