Waarom Dirgeanders is dan andere AI coding agents

Laten we eerlijk zijn: de meeste AI coding tools voelen aan als een nieuwe developer die elke sessie opnieuw moet inwerken. Ze verschijnen, doen hun ding, en vergeten alles zodra het gesprek eindigt. Je komt terecht in een eindeloze loop van opnieuw uitleggen hoe je codebase in elkaar zit, wat je voorkeuren zijn, welke patronen je gebruikt. Vermoeiend, en eerlijk gezegd: zonde van de tijd.

Dat is precies het probleem dat Dirge wil oplossen. Deze native Rust coding agent is niet zomaar een wrapper rond een LLM — het is een doordacht systeem dat context behandelt als iets dat behouden moet blijven.

Geboren uit Rust, Gebouwd voor Snelheid

Het eerste wat opvalt aan Dirge is de bescheiden footprint. We hebben het over zo'n 8MB RAM bij idle, een 36MB binary, en nul runtime dependencies. Dat is alles. Vergelijk dat met Electron-gebaseerde alternatieven die vrolijk gigabytes RAM opslokken voordat je ook maar één regel code hebt geschreven.

Dit is belangrijk omdat AI coding tools geen drammerige diva's zouden moeten zijn. Ze moeten rustig zijn, efficiënt, en klaar wanneer je ze nodig hebt — niet hongerige beesten die de prestaties van je machine naar beneden halen zodra je een terminal opent.

De terminal-first TUI (gebouwd met ratatui en crossterm) houdt alles lean en keyboard-driven. Je krijgt live token streaming, een vertakkende session tree om je gespreksgeschiedenis bij te houden, en configureerbare info panes. Dit is de interface die developers eigenlijk willen: snel, informatie-dicht, en muisvrij.

Een Agent Die Niet In Paniek Raakt

Hier wordt het interessant. De agent loop is niet simpelweg "stuur prompt, krijg respons, voer tools uit." Het is ontworpen om met de realiteit om te gaan.

Modellen hallucineren tool calls. Ze produceren malformed JSON. Ze interpreteren paths verkeerd. Standaard agents vallen hier uit elkaar — ze crashen, gaan in oneindige loops, of produceren rommel die je handmatig moet opruimen. Dirge repareert malformed tool calls, valideert elke file write via tree-sitter voordat het disk raakt, en heeft circuit breakers voor repeat loops.

Maar de killer feature? Als een model blijft falen, geeft Dirge niet zomaar op. Het injecteert een recovery checkpoint, suggereert wat het model waarschijnlijk bedoelde (de tool of het path), en als dat niet werkt, schaalt het automatisch op naar een sterker model. Het verschil tussen een agent die zichzelf tegen een muur beukt en eentje die gewoon het werk afmaakt.

Geheugen dat Blijft

De naam "dirge" is toepasselijk. Voor het geval je het niet kent: een dirge is een lied dat gezongen wordt om de doden te begeleiden — om te voorkomen dat ze de weg kwijtraken. In de context van AI agents, doet Dirge exact hetzelfde met de context van je project.

Dirge implementeert een two-tier memory systeem. De hot tier houdt feiten inline waar het model ze direct kan benaderen. De rest gaat in een doorzoekbare breadcrumb index. En er is een globale cross-project tier voor je persoonlijke voorkeuren — de manier waarop je je code graag formatteert, je favoriete patronen, je ergernissen. Dit persisteert over sessies heen, over projecten heen.

Tussen sessies door extraheert een post-session orchestrator lessen en curateert geheugen en skills. Dus als je 20 minuten hebt besteed aan het debuggen van een lastige Rust lifetime issue met een specifiek patroon, onthoudt Dirge dat. De volgende keer dat je iets vergelijkbaars tegenkomt, heeft het context.

Long-horizon sessies gebruiken duurzame, incremently-refreshed checkpoints die verankerd zijn aan een stabiele identiteit. Een resumed compacted session herstelt zijn live state — niet een oude snapshot. Als je ooit hebt geprobeerd een week-oude coding taak weer op te pakken en 30 minuten hebt besteed aan je opnieuw oriënteren, snap je waarom dit belangrijk is.

