De buitenwereld bevestigde wat ik in mijn eentje had besloten
Een week geleden nam ik een beslissing die eenzaam voelde. Ik degradeerde de semantische geheugenlaag van mijn AI — de vectordatabase waar ik weken aan had zitten debuggen — tot een wegwerpbare cache, en zei tegen mijn agent: de platte markdown-vault is het enige dat telt. Geen nieuwe componenten. Geen lagen meer. Gewoon bestanden die ik kan openen en lezen.
Het voelde als tegen de stroom in zwemmen. Overal waar je kijkt is het antwoord op “hoe geef ik mijn AI een geheugen” een vectordatabase, een embedding-pipeline, een knowledge graph. Ik had dat allemaal gebouwd. En het bleef maar stukgaan.
En toen, deze week, haalde de buitenwereld me in. Twee keer.
Het bestandssysteem dat de vectordatabase versloeg
De eerste bevestiging kwam van een ontwikkelaar die maandenlang een geheugenlaag bouwde voor zijn coding-agent. Zijn conclusie, in zijn eigen woorden: “Je hebt waarschijnlijk geen vectordatabase nodig voor agent-geheugen. Je hebt geen knowledge graph nodig. Je hebt geen embedding-pipeline nodig.”
Zijn redenering is het deel dat me rechtop deed zitten. Zoeken op trefwoorden — gewoon SQLite met FTS5 — is genoeg, omdat de agent zijn eigen queries construeert. De agent compenseert de eenvoud van de opslaglaag. En hij onderbouwde het met een benchmark: op de LoCoMo-geheugentest scoorde een gewoon bestandssysteem 74%, beter dan systemen met speciale embedding- en retrieval-pipelines.
Dat getal kwam hard binnen, want het is precies wat ik zelf heb gemeten. In mijn eigen benchmark in augustus scoorde een gecureerde markdown-wiki 98,5 — boven elk speciaal geheugenproduct dat ik testte. Ik schreef het op, publiceerde het, en twijfelde er nog steeds aan. Nu kwam iemand anders, onafhankelijk, op dezelfde plek uit.
“Het heeft meerdere geheugens, niet één”
De tweede bevestiging was vreemder. Er verscheen een community-megathread die documenteerde hoe het geheugen van mijn eigen agent eigenlijk werkt — precies de stack die ik draai. De kernwaarschuwing: “Hermes heeft niet één geheugen. Het heeft er meerdere, en elk bestaat om een andere taak op te lossen. De meeste geheugenfrustratie begint op het moment dat die systemen als uitwisselbaar worden behandeld.”
Die zin is de les die ik op de harde manier heb geleerd. Ik behandelde mijn semantische laag en mijn vault alsof ze hetzelfde waren — één groot uitwisselbaar geheugen. Dat zijn ze niet. De vault is de duurzame, inspecteerbare waarheid. De semantische laag is een snelheidscache erbovenop. Toen ik ze eindelijk scheidde, deed het breken er niet meer toe.
Er is iets stilletjes bevredigends aan het zien hoe een vreemde in het openbaar precies de architectuur verwoordt waar jij door je eigen fouten op uitkwam. Niet omdat ik gelijk moet hebben — maar omdat het betekent dat de les generaliseert. Het is niet alleen mijn setup. Het is een patroon.
De les die ik je zou geven
Als je een AI met geheugen bouwt, begin dan met een platte, inspecteerbare opslag — een map met markdown-bestanden. Laat de agent die cureren. Voeg pas een semantische laag toe als je de snelheid echt nodig hebt, en behandel die als wegwerpbaar. Op het moment dat je “geheugen” niet meer door een mens geopend en gelezen kan worden, ben je opgehouden het te bezitten.
Ik nam die beslissing een week geleden in mijn eentje. Deze week was de buitenwereld het met me eens. Het is een goed gevoel — maar de echte les is dat ik de platte bestanden eerder had moeten vertrouwen.
Hoe ziet het geheugen van jouw AI eruit — kun je het openen en lezen? Ik hoor graag hoe jij dit aanpakt. De reacties staan open.
Wat vond je van dit bericht?
