iCt Horse
iCt Horse
Live scan data — 77 repositories

AI Governance Framework

Geen vibe coding. Architectuur-gedreven AI-samenwerking met meetbare, herhaalbare, verifieerbare resultaten.

← Terug naar home

Laatste scan: 2026-05-10 — data uit repo_scanner.py over 77 repositories — Lees het volledige artikel →

77Repositories
1.229AI co-authored commits
116Persistent memories
76%Constraint coverage
25Architecture principles

Het probleem met "vibe coding"

Veel AI-assisted development is ongestructureerd. Het resultaat: onvoorspelbare kwaliteit, herhaalde fouten, security-gaten.

⚠ Vibe coding

  • Paste een prompt, hoop op het beste
  • Elke sessie start vanaf nul
  • Dezelfde fouten herhaald, eindeloos
  • Geen versioning, geen traceerbaarheid
  • Security is een bijzaak
  • "Het werkt op mijn machine"
  • Eén AI-agent, geen coördinatie

✓ Architectuur-gedreven AI

  • Constraints definieren gedrag vóór code
  • Persistent memory over 110+ sessies
  • 32 feedback loops voorkomen herhaling
  • Verplichte versioning bij elke wijziging
  • git-crypt + infrastructure safety
  • WhatIf-validatie vóór elke actie
  • 4 AI-agenten, gecoördineerd via sync

De 7 Pijlers

Elke pijler is meetbaar — en gestoeld op echte projecten

📋

Constraint System

3-laagse CLAUDE.md architectuur die definieert wat AI per repository wel en niet mag.

76,6% coverage · 59 van 77 repos · gemiddeld 75,8 regels

✔

Quality Protocols

WhatIf-validatie, kleurcodes voor severity, Root Cause Analysis op 3 niveaus.

69,5% WhatIf · 27 repos kleurcodering · 22 repos RCA

🧠

Memory Architecture

Getypeerde, persistente memory die sessies overleeft. Git-tracked, cross-agent synced.

112 memories · 32 feedback · 3 sync-kanalen

🤖

Multi-Agent Orchestration

4 AI-agents gecoördineerd via sync-bestanden en gedeelde source of truth.

Claude Code (1.163 commits) · Gemini CLI · OpenAI Codex · ChatGPT

🔒

Security by Design

git-crypt encryptie, shared infrastructure safety, multi-session conflict prevention.

15+ encrypted repos · 7 services shared infra · 11 verboden var-namen

🏷

Versioning Discipline

Elke wijziging een versie-bump. Elke build een unieke codenaam. Rollback altijd mogelijk.

36 repos versioning · 26 met version.json · 24 met codenamen

🏛

Architecture Principles

25 principes over 7 Design Areas. Dragon1-gestructureerd. Bestuurt elke beslissing.

25 principes · 7 Design Areas · Dragon1 methodology

Protocol-adoptie

Gemeten over 59 repositories met CLAUDE.md constraint files

WhatIf Protocol
41 repos
70%
Versioning
36 repos
61%
Color Coding
27 repos
46%
Codenames
24 repos
41%
Root Cause Analysis
22 repos
38%
Build Protocol
20 repos
35%
Session Sync
14 repos
24%
Debug Protocol
9 repos
16%

Persistent memory

112 memories over 4 typen. Elke correctie wordt een permanente regel.

75Project
32Feedback
3Reference
1User

Multi-Agent Orchestration

Vier AI-agenten. Eén gedeelde source of truth. Gecoördineerd via sync-bestanden.

C

Claude Code

Code, architectuur, memory
1.163co-authored commits
G

Gemini CLI

Second opinion, review
✓sync actief
X

OpenAI Codex

Parallel implementatie
✓sync actief
4

ChatGPT

Research, brainstorm
—handmatige sync

Bug-patronen & de rol van AI

AI veroorzaakt voorspelbare bug-categorieën. Het verschil: ship je ze, of vang je ze, classificeer je ze en voorkom je ze?

36Bugs gevangen in dev
0Bugs naar prod
10Patronen geïdentificeerd
27Checklist items
7Loop escapes

Hoe AI bugs veroorzaakt — en hoe architectuur ze vangt

Feature Loss
Pattern E — AI vergeet features bij iteraties
6
Quote Escaping
Pattern B
3
SVG innerHTML
Pattern A — DOM API faalt stil op SVG
3
Refactor Residue
Pattern D
2
Broad Replace
Pattern F
1
Infinite Recursion
Pattern H
1
Inline onclick
Pattern I
2
Debug Anti-Pattern
Pattern J — THE META-BUG
8

De moeilijkste bug: Pattern J — AI Debug Anti-Pattern

Dit is de architectonische meta-uitdaging van AI-coding. Het is geen enkele bug — het is het patroon dat bugs genereert.

