AI-geheugen — wat een systeem vasthoudt als het gesprek voorbij is #

Een taalmodel onthoudt niets; geheugen is een architectuur die je eromheen bouwt — selectief vastleggen, duurzaam opslaan, bijwerken als iets verandert, en gericht terughalen. Een groter contextvenster is daar geen vervanging voor.

Inhoud #

Het model zelf heeft geen geheugen #

Een LLM is een stateless functie: de gewichten staan op het moment van gebruik vast en het leert tijdens een gesprek niets bij. Het enige wat het model van jouw situatie weet, zijn de tokens die je erin stopt. Elke nieuwe sessie begint bij nul — de bron die dit het scherpst formuleert noemt het “a briefing document for a new team member who has amnesia”, een ander stuk spreekt van het goldfish-probleem.

Wat mensen “het geheugen van ChatGPT” noemen, is dus nooit het model. Het is een laag ernaast die bepaalt welke eerdere informatie opnieuw in het venster wordt gelegd. Dat onderscheid is de kern van dit artikel: geheugen is een ontwerpkeuze, geen eigenschap van het model.

Waarom een groter contextvenster geen geheugen is #

De reflex bij dit probleem is: neem een model met een groter venster. Twee argumenten waarom dat de klif alleen uitstelt (bron: overzichtsartikel Dev Genius, maart 2026):

Echte gesprekken blijven niet bij één onderwerp. Eén dieetfeit terugvinden in een uur Python-debuggen is duur, traag en onbetrouwbaar — de aandacht van het model verslechtert aantoonbaar over zeer lange context. Dat is dezelfde meting die onder [[wiki/fundamenten/context-engineering]] ligt (Chroma, 18 modellen, juli 2025).
Een venster persisteert niet over tijd. Zelfs een venster van 10 miljoen tokens helpt niet als het gesprek zes weken geleden in een andere sessie plaatsvond. “Context windows only hold what’s in front of them right now. They don’t persist across time.”

Dit is de diachrone as: niet wat ziet het model nu?, maar wat blijft er over ná deze run? De lagenindeling context → harness → loop in [[wiki/fundamenten/context-engineering]] is synchroon — hij beschrijft één beurt of één run. Geen van die drie lagen beantwoordt de vraag wat er bewaard blijft. Geheugen is dus geen vierde ring om dezelfde as, maar een tweede as die er dwars doorheen loopt.

Wat je in plaats daarvan nodig hebt: een systeem dat selectief vastlegt wat ertoe doet, duurzaam opslaat, meeontwikkelt als dingen veranderen, en alleen het relevante terughaalt.

De onderscheiden die je moet kennen #

De bronnen gebruiken géén gedeelde taxonomie — dit is een inventarisatie van de onderscheiden die in omloop zijn, niet één afgesproken indeling.

Onderscheid	Inhoud	Waar het vandaan komt
kort vs. lang	main context (wat nu in de prompt zit) · recall store (recente gespreksgeschiedenis) · archival store (externe langetermijnopslag) — de besturingssysteem-metafoor: het model pagineert zelf in en uit	Letta/MemGPT
semantisch / episodisch / procedureel	wat het weet (feiten) · wat er gebeurde (gebeurtenissen met tijd) · hoe het hoort te handelen (gedrag)	LangMem
feit vs. overtuiging	objectieve feiten, eigen handelingsgeschiedenis, subjectieve overtuigingen mét confidence score, en gesynthetiseerde profielen — apart opgeslagen, zodat bewijs en gevolgtrekking gescheiden blijven	Hindsight
datasetkennis vs. gebruikerspersistentie	wat er in je documenten staat (domein van RAG) vs. wat het systeem over déze gebruiker weet (domein van geheugen) — de scherpste tweedeling van dit cluster	blog.devwithawais.com, april 2026
partitie per gebruiker/sessie	geheugen strikt gescheiden op gebruikers-ID en categorie, zodat context niet tussen gebruikers lekt — vereist in gereguleerde sectoren	Mem0 “Multi-Level Memory”
vergeten als functie	herinneringen vervallen als ze niet worden versterkt; geheugenconsolidatie als ontwerpprincipe in plaats van als bug	MemoryBank (onderzoeksproject)
geheugen in bestanden	instructie- en notitiebestanden die bij elke sessie meegaan; zie de paragraaf verderop	CLAUDE.md / AGENTS.md / MEMORY.md

Voor training is vooral de vierde rij bruikbaar: RAG en geheugen lossen twee verschillende problemen op. Dat verklaart waarom een goed werkende documentzoeker nog steeds niet weet hoe jij heet.

