Waarom je AI-agents elke sessie opnieuw beginnen — en hoe je dat oplost
Het duurste probleem in agentwerk is geheugenverlies: elke sessie begint blanco. Over de geheugenlaag die van losse gesprekken één doorlopend, herleidbaar brein maakt.
De grootste AI-modellen delen één hardnekkig tekort: aan het begin van elk gesprek weten ze niets meer van gisteren. Elke sessie opnieuw context bijladen kost tijd, tokens en consistentie — en fouten sluipen terug omdat de vorige oplossing simpelweg vergeten is. Voor een chatbot is dat vervelend. Voor een team van agents dat dagelijks werk uitvoert, is het het duurste probleem dat er is.
Het blanco-blad-probleem
Een agent die maandag een beslissing nam, begint dinsdag weer bij nul. De redenering, de afwegingen, de doodlopende paden — allemaal weg. Je betaalt dus twee keer: eerst om de kennis op te bouwen, daarna om hem telkens opnieuw te reconstrueren. En elke reconstructie is een kans om het nét even anders, en fout, te doen.
Waarom een "second brain" meestal niet werkt
De reflex is: sla alles op. Maar de meeste kennisbanken worden een kerkhof — notities gaan erin en komen er nooit meer uit. En de gangbare AI-oplossing, RAG, doorzoekt bij elke vraag de documenten opnieuw vanaf nul. Er stapelt niets op; er wordt telkens gezocht. Opslag groeit, bruikbaarheid niet.
Geheugen is geen opslag maar een loop: elke bron die je toevoegt maakt alles wat er al in zit waardevoller — mits iets de verbanden onderhoudt.
De loop: ingest, query, lint
Een geheugen dat compoundt heeft drie bewegingen. Ingest: elke afgesloten sessie, taak en wijziging wordt opgeknipt in atomische notities en gelinkt aan bestaande kennis. Query: een nieuwe agent vraagt bij de start "wat is er al besloten, gebouwd, geprobeerd?" — met bronverwijzing. Lint: periodiek scant het geheugen zichzelf op tegenstrijdigheden, verouderde claims en gaten, en rapporteert — het wist nooit.
Waarom het compoundt
De waarde zit niet in de notities maar in de verbanden ertussen. Tien notities kennen hooguit 45 verbindingen; vijfhonderd notities al ruim honderdduizend. Die verbanden groeien kwadratisch terwijl de notities lineair groeien — en precies daar sneuvelt elk handmatig systeem: niemand houdt dat bij. Een agent wél. Dat is de hele truc: laat het onderhoud van de verbanden automatiseren, en het geheugen wordt met elke bron slimmer in plaats van alleen groter.
On-prem, en met bron
Een geheugen vol gesprekken en bedrijfskennis is gevoelig. Daarom hoort het op eigen hardware te draaien, en linkt elke herinnering terug naar de sessie waar hij vandaan komt — navraagbaar, geen blackbox. Dezelfde discipline als een goede RAG: niets telt als waar tot de bron het bevestigt.
Conclusie
Een agent die elke ochtend blanco begint, is een dure stagiair met geheugenverlies. De oplossing is geen groter model, maar een laag eronder: een doorlopend, herleidbaar geheugen dat losse sessies verandert in één brein dat blijft leren. Dat is precies waar het lab van Neuralex aan bouwt.