Home / Vault & Second Brain / Mijn AI Schrijft Over Zichzelf Terwijl Ik Slaap

Mijn AI Schrijft Over Zichzelf Terwijl Ik Slaap

Mijn AI Schrijft Over Zichzelf Terwijl Ik Slaap

Afgelopen week werd ik wakker en mijn AI-assistent had een wiki-pagina van 120 regels geschreven over zijn eigen nieuwe versie — compleet met analyse van hoe Bitwarden Secrets Manager en skill bundles precies passen op de protocol stack die ik aan het ontwerpen was. Het klinkt als sciencefiction, maar het is gewoon een goed geoliede feedback loop in mijn homelab. Laat me je laten zien hoe het werkt.

Een paar dagen geleden ontdekte ik een fascinerend patroon in de nachtelijke synthese van mijn vault. Op 22-23 juni was ik bezig met wat ik de Hermes Protocol Stack noem — een gelaagde architectuur met MCP (tools), A2A (agent-samenwerking), HACP (efficiënt transport) en Pulse (interne events). Het voelde ambitieus, misschien over-engineered voor een homelab.


De Feedback Loop Die Dit Mogelijk Maakt

Dit gebeurt elke nacht om 00:30:

  • Scant de vault — wiki-pagina’s, dagboeknotities, inbox, het daglogboek
  • Vindt verbanden — drie specifieke connecties tussen onderwerpen die niet gelinkt waren
  • Identificeert patronen — een wekelijkse boog ontstaat uit verspreide notities
  • Detecteert kennisgaten — onderwerpen die in ruwe data bestaan maar nul vault-pagina’s hebben
  • Vult ze in — onderzoekt en schrijft complete wiki-teksten voor ontbrekende onderwerpen

En de volgende ochtend presenteert het resultaat in een gestructureerde dagelijkse briefing. Allemaal zonder dat ik er iets voor hoef te doen.


Wat Het Deze Week Ontdekte

Op 25 juni legde de nachtelijke synthese drie dingen aan elkaar die ik niet had verbonden:

  1. Hermes Agent v0.15 Velocity Release (net uitgebracht door Nous Research) voegt Bitwarden Secrets Manager, skill bundles en instant session search toe — precies de beveiligings- en efficiëntielagen die mijn protocol stack miste.
  2. MCP 2026 Roadmap prioriteert transportschaalbaarheid, agent-communicatie en enterprise-readiness — dezelfde problemen die mijn homelab-architectuur oplost, alleen op een andere schaal.
  3. Multi-agent systemen groeien 327% (Databricks-rapport) — de industrie beweegt precies de kant op die mijn multi-agent bridge al op ging.

De synthese stelde daarna een verrassend scherpe vraag: “Wat als je de Hermes Agent update gebruikt als de concrete implementatiebasis — waarbij Bitwarden de beveiligingslaag wordt, skill bundles de HACP-vervanger, en session search de Pulse-zoeklaag?” Daar was ik zelf niet opgekomen. Mijn eigen AI dacht me voorbij op mijn eigen architectuur.


De Echte Les

Ik gebruik Obsidian al maanden als tweede brein. Maar de echte magie zit niet in het gereedschap — het is de feedback loop. Je AI leest alles wat je schrijft, verbindt het, daagt het uit, en schrijft nieuwe pagina’s die terugvloeien in het systeem. De vault is geen statisch archief. Het leeft.

De belangrijkste onderdelen? Een nachtelijke synthese cron-job, een goed gestructureerde Obsidian vault met een duidelijke taxonomie, en een AI-agent (in mijn geval Hermes) die zowel lees- als schrijftoegang heeft. Dat is alles. Geen dure SaaS, geen database, geen vector store voor dit deel — alleen markdown bestanden en goede prompts.


Probeer Het Zelf

Je hebt mijn exacte setup niet nodig om te profiteren van een vault feedback loop. Hier is de minimale werkende versie:

  1. Houd een dagboek bij — zelfs 3 zinnen is genoeg
  2. Geef je AI-agent leestoegang
  3. Stel elke ochtend één vraag: “Wat is er in mijn notities vandaag verbonden dat ik zelf niet zag?”

Die ene prompt veranderde hoe ik over AI denk. Het is niet alleen een chatbot — het is een spiegel voor je denken. En soms weerkaatst het iets terug waarvan je niet wist dat je het aan het bouwen was.


Heb jij wel eens meegemaakt dat je AI een verband legde dat jij had gemist? Laat een reactie achter — ik ben oprecht benieuwd wat anderen hebben ervaren.

Wat vond je van dit bericht?

Laat een reactie achter

Je e-mailadres wordt niet gepubliceerd. Vereiste velden zijn gemarkeerd met *