Ontwikkel een Windsurf AI-Agent voor Contextbewuste Code Suggesties
description
Met deze prompt leer je een AI-agent te creëren die je ontwikkelproces ondersteunt door slimme, contextuele codevoorstellen te doen, waardoor je sneller en efficiënter kunt programmeren. Het helpt je om AI optimaal te benutten zonder dat je telkens zelf alle context hoeft aan te leveren, wat het werkproces aanzienlijk versnelt ten opzichte van standaard code assistentie.
prompt
Help me een AI-agent te ontwerpen binnen Windsurf die contextbewust codevoorstellen doet gebaseerd op mijn huidige projectstatus en programmeerstijl. Mijn softwareprojecttype: <voer het type ...
try_prompt
generate_helper
disclaimerOnPageApi
tags
ai_answers
provider: openai
model: gpt-4.1-nano
Natuurlijk! Hier is een gestructureerd plan om een AI-agent binnen Windsurf te ontwerpen die contextbewuste codevoorstellen doet:
1. **Contextualisatie instellen:**
Maak een contextmodel dat je projectstatus, programmeertalen en stijl vastlegt.
2. **Informatie verzamelen:**
Gebruik API's of bestandslezers om projectstatus, code en stijlgegevens te verzamelen.
3. **Codevoorstellen genereren:**
Integreer een AI-model (bijvoorbeeld via OpenAI API) dat op basis van de context korte codefragmenten genereert.
4. **Integratie binnen Windsurf:**
Maak een plugin of script dat de gegenereerde voorstellen toont en direct toepast.
Hier is een voorbeeld van een eenvoudige implementatie:
```javascript
// Stap 1: Context vastleggen
const context = {
projectType: 'webapplicatie',
talen: ['JavaScript', 'Python'],
stijl: 'leesbaar, beknopt'
};
// Stap 2: Verzamel projectinformatie (voorbeeld)
async function getProjectStatus() {
// Lees bijvoorbeeld package.json of andere configuraties
const response = await fetch('/project-info');
return response.json();
}
// Stap 3: AI-aanroep voor codevoorstel
async function getCodeSuggestion(prompt) {
const response = await fetch('https://api.openai.com/v1/engines/davinci-codex/completions', {
method: 'POST',
headers: {
'Content-Type': 'application/json',
'Authorization': 'Bearer YOUR_API_KEY'
},
body: JSON.stringify({
prompt: prompt,
max_tokens: 50,
temperature: 0.3
})
});
const data = await response.json();
return data.choices[0].text.trim();
}
// Stap 4: Samenstellen prompt op basis van context
async function generatePrompt() {
const projectInfo = await getProjectStatus();
const prompt = `
Voor een ${context.projectType} geschreven in ${context.talen.join(' en ')}.
De code moet ${context.stijl} zijn.
Huidige status: ${projectInfo.status}.
Geef een kort, beknopt codevoorbeeld voor: ${projectInfo.currentTask}.
`;
return prompt;
}
// Stap 5: Codevoorstel tonen
async function toonVoorstel() {
const prompt = await generatePrompt();
const voorstel = await getCodeSuggestion(prompt);
console.log('AI-voorstel:', voorstel);
// Hier kun je het voorstel invoegen in je IDE of editor
}
// Aanroepen van de functie
toonVoorstel();
```
**Belangrijk:**
- Vervang `'YOUR_API_KEY'` door je eigen API-sleutel.
- Pas de functies aan voor jouw projectstructuur en integratiebehoeften.
- Dit is een basisvoorbeeld; voor productie kun je het verder uitbreiden met foutafhandeling en UI-integratie.
Wil je dat ik help met specifieke integratie binnen Windsurf of verdere optimalisaties?
provider: deepseek
model: deepseek-chat
Hier is een ontwerp voor een contextbewuste AI-agent in Windsurf voor jouw webapplicatieproject:
### Kernfunctionaliteiten:
1. **Projectcontext-analyse**
- Leest je huidige bestandenstructuur en open tabs
- Analyseert je codeerpatronen in JavaScript/Python
- Houdt rekening met gebruikte frameworks (React, Vue, Django, etc.)
2. **Adaptieve suggesties**
- Herkent je naming conventions (camelCase/snake_case)
- Volgt je voorkeur voor functionele of klassieke stijl
- Past suggesties aan op basis van je import-gebruik
### Voorbeeld suggesties:
**JavaScript:**
```javascript
// Context: Je werkt aan een React component
const handleSubmit = (e) => {
e.preventDefault();
// AI suggereert hier:
const formData = new FormData(e.target);
const data = Object.fromEntries(formData);
}
```
**Python:**
```python
# Context: Je maakt een Flask endpoint
@app.route('/api/data')
def get_data():
# AI suggereert hier:
try:
data = request.get_json()
return jsonify({'status': 'success', 'data': data})
except Exception as e:
return jsonify({'error': str(e)}), 400
```
### Stijlvoorkeuren implementatie:
- **Beknopt**: Maximaal 5-7 regels per suggestie
- **Leesbaar**: Duidelijke variabelenamen, consistente formatting
- **Direct toepasbaar**: Geen placeholder comments, werkende code
### Technische implementatie:
- Real-time analyse van je typing patterns
- Learning van je acceptatie/afwijzing van suggesties
- Framework-specifieke snippets (Django models, React hooks, etc.)
Zal ik specifieke aspecten van dit ontwerp verder uitwerken voor jouw project?