Er hoort een derde term bij: MCP is óók geen geheugen. Een MCP-koppeling is stateless by default — elke tool-aanroep opent een verse sessie, voert uit en ruimt op; er is geen persistente verbinding en geen herinnering tussen aanroepen tenzij je dat expliciet inricht (bron: Anthony Kigotho, AI Tools Digest, 5 juni 2026; geen commercieel belang, wel LangChain/Google-gericht). De drieslag wordt daarmee: RAG = wat staat er in onze documenten · geheugen = wat weet het systeem over jou · MCP = wat is er nú waar in het systeem, en wat mag ik ermee doen. Uitgewerkt in [[wiki/tools/mcp-model-context-protocol]].

Geheugen is een handeling, geen opslagbak #

Het productiepatroon dat twee van de bronnen onafhankelijk beschrijven: bij elke interactie kiest het systeem per feit één van vier operaties — ADD, UPDATE, DELETE, NOOP. Verhuist een gebruiker van Mumbai naar Bangalore, dan wordt het oude stadsfeit daadwerkelijk verwijderd in plaats van ernaast gezet. Klassieke RAG doet dat niet: die stapelt.

UPDATE is de kritieke operatie. Zonder update houdt een systeem tegenstrijdige records aan — “gebruiker houdt van melk” naast het nieuwere “gebruiker is lactose-intolerant” — en raakt de prompt vol verouderde data. NOOP is de tegenhanger: herkennen dat nieuwe informatie niets toevoegt, zodat het geheugen niet dichtslibt.

De eerste generatie geheugensystemen ging uit van de aanname “memory is retrieval”: feiten opslaan, feiten terugzoeken op gelijkenis. Die aanname breekt op drie punten:

Belief contradiction — corrigeert iemand zichzelf, dan zet zo’n systeem het nieuwe feit náást het oude, of overschrijft het stilzwijgend zonder spoor. Beide zijn slecht: het eerste levert tegenstrijdige herinneringen op, het tweede maakt achteraf niet meer te achterhalen wat er is gewijzigd.
Redeneren over tijd — “hoe is de relatie met deze klant de afgelopen drie maanden veranderd?” vergt chronologie, niet het meest gelijkende fragment. Een systeem dat geen timestamps meeschrijft, kan chronologische vragen principieel niet beantwoorden.
Uitlegbaarheid — je moet kunnen verantwoorden wélke herinneringen tot een advies leidden. Een similariteitsscore is geen verantwoording.

De richting waarin de nieuwere systemen zoeken is daarom: scheid het bewijs van de gevolgtrekking. “Ik denk dat deze gebruiker beknopte antwoorden prefereert” hoort met een zekerheidsscore in een ander vak dan het feit “de gebruiker heet Priya” — dan kan de overtuiging worden bijgesteld, betwist en uitgelegd.

Dat is meteen een spiegel voor kennissystemen zonder agents: ook in een wiki lopen waargenomen feit, geïnterpreteerde conclusie en eigen mening makkelijk door elkaar. Zie [[wiki/fundamenten/llm-wiki-methode]].

De benchmarkoorlog — en waarom die inhoudelijk telt #

Dit is geen randverschijnsel maar het duidelijkste signaal over de rijpheid van deze markt. Geen enkel prestatiecijfer in dit onderwerp is onafhankelijk geverifieerd; alle scores komen van partijen die het gemeten product verkopen.

Het mechanisme in het klein:

Het onderzoekspaper van Mem0 (april 2025, arXiv — vendorpaper) rapporteert voor concurrent Zep een score van 65,99% op de LOCOMO-dataset.
Zep publiceerde een weerlegging: hun systeem was in die benchmark verkeerd geconfigureerd, en gecorrigeerd scoort het 75,14%. Dat is Zep’s eigen opgave over Zep’s eigen product.
Er is geen onafhankelijke arbiter die tussen beide uitspraken beslist. Beide cijfers blijven dus naast elkaar staan.