  • Wat AI doet: Als een fix faalt, bouwt AI volledig NIEUWE logica (nieuwe timers, nieuwe state, nieuwe functies) in plaats van de route te hergebruiken die al werkt.
  • Waarom verwoestend: Elke "fix" creëert 1-2 nieuwe problemen → exponentiële complexiteit. Bugs #29-#36 kostten ~15 iteraties en ~3 uur in één feature.
  • Root cause: AI heeft geen persistent geheugen van wat werkte vs faalde BINNEN een debug-sessie. Default = "elegante nieuwe oplossing" in plaats van "hergebruik wat bewezen is".
  • Hoe architectuur het oplost: Na 3 mislukte fixes: STOP. Documenteer wat WEL werkt. Identificeer de werkende route. Instrueer AI: "gebruik DEZE route voor DAT feature." De 3-regel fix hergebruikte animFromElement() — de functie die al werkte voor alt+click.
  • De regel: "Als route A werkt, gebruik route A voor route B. Bouw NOOIT route C." Dit is een Dragon1-principe: hergebruik boven herinventie.

Dit patroon is waarom architectuur niet-onderhandelbaar is. Zonder structureel begrip ontsnap je niet aan Pattern J. Alleen begrip van het systeem — weten welke route werkt — breekt de cyclus.

⚠ Standard AI Coder

  • Bug ontdekt in productie door gebruikers
  • Zelfde bug herverschijnt in volgend bestand/project
  • Geen patroon-herkenning
  • Features stil verloren tussen iteraties
  • Vast in zelfde aanpak na 2 mislukkingen
  • "Werkt op eerste prompt" = klaar
  • 36 bugs × 30 min = 18+ uur verspild

✓ Architecture-Driven (dit framework)

  • 36 bugs gevangen in dev — 0 naar productie
  • Elke bug geclassificeerd (5× rood, 3× geel, 14× groen, 7× loop)
  • 36 bugs → 10 patronen (A-J) met automatische grep-detectie
  • 27-punt checklist voorkomt feature-regressie
  • 7 loop escapes → lateraal denken, allemaal opgelost
  • 1 structurele fix retroactief op alle 16 pagina's
  • Patroon → regel → automatisering = nooit herhalen

Dragon1 methodologie als fundament

Dit framework komt niet uit theorie. Het is gebouwd op Dragon1 Enterprise Architecture — principes als causale mechanismen, toegepast op AI-samenwerking.

🎯

Principes als mechanismen

Niet "we streven naar herbruikbaarheid." Maar: "Door core-logica te scheiden van platform-code zorgen we dat een bugfix in de engine zich naar alle platforms tegelijk propageert, en zo de onderhoudskost met 75% reduceert."

🏗

Total Concept

Constructief: Code, repositories, API's.
Operatief: WhatIf Protocol, Debug Protocol, Over-en-Uit.
Decoratief: DESIGN_TOKENS.md — kleuren, typografie, spacing per project.

📐

Concept levels

Core-logica gescheiden van platform-implementatie. Een forensische app: één Meta-engine bedient Android, iOS en Web. Een principe-fix in Meta cascadet naar alle platforms — door ontwerp, niet door geluk.

🖌

Descriptive rendering

SVG en ArchDSL in plaats van bitmaps. Architectuur-artefacten zijn code — versionable, diffable, searchable. Geen screenshots in een PowerPoint.

⚠ Zonder dit framework

  • Elke sessie start vanaf nul — geen geheugen
  • Zelfde bugs in sessie 1, 5, 20, 50
  • Geen impact-voorspelling
  • Architectuurkennis verdampt tussen sessies
  • 77 repos = 77 keer het wiel opnieuw
  • Bitmaps in Confluence — niet diffable
  • Security ontdekt in productie, niet by design

✓ Met Dragon1 + AI Governance

  • 112 persistent memories laden bij sessie-start
  • 32 feedback loops voorkomen bekende fouten
  • Color-coded impact vóór eerste regel code
  • 25 principes besturen elke beslissing
  • CLAUDE.md templates hergebruikt — building blocks
  • SVG + ArchDSL — architectuur als code, in git
  • git-crypt + infrastructure safety — security by constraint

Geïnteresseerd in gestructureerde AI-samenwerking?

Het framework is open source. De scanner-tooling is herhaalbaar. Het bewijs is verifieerbaar.

Lees het artikel → iCt Horse