AI Memory in één minuut
Context is de werktafel voor de huidige verwerking. Memory kan een apart notitieboek of archief zijn waaruit later iets op tafel wordt gelegd. Dat gebeurt alleen als de toepassing het bewaart en terughaalt. Een model dat schrijft “ik zal dit onthouden” bewijst daarmee niet dat een blijvende opslag heeft plaatsgevonden.
AI Memory is meer dan een lang chatgesprek
Je wilt dat toekomstige productteksten een zakelijke toon hebben en geen onbevestigde voordelen toevoegen. Een toepassing kan die voorkeur bewaren en bij een volgende opdracht opnieuw meegeven. De voorkeur staat dan buiten de lopende vraag opgeslagen. Als de toepassing dat niet ondersteunt, kan hetzelfde verzoek na het afsluiten van het gesprek verloren gaan.
| Type | Wat kan worden bewaard? | Belangrijke beperking |
|---|---|---|
| Sessiestatus | Voortgang, tijdelijke keuzes en berichten tijdens één taak. | Kan verdwijnen of worden samengevat wanneer de sessie eindigt. |
| Voorkeuren | Bijvoorbeeld taal, toon of een afgesproken uitvoerformaat. | Moeten aanpasbaar zijn en mogen geen nieuwe opdracht vervangen. |
| Persistent geheugen | Geselecteerde feiten of werknotities over meerdere sessies. | Opslag betekent niet dat alles bij iedere vraag wordt opgehaald. |
| Externe gegevens | Een CRM-dossier, projectbestand of database als geraadpleegde bron. | Blijft een beheerde bron met eigen rechten en actualiteit. |
Dit zijn conceptuele categorieën, geen verplichte productonderdelen. Ze kunnen overlappen. Een voorkeur kan persistent worden opgeslagen, en een externe projectnotitie kan de voortgang van een sessie vastleggen. Verschillende aanbieders gebruiken het woord memory bovendien voor verschillende functies. Beoordeel daarom wat een concrete toepassing opslaat en terugleest, niet alleen hoe zij de functie noemt.
De Context Window bevat wat een model binnen de actuele verwerking kan gebruiken. Een omvangrijk opgeslagen geheugen past daar niet automatisch volledig in. De toepassing selecteert of vat samen. Trainingsdata zijn weer iets anders: die hebben tijdens een leerproces bijgedragen aan de modelgewichten. Een nieuwe klantvoorkeur opslaan is normaal gesproken geen hertraining van een LLM.
Bewaren, terugvinden en toepassen zijn aparte stappen
- Vastleggen
Bewaar een relevant feit, voorkeur of voortgangsrecord met herkomst.
- Selecteren
Haal voor de nieuwe taak de passende, toegestane informatie op.
- Toepassen en controleren
Gebruik die informatie in de huidige context en controleer of zij nog geldig is.
Een implementatie kan bestanden, databasevelden, zoekindexen of andere opslag gebruiken. Een embedding kan helpen relevante notities te vinden, maar maakt een notitie niet automatisch waar. RAG kan de ophaalstap ondersteunen; niet elk geheugensysteem gebruikt een vector database en niet iedere RAG-bron is persoonlijke memory. De rol in het proces bepaalt wat de informatie betekent.
De officiële memory tool van Anthropic is een concreet voorbeeld: het model vraagt bestandsbewerkingen aan en de toepassing voert die uit op opslag die zij beheert. Dat illustreert hoe geheugen buiten de modelgewichten kan bestaan. Het zegt niet dat iedere assistent hetzelfde opslaat, dezelfde opslagplaats gebruikt of automatisch informatie tussen alle gesprekken deelt.
Bij lang werk is een beknopt voortgangsregister nuttiger dan een ongericht archief van alles. Voor een controle van 400 producten kan het record afgeronde productcodes, openstaande uitzonderingen, bronversies en het volgende startpunt bewaren. Een nieuwe run kan daarmee verdergaan zonder te doen alsof alle vorige stappen nog in de huidige context passen.
Bewaar onderscheid tussen een feit en een voorstel. “De klant heeft levering op donderdag bevestigd” is iets anders dan “donderdag is als mogelijkheid voorgesteld”. Als een samenvatting dat verschil verliest, kan een volgende agentstap een onbevestigde afspraak behandelen als een gegeven. Een fout kan zo langer doorwerken dan de sessie waarin hij ontstond.
Ook een opgeslagen prijs of voorraadstand heeft een datum nodig. Voor een actuele belofte is de geldende bron belangrijker dan een oude notitie. Connectors kunnen de juiste bron opnieuw raadplegen. Een geheugenfunctie moet niet stilzwijgend een recente ERP-opvraag vervangen door een eerder onthouden bedrag.
Maak geheugen corrigeerbaar en begrensd
Een bruikbaar ontwerp laat zien wat is bewaard, voor welk doel en op welk niveau. Een persoonlijke voorkeur hoort niet zonder reden voor alle medewerkers te gelden. Een klantnotitie mag niet bij een andere klant terechtkomen omdat beide namen op elkaar lijken. Identiteit, accountbereik en rechten blijven nodig bij zowel het opslaan als het teruglezen.
Correctie hoort bij het geheugenontwerp. Maak het mogelijk verouderde of onjuiste informatie aan te passen en terug te zien welke versie leidend is. Een nieuwe instructie moet niet ongemerkt worden tegengesproken door een oude voorkeur. Leg voor belangrijke feiten vast of ze bevestigd, afgeleid of nog onzeker zijn.
Verwijderen heeft verschillende lagen. Een notitie uit actief geheugen wissen betekent niet automatisch dat elke export, back-up of log eveneens verdwijnt. Hoe dat werkt, hangt af van de toepassing en haar bewaarbeleid. Vermijd daarom algemene beloften over vergeten en vraag naar de concrete opslag en de gevolgen van een verwijderactie.
Bronnen kunnen ongewenste instructies bevatten. Als een systeem zulke tekst als blijvende opdracht opslaat, kan die later opnieuw invloed krijgen. Bewaar taakrelevante feiten en herkomst, en behandel externe tekst niet als een autorisatie voor toekomstige acties. Geheugen is geen route om bestaande toegangsgrenzen of menselijke beoordeling te omzeilen.
- Bewaar alleen wat een volgend gebruik daadwerkelijk helpt.
- Koppel notities aan de juiste persoon, taak en bron.
- Controleer datum, status en eventuele tegenspraak.
- Maak bewaarde informatie zichtbaar en corrigeerbaar waar passend.
- Test hervatten, vergeten en toegangsgrenzen met realistische voorbeelden.
AI Agents gebruiken memory om werk over meerdere stappen of sessies te organiseren. Human-in-the-loop kan belangrijke feiten of wijzigingen laten bevestigen, en een Agentic Workflow bepaalt wanneer het geheugen wordt gelezen of bijgewerkt. Goede AI Memory belooft geen menselijk herinneren; zij levert relevante, herleidbare informatie op het juiste moment.