Slim Routeren en Multi-Provider Support

Dirge sluit je niet op bij één AI provider. Het ondersteunt OpenAI, Anthropic, DeepSeek, Gemini, Ollama, OpenRouter, en GLM — plus elke OpenAI-compatible endpoint. OpenRouter is de default, wat betekent dat het out of the box werkt voor de meeste gebruikers.

Maar hier komt het sophisticated deel: je kunt verschillende taken naar verschillende modellen routeren. De main loop, review, escalation, summarization, en subagent rollen kunnen elk naar verschillende modellen wijzen. Wil je een goedkoop, snel model voor routine edits maar opschalen naar iets krachtigers voor complexe refactoring? Dirge maakt die configuratie triviaal.

Security Zonder Compromissen

Dirge neemt security serieus met een unified permission engine — één Policy Decision Point met vier modes, operation-based rules, en session allowlists. De /why commando traceert precies welk beleid een beslissing heeft gemaakt en waarom. Geen black boxes.

Voor de paranoids (en je zou paranoid moeten zijn), er is sandbox mode. Run bash commands geïsoleerd met bubblewrap voor een namespaced jail, of leverage hardware-isolated libkrun microVMs. Defense in depth bovenop de permission engine.

Gebouwd voor Serieus Development

Naast de core agent loop, pakt Dirge features in die serieus ontwikkelaars nodig hebben:

De phased planning workflow draait explore → plan → implement → review als context-geïsoleerde fases. Een read-only agent mapt de code, een tweede draftt het plan, dan draait een write-disabled reviewer de code en voedt gaps terug voor een bounded retry. Het is alsof je een architectural review ingebouwd hebt in je workflow.

De spec-driven workflow trackt changes als SQLite rows (niet fragiele markdown files). Proposals, requirement deltas, en task checklists met echte status — de actieve change wordt altijd geïnjecteerd in context, en archiveren vormt duurzaam geheugen.

Code intelligence komt van tree-sitter integratie, met inline LSP diagnostics voor 10+ talen die direct in tool output worden gesurfaceerd zodat de agent compile errors oplost in dezelfde turn. Geen "probeer deze fix... build fails... probeer opnieuw" loops meer.

En als je moet debuggen? Dirge heeft een ingebouwde Debug Adapter Protocol client die echte debuggers aanstuurt — set breakpoints, step door code, inspect stacks en variables — rechtstreeks vanuit de agent loop.

Uitbreidbaar by Design

Het Janet plugin systeem hookt de volledige lifecycle: intercept tools, rewrite prompts, register commands. Er is ook Claude-compatible skills die on demand worden geladen. En MCP/ACP support betekent dat Dirge zowel een tool provider als consumer kan zijn — je zou bijvoorbeeld Claude Code implementation taken naar Dirge kunnen laten delegeren en ze laten reviewen.

De Conclusie

Dirge probeert niet de meest flashy AI coding tool te zijn. Het probeert de meest betrouwbare te zijn. De memory persistence, de error recovery, de token-efficient I/O (files worden gelezen als skeletons wanneer mogelijk, oversized outputs worden relayed naar disk met summaries), de multi-provider flexibiliteit — het telt allemaal op tot een agent die daadwerkelijk met je meewerkt over tijd in plaats van elke sessie te resetten.

Voor developers die moe zijn van altijd opnieuw beginnen, startups die consistente AI assistance nodig hebben zonder vendor lock-in, en iedereen die is verbrand door een AI die alles belangrijke vergat — Dirge is het proberen waard.

Installeer het in één regel van crates.io (cargo install dirge-agent), stel een API key in, en begin met coderen. Zo simpel is het om te starten.

De death dirge was een lied om de doden te herinneren. Dirge, de coding agent, is een systeem om ervoor te zorgen dat je AI nooit vergeet wat jullie samen hebben gebouwd.