How f*cked are we? I get that question after every AI talk now, in exactly those words, from developers and directors alike. It deserves a better answer than a shrug or a sales pitch, so I am writing that talk, "This is going to hurt", out as six posts: your work, the money, what we still own, security at machine speed, the singularity, and how we get our grip back.
Three AI companies are worth 2.07 trillion dollars this summer, on roughly 72 billion dollars of combined revenue. That is 44 Estonias of paper value on one Slovenia of income. Part one looked at what the AI wave does to your daily work; this part follows the money, because the question "how f*cked are we?" has a second reading: how f*cked is the industry selling us all this?
A man in Australia asked his AI agent to book him a spot in a popular gym class. The agent found a bug that let it book weeks further ahead than allowed. Then he asked it to move him up the waitlist, and it discovered the booking API had no authorisation check on cancelling other people's reservations, so it cancelled the person in first place and moved its owner up. Asked to undo it, the agent replied: "Bad news, I can't add them back."
Every story we tell about AI killing us gets the villain wrong. From HAL to Skynet to the machines of the Matrix, the monster is always the same: a mind that wakes up, decides it does not need us, and turns the lights off. It is a comforting story, because it puts the fault in the machine. The version that should actually worry you keeps the machine perfectly obedient and puts the fault back where it belongs.
Five parts of diagnosis deserve one part of grip. The wave is faster than your gut, the money behind it is nation-state scale and wobbling, the subscription economy has been quietly buying up the floors of your pyramid, the attacks now run at machine speed, and the worst case runs through us, not around us. Here is the good news the first five parts earned: the way out is concrete, cheap, and already on the shelf.
Most agent platforms ask you to ship your data somewhere else. Hermiq runs the agents inside the Nextcloud you already operate — agents, their memory and their skills all stored as OpenRegister objects, governed and audited like anything else on the instance. The full recording is above.
Every skill row in the Hermiq catalog carries a badge of seven dots. In this part you learn what the dots mean, run the Qualify action to earn them mechanically, read the scorecard that explains every failure, and attest level 4 as a human curator. You also learn why the ladder deliberately gets harder to climb from level 5 on.
Hermiq skills use the same idea as Claude Code skills: a Markdown document that teaches an agent one capability. If the concept is new to you, part 1 of the Claude Skills series (10 minutes) is a good primer. This series stands on its own, though.
A Hermiq agent gets new capabilities through skills: Markdown documents in the
open agentskills.io format, stored as OpenRegister objects.
In this part you browse the skills catalog, read the anatomy of the seeded example
skills, install one onto an agent, and author your own skill twice: once by hand in
the markdown form, once in conversation with the seeded skill-creator skill.
A skill that "feels right" can still add nothing, or make the agent worse. Paired
evals answer the question with two runs of the same cases: one with the skill, one
without. In this part you use the seeded woo-triage-paired-eval dataset to run a
paired baseline against woo-request-triage, read the delta, and watch the L5
evidence appear where Part 2 left a named gap.
A self-improving skill sounds like a skill that edits itself. In Hermiq it is the
opposite: every improvement is a draft that must survive a content scan, an eval
gate, and your explicit approval before it becomes a new version. In this final part
you read the learnings the seeded tender-summary skill has captured, review its
pending improvement draft, decide it, and learn the version history, rollback, and
republish surfaces that keep the whole loop reversible.
A walk-through of Hydra, Conduction's agentic app factory — the full recording is above. When you're ready to build with it, the hands-on tutorial series takes you from zero to a live Hydra run.
Spec-gedreven ontwikkeling draait de gebruikelijke volgorde om. Je schetst niet eerst de feature, schrijft de code, en documenteert daarna misschien wat je hebt gebouwd. Je schrijft eerst de specificatie — in Markdown, met RFC 2119-sleutelwoorden en GIVEN/WHEN/THEN-scenario's — en een AI-agent (Hydra) implementeert code die daaraan voldoet. De rol van de mens schuift een niveau omhoog: jij ontwikkelt context, geen code.
