Waarom mijn AI-agents een bedtijd kregen
Vorige week heb ik mijn hele agentopzet gemigreerd van Mem0 naar een geheugensysteem dat Mnemosyne heet. De reden verraste mezelf: mijn agents waren geheugen aan het hamsteren. Alles opslaan, verdrinken in ruis, en twee keer tokens verbranden voor dezelfde verouderde feiten. En toen las ik een onderzoekspaper die precies een naam gaf aan het probleem dat ik probeerde op te lossen.
Ik draai meerdere AI-agents op mijn thuisserver — Charly, Zora, Alice en een paar anderen. Elk chat met mij via Telegram, leest mijn notities en helpt met mijn homelab. Maandenlang bewaarden ze hun herinneringen in een simpele vectorstore. Het werkte, tot het ophield met werken. De store liep vol met ruis, het ophalen werd troebel, en elke agent betaalde stilletjes steeds opnieuw dezelfde “geheugenbelasting”.
De slaap-analogie waar het kwartje viel
In de academische survey Memory for Autonomous LLM Agents (arXiv:2603.07670v1) beschrijven de auteurs hoe huidige systemen “oscilleren tussen hamsteren en geheugenverlies”. Dan komt het interessante deel: de neurowetenschap biedt een model. Tijdens de slaap speelt de hippocampus recente ervaringen af, versterkt de belangrijke sporen en snoeit de rest weg. Het analoge proces voor AI-agents noemen ze “offline consolidatie” — ingepland tijdens rustperiodes.
Dat is letterlijk wat de geheugentool die ik koos doet. Zijn sleep-functie draait een consolidatiepass die werkgeheugen omzet naar episodische en vervolgens semantische lagen. Ik koos het niet omdat het hip was. Ik koos het omdat het ruisprobleem echt was, en dit de principiële oplossing was. Toen ik ontdekte dat de academische wereld “principiële consolidatie” nog steeds nummer één noemt op de lijst van onopgeloste uitdagingen, moest ik glimlachen — ik had in een weekend geïmplementeerd wat onderzoekers nog als onopgelost bestempelen.
Wat er in de praktijk veranderde
De migratie was meer dan een database wisselen. Mijn agents gingen van een gedeelde hoop van alles naar een gestructureerd model: een gedeelde laag voor technische feiten die alle agents kunnen gebruiken, en een privébank voor de ene agent die persoonlijke gesprekken met mij voert. Het ophalen is schoner, queries zijn sneller, en ik stopte met de dubbele token-verbranding.
De les waar ik steeds op terugkom: de krachtigste AI-ideeën zijn vaak niet nieuw. Soms vertelt het veld ons al jaren het antwoord — we moesten alleen kijken naar hoe ons eigen brein al werkt.
Jouw beurt
Onthouden jouw AI-agents te veel of te weinig? Ben je ooit het “ruisplafond” tegengekomen waar je assistent ophoudt nuttig te zijn omdat zijn geheugen vol troep zit? Ik hoor graag hoe jij geheugen in jouw eigen opzet aanpakt — laat een reactie hieronder achter.
Wat vond je van dit bericht?
