Kies eerst een beheerde intentielaag, niet een groter AI-geheugen
De keuze: begin met één beheerde intentielaag
Kies niet voor een algemene opslagplaats van gesprekken, maar voor een afgebakende contextlaag rond één terugkerende workflow. Leg daarin alleen voorkeuren, procesregels, projectfeiten en besluiten vast die een volgende AI-taak werkelijk mag hergebruiken. De surveybron omschrijft geheugen bij large language models als het vermogen om informatie uit eerdere interacties te bewaren, op te halen en te gebruiken om toekomstige antwoorden en interacties te verbeteren. Dat is een functionele omschrijving, geen bewijs dat elk opgeslagen gegeven nuttig of betrouwbaar blijft. Daarom horen selectie en beheer bij de keuze: wie mag een item toevoegen, wanneer vervalt het en voor welke taak is het toegestaan?
Behandel een wijziging als een wijziging met gevolgen
Intentie is geen statisch profiel. Het onderzoek naar SemanticCommit onderzoekt juist hoe nieuwe informatie in een verzameling natuurlijke-taaldata kan worden geïntegreerd wanneer die wijziging niet-lokale effecten heeft. Daarin doet de gebruiker een ‘semantic commit’ en helpt de AI semantische conflicten op te sporen en op te lossen binnen bestaande informatie die de intentie vertegenwoordigt. Voor een team volgt daaruit een praktische ontwerpregel: wijzig een procesregel of voorkeur niet stilzwijgend in het geheugen, maar leg vast wat veranderde, welke bestaande items geraakt kunnen zijn en wie de wijziging beoordeelt. Dit is een redactionele aanbeveling op basis van de beschreven onderzoeksvraag; de passage bewijst geen universele implementatiemethode.
Maak het geheugen bruikbaar met een wijzigingskaart
Gebruik voor elke nieuwe of aangepaste geheugenregel een wijzigingskaart met vijf velden: de regel, bron of aanleiding, eigenaar, geraakte workflows en een expliciet controlepunt. Een onderwerpspecifiek hulpmiddel is: ‘Leg per geheugenitem vast: de exacte intentie of procesregel, de herkomst, de eigenaar, de geldigheidsdatum, de geraakte AI-taak en het verplichte reviewmoment bij wijziging.’ Zo is context niet alleen herbruikbaar, maar ook bespreekbaar wanneer een agent een voorstel doet. Dit is extra relevant omdat de ACL-passage stelt dat LLM-persoonlijke assistenten moeite kunnen hebben met lange gesprekshistorieën en met het vastleggen van entiteitsrelaties en meerdere intenties. De beperking blijft: de drie passages beschrijven onderzoeksvragen, definities en voorgestelde geheugenbenaderingen; ze leveren geen bewijs voor juridische, privacy-, beveiligings- of rendementsclaims over een concrete organisatie. Toets daarom gegevenscategorieën, toegangsrechten en bewaartermijnen afzonderlijk voordat je deze werkwijze in productie inzet.
Verder lezen
Bronnen
- [2504.09283] Semantic Commit: Helping Users Update Intent Specifications for AI Memory at Scale
- [2504.15965] From Human Memory to AI Memory: A Survey on Memory Mechanisms in the Era of LLMs
- Bridging Intuitive Associations and Deliberate Recall: Empowering LLM Personal Assistant with Graph-Structured Long-term Memory - ACL Anthology
- Bronvideo
- Bronvideo (historische verwijzing)