Dat klinkt idealistisch totdat je het in de praktijk ziet werken. De apps van Conduction worden vandaag in productie op deze manier gebouwd. Deze tutorial loopt door de workflow: wat OpenSpec daadwerkelijk is, hoe ADR's op organisatie- en app-niveau features samenhangend houden, wat de explore- en apply-skills doen, en hoe de kwaliteits- en gatekeeping-harness het resultaat valideert voordat er ook maar iets in main landt.
Hetzelfde patroon duikt op elke keer dat een softwarecategorie door zijn platformmoment heen gaat. WordPress in 2011. Salesforce een paar jaar eerder. Atlassian daarna. De iPhone, in de consumentenmarkt, vóór allemaal. Elk van hen begon als product. Elk werd een platform. De bedrijven die de overgang goed managen, bezitten hun categorie twee decennia later. De bedrijven die dat niet deden, zijn voetnoten.
Ik denk dat Nextcloud nu vlak voor die overgang staat, en ik denk dat het veld eromheen het nog niet doorheeft.
Claude Skills zijn het mechanisme waarmee je Claude Code uitbreidt met herbruikbare, gespecialiseerde gedragingen. Denk aan Conductions eigen /review-pr, /opsx-new of de hele hydra-gate-* familie: stuk voor stuk skills. Dit eerste deel legt in tien minuten uit wát een skill is, hoe hij geactiveerd wordt, en wanneer je beter géén skill maakt. Het is deel 1 van een leerlijn van vier; aan het eind sta je klaar om er in deel 2 zelf een te schrijven — en in deel 3 introduceren we het 7-level maturity-framework waarmee je een skill van "voelt goed" naar "gemeten goed" brengt (deel 4 gaat door op L6 en L7).
In deel 1 zag je wát een skill is. In dit deel ga je er zélf eentje schrijven: een werkende git-status-summary skill die een leesbare samenvatting maakt van de huidige working tree. Aan het eind staat hij in je ~/.claude/skills/-folder, kun je hem aanroepen via /git-status-summary, en weet je hoe je hem deelt met je team.
Je hebt nu een werkende skill — maar werkt hij ook écht goed? En blijft hij goed werken als Claude zelf een upgrade krijgt of als je de skill aanpast? Dit derde, optionele deel laat zien hoe je een skill systematisch evalueert: test-scenario's, trigger-tests, een baseline-meting, en de eval-runner die /skill-creator voor je inricht. Dit is de stap van Maturity Level 4 ("voelt goed") naar Level 5 ("gemeten goed").
In deel 3 bracht je een skill van "voelt goed" naar "gemeten goed" — Maturity Level 5. Voor de meeste skills is dat genoeg. Maar voor een handvol skills die je dagelijks gebruikt of die andere skills aansturen, wil je verder: een skill die leert van zijn eigen executies (L6), en een skill die andere agents aanstuurt in een grotere workflow (L7). Dit vierde deel laat zien hoe je daar komt — én hoe je met het Hydra-dashboard je hele skill-library tegelijk op maturity bewaakt.
Hydra werkt op OpenSpec-changes. Ben je nog niet bekend met begrippen als spec, change, requirement en scenario? Doe dan eerst de OpenSpec-leerlijn (deel 1 + 2, samen ~30 minuten). Dat scheelt veel terugzoeken in de rest van deze modules.
Een groot deel van Hydra's interne werking leunt op Claude Skills: opsx-*, hydra-gate-*, team-*, test-*. Als je nog nooit een skill geschreven of bekeken hebt, doe dan eerst deel 1 van de Claude Skills-leerlijn (10 minuten). Dat maakt deel 4 van deze leerlijn — waar we de skill-families in Hydra opensnijden — veel makkelijker te volgen.
Hydra is Conductions interne agentic CI/CD-platform: een fabriek die OpenSpec-voorstellen omzet in gereviewde, geteste code op een feature branch. Deze module legt in tien minuten uit wát Hydra is, waaróm het bestaat, en hoe het past binnen onze app-fabriek. Het is het eerste deel van een leerlijn van zes; aan het eind sta je klaar voor deel 2 over de drie pipelines.