De Dag dat ik Besefte dat mijn Tweede Brein een Kerkhof was
Maandenlang bouwde ik aan mijn Obsidian vault. Gestructureerde mappen, heldere tags, een clipping-pijplijn die automatisch draait, wiki-pagina’s voor alles wat ik leer. Het was prachtig. Georganiseerd. Compleet. En doodstil. Er kwam nooit meer iets uit. Ik had een kerkhof gebouwd — een heel georganiseerde manier om dingen te vergeten.
Een paar weken geleden kwam ik een post van @cyrilXBT op X tegen die ongemakkelijk dicht bij huis kwam. Hij zei: “A second brain that never talks back is not a second brain. It is a very organized way to forget things.” Dat bleef hangen. Want dat was precies wat mijn vault deed — informatie hamsteren zonder er ooit iets voor terug te geven.
Informatie Eruit, Niets Terug
Zo zag mijn systeem eruit vóór het besef:
- Probleemloos vastleggen — Web Clipper, Telegram bot, spraaknotities. Alles landde automatisch in de vault.
- Automatische verwerking — Cron jobs om 2 uur ‘s nachts classificeerden ruwe clips naar wiki-pagina’s, journal entries of projectnotities.
- Een prachtige mappenstructuur — wiki/, crm/, journal/, inbox/. Alles had zijn plek.
- Dagelijkse content creatie — Hermes schreef blogposts, AI nieuwsoverzichten en EU-rapporten vanuit de vault.
Maar hier zit de crux: ik las nooit wat erin ging. Ik clippte artikelen, bewaarde threads, extraheerde inzichten — en keek er nooit meer naar om. Mijn vault was een zwart gat. Data ging erin, er kwam niets terug naar mij. Ik bouwde een bibliotheek die ik nooit bezocht.
De Feedbackloop die ik Miste
De oplossing bleek simpeler dan verwacht. CyrilXBT’s 5-laags architectuur — Capture → Pipeline → Storage → Intelligence → Return — liet me inzien dat ik de eerste drie lagen perfect had gebouwd, maar de laatste twee volledig had overgeslagen.
Mijn vault had geen intelligentie-laag (iets dat de informatie daadwerkelijk leest en verbindingen legt) en geen terugkeer-laag (iets dat inzichten aan mij teruggeeft). Ik had een data-pijplijn gebouwd, geen tweede brein.
Dus begon ik de ontbrekende lagen te bouwen. Niet met een vector database of RAG — zoals @AV1DLIVE het zei: “Je hebt geen RAG nodig. Je hebt geen vector database nodig. Je hebt gestructureerde Markdown nodig + een agent die weet hoe hij erdoor moet navigeren.”
Wat ik Veranderde
Ik herstructureerde het geheugen van mijn Hermes Agent in vier lagen die samenwerken:
- Memory — Korte feitelijke notities die in elke sessie worden geïnjecteerd. Directe kennis over mijn voorkeuren en tools.
- Skills — Herbruikbare workflows die Hermes leert van correcties en patronen.
- Context Graph — Een SQLite database die relaties in kaart brengt tussen bestanden, servers, domeinen en tools.
- Nachtelijke Zelfverbetering — Een cron job om 23:00 die alle sessies scant, correctiepatronen detecteert en rapporteert wat Hermes leert.
Het belangrijkste inzicht: het gaat er niet om dat de vault slim is. Het gaat erom dat de agent die in de vault leeft, slim is. De vault is alleen opslag. De agent maakt er een brein van.
Het Resultaat
Mijn vault ziet er nog hetzelfde uit. Dezelfde mappen, dezelfde tags, dezelfde pijplijn. Maar nu praat hij terug. Elke ochtend krijg ik een dagelijks AI nieuwsoverzicht dat gegenereerd is uit wat ik heb geclipt. Mijn Hermes Agent verwijst naar vault-pagina’s tijdens gesprekken. De context graph brengt verbanden aan het licht die ik zelf nooit had gezien.
De grootste verandering? Ik gebruik nu echt wat ik opsla. De vault ging van een digitale verzamelplaats naar een actieve denkpartner.
Als jouw vault al maanden stilletjes Markdown-bestanden verzamelt, vraag jezelf dan af: wanneer heeft jouw tweede brein voor het laatst iets gezegd wat je nog niet wist?
Ik ben benieuwd hoe jouw systeem de intelligentie- en terugkeer-laag aanpakt — of zit je ook nog in de vastleg-fase? Laat een reactie achter.
Wat vond je van dit bericht?
