In het kort
Gebruik de assistent waar die zich duidelijk terugbetaalt, geef gerichte context in plaats van hele repositories, kies een kleiner of sneller model voor routinematige bewerkingen, en knip moeilijke taken op in eenvoudige stappen die u controleert. Eén onderzoek vond dat programmeren met AI-hulp bij de geteste taken ongeveer 33 keer de koolstofvoetafdruk had van handmatig werken. Gewoonten doen er dus toe.
Stappen
- Bepaal of de taak de assistent nodig heeft of dat u hem sneller zelf typt.
- Kies een kleiner of sneller model voor routinematige aanvullingen en bewerkingen.
- Wijs de assistent op de relevante bestanden in plaats van de hele repository.
- Knip een moeilijke taak op in kleine stappen en controleer elke stap voordat u verdergaat.
- Stel stap- of budgetlimieten in voor agentmodi en stop runs die in een lus raken.
- Volg het assistentgebruik van uw team naast de kosten.
Gebruik de assistent bewust, niet uit gewoonte, en houd klein wat hij leest. Codeerassistenten zijn nuttig, maar hun energieverbruik is onzichtbaar voor degene die ze gebruikt.
Waarom doet het ertoe?
Cheung en collega's vergeleken handmatige en door AI ondersteunde ontwikkeling op een reeks programmeertaken. Ze vonden dat de aanpak met AI-hulp ongeveer 33 keer de koolstofvoetafdruk had van de handmatige aanpak, en dat het verschil groter werd naarmate taken moeilijker werden. Dat betekent niet dat u nooit assistenten moet gebruiken; het betekent dat u ze gebruikt waar ze echt tijd besparen.
Agentmodi kosten nog meer. Anthropic meldde dat zijn agents doorgaans ongeveer vier keer zoveel tokens gebruikten als een chat, en multi-agentsystemen ongeveer vijftien keer zoveel.
Wat maakt het grootste verschil?
- Context. Elk bestand dat de assistent leest, wordt bij elke beurt opnieuw verwerkt. Open of verwijs alleen naar de bestanden die ertoe doen, en begin een nieuwe sessie voor een nieuwe taak.
- Modelkeuze. Bij veel tools kunt u een model kiezen. Een klein, snel model is meestal genoeg voor aanvullingen, hernoemingen en standaardcode; bewaar het grote model voor ontwerp en debuggen.
- Limieten voor agents. Geef agents een duidelijk doel, een stopvoorwaarde en een maximaal aantal stappen. Zie hoe u voorkomt dat AI-agents tokens verspillen.
- Kleine stappen met controle. Als iemand elke stap controleert, voorkomt u lange runs die de verkeerde kant op gaan.
Veelgemaakte fouten
- Een agent "de tests laten repareren" in een lus zonder einde.
- Een heel bestand opnieuw laten genereren om één regel te wijzigen.
- Code accepteren zonder de efficiëntie te controleren: zie hoe u AI energiezuinige code laat schrijven.
Lees voor het grotere geheel agentische AI en tokenverspilling.
Bronnen
- Comparative analysis of carbon footprint in manual vs. LLM-assisted code development, Cheung, Kaul, Jahangirova, Mousavi and Zie, ResponsibleSE 2025 (ACM) (2025)
- How we built our multi-agent research system, Anthropic (2025)
- GreenCode Constitution: agent principles for optimizing code and LLM inference energy use, Kapenekakis, Kim, Ionescu, Thomsen and Albano, GreenAI workshop, ECML PKDD 2026 (2026)
Gerelateerd
Hoe laat ik AI energiezuinige code schrijven?
Hoe u AI-codeertools om efficiënte code vraagt, waarom efficiënt maar fout niets waard is, en hoe u gegenereerde code test en meet voordat u die accepteert.
Hoe voorkom ik dat AI-agents tokens verspillen?
Praktische vangrails voor AI-agents: stopvoorwaarden, limieten op stappen en tokens, lusdetectie, ingekorte context en kleine modellen voor eenvoudige stappen.
Agentische AI en verspilde tokens
Waarom AI-agents vele malen meer tokens en energie gebruiken dan een chat, hoe lussen ze verspillen, en welke vangrails agents op de juiste maat houden.
AI efficiënt gebruiken: dagelijkse gewoonten
Dagelijkse gewoonten die het energieverbruik van AI verlagen: duidelijke prompts, minder opnieuw genereren, zuinig met beeld en video, caching en standaardfuncties uit.