En in het groot: de aanbieders meten niet op dezelfde test.

Benchmark	Opzet	Wie gebruikt hem
LOCOMO	10 lange gesprekken, elk ~600 dialogen en ~26.000 tokens	Mem0, memobase.io
LongMemEval	gesprekken tot 1,5 miljoen tokens, 500 vragen, vijf niveaus van temporele complexiteit — breed gezien als de zwaardere, realistischere test	Zep, usecortex.ai, Hindsight

Omdat een score op LOCOMO en een score op LongMemEval niet vergelijkbaar zijn, kan iedereen tegelijk marktleider claimen: Mem0 met 67,13% (eigen paper), usecortex.ai met 90,23% (eigen opgave, expliciet níét onafhankelijk geverifieerd, latency- en tokencijfers niet gepubliceerd), Hindsight met 91,4% (eigen opgave). De auteur van het overzichtsartikel formuleert de vuistregel scherp: “When a vendor only publishes numbers on one benchmark, it’s worth asking why.”

Dit is het overdraagbare inzicht, ook buiten geheugensystemen: zolang partijen hun eigen meetlat kiezen, zegt een percentage niets over de onderlinge verhouding. Vraag altijd eerst op wélke test gemeten is, en pas daarna hoe hoog de score is. Voor de concrete producten en hun claims: [[wiki/tools/geheugenlagen-voor-agents]].

Geheugen in bestanden — het instructiebestand als geheugen buiten het model #

Bij AI-ontwikkelomgevingen is de geheugenvraag praktisch beslecht met platte Markdown-bestanden. Twee soorten, met een belangrijk verschil in eigenaarschap:

Jij schrijft het instructiebestand (CLAUDE.md, AGENTS.md, .cursorrules, copilot-instructions.md) — dat gaat standaard in élke sessie mee. De hiërarchie laadt bottom-up: bedrijfsbeleid, dan persoonlijke voorkeuren, dan project, dan submap; specifieker overschrijft breder, en een expliciete gebruikersvraag overschrijft alles.
Het model schrijft zijn eigen notities (Claude Code’s auto-memory in ~/.claude/projects/<project>/memory/, met MEMORY.md als index waarvan alleen de eerste 200 regels automatisch laden en onderwerpbestanden on-demand). Omdat het model deze notities schrijft, wisselt de kwaliteit — periodiek nalezen hoort erbij.

Zie [[wiki/fundamenten/context-engineering]] voor de bestandsformaten zelf en hun onderlinge reikwijdte. Wat dit artikel toevoegt, is het geheugenkarakter ervan: dit is de laag die de statelessness van het model compenseert, en daarmee gelden er geheugenregels.

Regel 1 — lengte is een budget, geen smaakkwestie. Twee onafhankelijke bronnen komen op hetzelfde kader uit: onder de 300 regels, en korter is beter. Anthropic geeft zelf geen officiële aanbeveling. Ter kalibratie: de auteur van de ene bron houdt zijn eigen bestand onder de 100 regels; het root-bestand van HumanLayer is minder dan 60 regels. Beide cijfers zijn eigen opgave van de auteurs, geen meting.

Regel 2 — niet-universele inhoud maakt het hele bestand minder effectief. Dit is het mechanisme dat tot nu toe in deze wiki ontbrak. HumanLayer las met een logging-proxy (via ANTHROPIC_BASE_URL) uit wat Claude Code daadwerkelijk naar de API stuurt, en zag dat het instructiebestand wordt meegestuurd mét deze system reminder: “IMPORTANT: this context may or may not be relevant to your tasks. You should not respond to this context unless it is highly relevant to your task.” Gevolg: het model mag de inhoud negeren zodra het die niet relevant acht — en hoe meer niet-universeel toepasbare inhoud erin staat, hoe groter de kans dat het alle instructies in het bestand terzijde legt, niet alleen de irrelevante. Dit is een eigen meting van één partij (november 2025), niet onafhankelijk gerepliceerd.

Regel 3 — het aantal instructies is begrensd. Zie het instructiebudget in [[wiki/fundamenten/context-engineering]]: frontier thinking-modellen volgen circa 150–200 instructies met redelijke consistentie, en het systeemprompt van Claude Code verbruikt daar al zo’n 50 van.

