Ontdek Swival: De AI-code-assistent die past bij jouw setup

Stel je voor: een AI die helpt met coderen, zonder dat je vastzit aan dure API's, krappe contextlimieten of een specifiek platform. Klinkt ideaal, maar de praktijk pakt vaak anders uit. Swival verandert dat. Deze open-source tool sluit aan op jouw modellen, hardware en workflow. Of je nu lokale LLMs draait op een simpele laptop of enterprise-API's gebruikt, Swival werkt mee.

Waarom developers hierop zitten te wachten

Veel AI-tools voor coderen gaan uit van perfecte omstandigheden: onbeperkte context en top-GPU's. Swival is gemaakt voor de echte wereld. Denk aan beperkte resources, lokale hardware of modellen die je slim moet inzetten voor goed resultaat.

Een junior dev met een MacBook en 16GB RAM? Swival draait llama.cpp zonder problemen. Een startup die vendor lock-in haat? Koppel het aan Open Router. Security-team met gevoelige data? Versleutel alles lokaal. Geen workflow-aanpassingen nodig.

Features die écht verschil maken

Slimme context-beheer

Andere agents proppen prompts vol met geschiedenis, tot het vastloopt. Swival houdt het strak met 'graduated compaction'. Het onthoudt eerdere sessies persistent, zonder elke keer een berg tokens te herhalen.

Jouw modellen, jouw regels

Swival vindt lokale setups zoals LM Studio of llama.cpp automatisch. Integreert ook met:

• HuggingFace
• OpenRouter
• Google Gemini
• ChatGPT (via je eigen OAuth)
• AWS Bedrock
• Elke OpenAI-compatibele server (Ollama, vLLM, enz.)

Wissel van model? Pas een flag aan. Geen gedoe met pricing of downtime.

Veiligheid ingebouwd

Activeer --encrypt-secrets en gevoelige data zoals API-keys blijft versleuteld buiten je machine. Het model ziet alleen veilige placeholders. Decryptie gebeurt lokaal bij de response. Perfect voor teams die privacy serieus nemen.

Leren dat blijft hangen

Met BM25-retrieval haalt Swival relevante info uit oude sessies. Gebruik /learn om kennis toe te voegen, en het onthoudt zonder je prompt op te blazen. Alsof je assistent je codebase echt begrijpt.

Review en benchmarks

Configurabele loops met 'LLM-as-a-judge' checken output. JSON-rapporten met timings, tool-gebruik en context-stats. Test Qwen 3 Coder vs GLM-5 op jouw taken en zie direct de metrics.

Betrouwbare security-audits

Voer /audit uit voor een scan op bugs in je code. Slim detail: bevindingen worden geverifieerd door geïsoleerde agents in aparte worktrees. Alleen reproduceerbare issues komen door, met echte patches. Minder valse alarmen.

Snel aan de slag

Installatie is een eitje. Voorbeeld met LM Studio:

# 1. Installeer Swival
uv tool install swival

# 2. Start een taak
swival "Maak error handling in src/api.py simpeler"

Klaar. Geen config-hel.

Lokaal met llama.cpp?

swival --provider llamacpp "Refactor deze auth-module"

HuggingFace?

export HF_TOKEN=hf_...
swival --provider huggingface --model zai-org/GLM-5.1 "Voeg error handling toe"

Voor interactief werk: swival zonder args voor een chat-sessie met geheugen.

Meer dan een CLI-tool

Embed in je Python-code:

import swival

answer = swival.run(
    "Welke files regelen authenticatie?",
    provider="openrouter",
    model="z-ai/glm-5",
)

Session-klasse voor multi-turn control. Of start een A2A-server met swival --serve voor agent-netwerken.

Makkelijk uit te breiden

Puuur Python, geen frameworks. Hackbaar en transparant. Voeg skills toe via SKILL.md, koppel MCP-servers of bouw agent-combo's. Alles aanpasbaar.

Benchmarks op maat

Calibra, de meegeleverde tool, test modellen, settings en servers op echte taken. Vind de beste quality-cost balans voor jouw flow.

Kortom

AI voor coderen is standaard geworden. Maar het hoeft niet gepaard met lock-in, privacy-risico's of zware eisen. Swival laat zien dat een slimme agent flexibel kan zijn en jouw keuzes respecteert.

Solo dev, startup of team: probeer het. Gratis, open-source en direct inzetbaar. Waarom zou je het niet doen?