Zo bouw je een eigen Rust app met AI coding

Mijn vrouw keek naar de chaos op haar harde schijf en vroeg of ik niet gewoon een app kon bouwen om het op te lossen. Verschillende importmappen vol met duizenden foto's, video's en eindeloze duplicaten. Handmatig sorteren zou haar dagen kosten.

Nu ben ik absoluut geen programmeur, maar ik experimenteer al een paar weken met vibe coding. Dit leek het perfecte project om te kijken hoe ver dat me zou brengen.

Waarom ik voor Rust koos

Ik had dit met Python voor elkaar kunnen krijgen, maar ik had veel goede verhalen gehoord over Rust. Die taal staat bekend om snelheid en efficiënt geheugengebruik, maar vooral om het voorkomen van fouten die vaak in de weg zitten bij AI gestuurde ontwikkeling. En ik wilde al lang een echte Windows executable maken, dus dit was het moment.

Rust heeft normaal gesproken een steile leercurve voor ontwikkelaars. Maar de combinatie van Antigravity en Gemini werkte verrassend goed. Ik kon zelfs zonder technische achtergrond snel een stabiele tool bouwen.

Het ontwerpproces vooraf

Voordat ik begon met code schrijven, heb ik tijd gestoken in het design. Hiervoor gebruikte ik Gemini als assistent. We werkten door wat de tool precies moest doen, hoe de interface eruitzag, welke functies essentieel waren. Dat voorwerk bleek later echt de moeite waard.

De eerste versie deed direct wat ik voor ogen had. Bestanden verplaatsen naar mappen per jaar, duplicaten apart zetten, alles werkte meteen zoals bedoeld. Echt bijzonder.

Focus houden op wat echt nodig was

Ik overwoog nog een gallery view binnen de app toe te voegen, een visueel overzicht van alle georganiseerde foto's. Maar na een paar pogingen besloot ik dat niet door te zetten.De gekozen GUI leek niet de juiste keuze voor dat doel. Belangrijker nog, het was niet echt nodig. Het bekijken en verder opschonen van de foto's werkt uitstekend vanuit de Windows Verkenner met de voorbeeldweergave.

Precies waar het om gaat bij je eigen tool bouwen. Je hoeft geen features toe te voegen omdat ze "er zouden moeten zijn." Je bouwt alleen wat het probleem oplost.

Van persoonlijke tool naar publieke release

Omdat het hoofddoel zo goed werkte, besloot ik de tool te publiceren op GitHub. Die beslissing leidde tot een aantal extra iteraties. Een waarschuwingsmelding toevoegen dat het verstandig is om een backup te hebben en dat gebruik op eigen risico is. Duidelijke namen voor de knoppen. Een fatsoenlijk icoon. En extra focus op gebruiksvriendelijkheid voor mensen die de tool voor het eerst openen.

De iteraties waren allemaal kleine verbeteringen. Ik heb geen moment fouten of problemen hoeven oplossen. Dat is denk ik wel een voordeel van Rust in combinatie met AI tools, het voorkomt veel van de typische beginnerfouten die normaal optreden.

Compileren in WSL naar Windows executable

Wat ik ook bijzonder vond, is dat ik het compileren deed in WSL (Windows Subsystem for Linux) en de uitkomst een Windows applicatie is. In het begin kreeg ik ook een Linux-versie, maar dat hebben we laten varen.

Het icoon toekennen aan de executable kostte nog wel wat tijd. Dat werkte niet goed vanuit WSL, dus hebben we de icoon die we binnen de app gebruiken apart laten opslaan. Deze kon ik handmatig omzetten naar het juiste icoonformaat. Na elke compilatie moet ik met een tooltje binnen Windows via PowerShell het icoon toekennen aan de exe. Klein beetje handwerk, maar dat vind ik geen probleem aangezien ik weinig wijzigingen verwacht.

De 10.000-bestand test

We gebruikten mijn eigen fotoarchief als eerste grote test. In een paar minuten tijd waren vijf verschillende importmappen met bijna 10.000 bestanden volledig georganiseerd. Wat normaal een eindeloos karwei zou zijn in Windows Verkenner, was klaar met een paar klikken. De duplicaten waren netjes verzameld en hadden alleen nog een laatste controle nodig.

Het grotere plaatje

Het hele project kostte ongeveer 24 uur, inclusief alle stappen om het te publiceren als release op GitHub. Voor mij was dit een prachtig project om te ontdekken hoe krachtig vibe coding is voor het oplossen van praktische problemen, zelfs als je geen enkele regel code zelf kunt schrijven.

Maar belangrijker nog, dit illustreert een nieuwe vorm van digitale autonomie. Als je een behapbaar digitaal probleem aanwijst, heb je nu een keuze. Je kan een bestaande tool zoeken, maar vooraf weet je niet of die precies doet wat je wilt. Mappen per jaartal maken, duplicaten vinden, dat moet je dan gaan testen. En dan krijg je er vaak nog allerlei toeters en bellen bij die je helemaal niet nodig hebt.

Of je bouwt zelf een tool die zich alleen focust op jouw specifieke probleem. Geen compromissen, geen overbodige complexiteit. Alleen wat nodig is om het probleem op te lossen.

Dat is voor mij misschien wel de mooiste vorm van digitale autonomie. Je hebt controle over je data, en over de tools die je gebruikt om die data te beheren.

Heb je ook zo'n fotochaos?

Als je deze chaos herkent en het handmatige organiseren voor je uit schuift, dan kan je de tool hier vinden. De volledige broncode staat ook op GitHub, dus je kan precies zien wat de tool doet voordat je hem gebruikt.

En heb je zelf een klein digitaal probleem geïdentificeerd waar je misschien een eenvoudige tool voor zou kunnen bouwen? Ik hoor het graag. Laten we ideeën delen op Reddit.

Download hier de Photo & Video Organizer

Over de auteur

Peter van Barneveld is Group Innovation Manager en verkent praktische wegen naar digitale autonomie. Hij test wat daadwerkelijk werkt in het dagelijks gebruik. Zijn aanpak: uitzoeken, het traject documenteren, eerlijke resultaten delen.

Kom in contact met LinkedIn of join de discussie op r/Dimaginar.

Veelgestelde vragen

Moet je echt helemaal niets van programmeren weten?
Wat je wel nodig hebt is geduld om door het designproces te gaan met een AI assistent, en bereidheid om te leren begrijpen wat de tool doet. Je hebt enig begrip voor technische concepten nodig, maar geen codeerexpertise. De AI schrijft de code, jij stuurt de beslissingen en beoordeelt de resultaten.

Wat heb je concreet nodig voor zo'n project?
Een AI codeeragent, een ontwikkelomgeving zoals WSL met VS Code, en een AI assistent voor vragen. Tijd om te leren en experimenteren. Beoordeel altijd kritisch wat de AI voorstelt, vooral bij code en systeemwijzigingen.

Wat kost dit eigenlijk aan AI tools?
Voor dit project heb ik alleen tijd geïnvesteerd, geen geld. Ik gebruikte Antigravity, dat in de preview fase gul is met gratis credits. Gemini 3 Pro voor het coding plan en eerste uitvoer, daarna Gemini 3 Flash voor iteraties. Voor grotere wijzigingen soms Claude Sonnet 4.5 (ook via Antigravity). Voor hulp gebruikte ik de gratis Gemini versie. En GitHub voor publicatie is ook gratis.

Wat als ik een bug vind of een suggestie heb?
Open een issue op GitHub, dan kunnen we het via de GitHub features oppakken. Of kom naar de Reddit community om ideeën te delen. Dit is mijn eerste publieke tool, dus feedback is welkom.