Tegenstrijdigheid — autogenereren: doen of niet doen? Hier lopen de twee bronnen uiteen; ze worden hier bewust niet tot één regel gemengd.

Bron	Datum	Advies
Paolo Perrone (Data Science Collective)	26-02-2026	Draai `/init`, en verwijder daarna agressief. “The generated file is a starting point, not a finished product.” Redigeren uit een redelijk concept gaat sneller dan naar een leeg bestand staren. Laat het model ook zijn eigen auto-memory schrijven en review die maandelijks.
Kyle, HumanLayer	25-11-2025	“Don’t use /init or auto-generate your CLAUDE.md.” Het instructiebestand is “the highest leverage point of the harness”: een slechte regel werkt door in het onderzoek, dan in het plan, dan in élk artefact. Elke afzonderlijke regel verdient bewuste afweging.

Wat ze wél delen: een gegenereerd bestand als eindproduct is slecht, en de gewenste uitkomst is in beide gevallen een kort, met de hand geredigeerd bestand. Het verschil zit in de vraag of generatie als startpunt nuttig is. Merk op dat de oudere bron hier de technisch beter onderbouwde is (harness-meting + verwijzing naar arXiv 2507.11538), en de jongere de bredere ecosysteemblik heeft — de datumvolgorde geeft hier dus geen uitsluitsel.

⚠️ Observatie over deze wiki, geen aanbeveling. De CLAUDE.md van deze vault telt 476 regels en zit daarmee ruim boven elk van de genoemde kaders. Bovendien bevestigt de HumanLayer-bron de eerder in [[gaps.md]] genoteerde claim dat AI-gegenereerde contextbestanden de slagingskans verlagen — inclusief het mechanisme hierboven. Wat die bron níét onderbouwt is het tweede deel van die claim (“en verhogen de kosten”); daar is geen cijfer voor. Een instructiebestand inkorten is een besluit voor Eelco, niet voor de agent die het bestand leest.

Wat dit voor privacy betekent #

Een systeem dat blijvend onthoudt, moet ook blijvend kunnen vergeten. Dat is technisch geen vanzelfsprekendheid: sommige ontwerpen zijn append-only, waardoor één specifieke herinnering wissen betekent dat het hele geheugenbestand opnieuw gebouwd moet worden. Uitgewerkt in [[wiki/privacy-avg/privacy-risicos-llms]] als ontwerpprobleem tegenover AVG art. 17.

Wat we hierover niet weten #

Geen enkel cijfer in dit onderwerp is onafhankelijk geverifieerd. Alle benchmarkscores, latency- en tokencijfers komen van de leverancier van het gemeten product.
De twee overzichtsbronnen zijn Medium-achtige publicaties van individuele auteurs zonder zichtbare redactionele controle.
De instruction-following-studie (arXiv 2507.11538) is niet zelf gelezen; de bevindingen zijn overgenomen zoals één bron ze weergeeft.
De vertaalslag naar consumentenproducten ontbreekt volledig. Alle zes bronnen gaan over bouwers van agents. Wat “geheugen” betekent voor iemand die ChatGPT-memory aanzet of met projectkennis in Claude werkt — wat er precies wordt bewaard, wat je kunt inzien en wissen — staat hier niet in. De feitelijke functiebeschrijving staat in [[wiki/tools/chatgpt-functies]]; de brug tussen de architectuur en het dagelijks gebruik is een open kennislacune.

Sleutelinzichten #

Het model onthoudt niets. Geheugen is een architectuur ernaast; wie “de AI onthoudt mij” zegt, beschrijft een laag die feiten opnieuw in het venster legt.
Een groter contextvenster is geen geheugen. Een venster houdt alleen vast wat er nu in staat; het persisteert niet over tijd. Dit is de sterkste eenregelige uitleg voor een training.
RAG en geheugen lossen verschillende problemen op: wat er in de documenten staat versus wat het systeem over jou weet.
Geheugen is een handeling — toevoegen, bijwerken, verwijderen, niets doen. Zonder de bijwerk-stap stapelt een systeem tegenstrijdigheden op.
Scheid bewijs van gevolgtrekking. Feit, waarneming en mening met zekerheidsscore horen niet in dezelfde bak.
Vraag bij elke score eerst op welke test gemeten is. Verschillende benchmarks laten alle aanbieders tegelijk leider zijn.
Een instructiebestand is geheugen, en dus onderhevig aan een budget: kort, universeel toepasbaar, met de hand geredigeerd.

Contentkansen #

Pijler 2 — begrippen: “Waarom je AI je elke keer vergeet” — contextvenster versus geheugen in gewone taal. Sluit naadloos aan op het context-rot-materiaal in [[wiki/fundamenten/context-engineering]].
Pijler 2: “Feiten, meningen en ervaringen: waarom een AI die alles op één hoop gooit onbetrouwbaar wordt” — de scheiding bewijs/gevolgtrekking vertaald naar kenniswerk in plaats van code.
Pijler 1 — visie: “Van zoeken naar onthouden” — de verschuiving van retrieval naar geheugen, met de benchmarkoorlog als bewijs dat niemand het nog weet.
Pijler 3 — playbook: “Het instructiebestand dat je AI elke sessie leest” — de regels hierboven vertaald naar projectinstructies in ChatGPT Projects en Claude Projects. Sluit aan bij de al genoteerde kans “De bestanden die je AI aansturen”.
Trainingsoefening: laat deelnemers de memory-pagina van hun eigen ChatGPT openen en beoordelen wat er klopt, wat verouderd is en wat er nooit in had gemogen.

Gerelateerd #

[[wiki/fundamenten/context-engineering]] — wat er in het venster komt; geheugen is de as die daar dwars doorheen loopt
[[wiki/fundamenten/rag-mcp-agents]] — retrieval, GraphRAG en de semantische laag: het andere half van de kennisvraag
[[wiki/fundamenten/kernbegrippen-llm]] — contextvenster, tokens, embeddings
[[wiki/fundamenten/llm-wiki-methode]] — accumuleren in plaats van ophalen-en-vergeten; dezelfde diagnose vanuit een andere hoek
[[wiki/tools/geheugenlagen-voor-agents]] — de producten, hun claims en de benchmarkcijfers
[[wiki/tools/mcp-model-context-protocol]] — de derde term naast RAG en geheugen: live opvragen en handelen, zonder herinnering tussen aanroepen
[[wiki/tools/chatgpt-functies]] — memory zoals de eindgebruiker het tegenkomt
[[wiki/privacy-avg/privacy-risicos-llms]] — onthouden versus het recht op vergetelheid

Bronnen #

[[RAW/AI Agent Memory Systems in 2026 Mem0, Zep, Hindsight, Memvid and Everything In Between.md]] — Yogesh Yadav, Dev Genius, 20 maart 2026, blog.devgenius.io. Overzichtsartikel van een bouwer, geen eigen onderzoek. ⚠️ Vrijwel elke besproken partij is een product; alle cijfers zijn vendor-gerapporteerd. De auteur benoemt de benchmarkoorlog zelf en heeft een uitgesproken voorkeur voor Hindsight.
[[RAW/The End of AI Amnesia Why the Next Generation of Agents Won’t Forget You.md]] — Muhammad Awais, 3 april 2026, blog.devwithawais.com. Architectuuruitleg met promotionele ondertoon. ⚠️ Presenteert de Mem0-cijfers zonder voorbehoud en noemt de concurrentie niet; citeert Microsoft Research, IBM Research en de Mem0-readme. Levert het onderscheid datasetkennis vs. gebruikerspersistentie.
[[RAW/The Complete Guide to AI Agent Memory Files (CLAUDE.md, AGENTS.md, and Beyond).md]] — Paolo Perrone, Data Science Collective, 26 februari 2026, medium.com. Praktijkgids op basis van eigen ervaring, geen meting. Geen vendorbelang bij een van de formaten.
[[RAW/Writing a good CLAUDE.md]] — Kyle, HumanLayer, 25 november 2025, humanlayer.dev. Meningsstuk met eigen harness-meting (logging-proxy) en één onderzoeksverwijzing (arXiv 2507.11538). ⚠️ HumanLayer verkoopt agent-tooling en promoot het eigen 12-factor-agents-raamwerk; de auteur zet zelf de caveat “the topic hasn’t been investigated in an incredibly rigorous manner.”