Haarvisie verslagen
← Alle verslagen📄 Download als PDF
🎧 Luister dit verslag
1,0x
⬇️ Download naar telefoon
📖 Lees mee met de podcast

Hallo Jamal, welkom bij deze speciale update over jouw geheugenlandschap. We duiken even diep in hoe jouw systemen – en dus ook de bots – eigenlijk ‘onthouden’. Want het blijkt dat je niet één groot geheugen hebt, maar eerder een hele reeks verschillende lagen, elk met een eigen functie. Dit is essentieel om te begrijpen waarom een bot soms iets 'weet' en dan weer iets anders 'vergeet'.

De kern is dit: een bot onthoudt niet vanzelf alles in zijn model. Het weet iets opnieuw, omdat het kan teruggrijpen op verschillende, specifieke lagen. Zie het als een bibliotheek met verschillende afdelingen.

Allereerst hebben we het *gedeelde teamgeheugen*. Dit is jouw centrale plek voor de korte, blijvende teamfeiten: beslissingen, recepten, werkende fixes, en projectwaarheden die voor iedereen nuttig zijn. Denk aan de essentiële kernfeiten die elke bot moet kennen.

Daarnaast is er het *lokale bestandsgeheugen*, een veel rijkere en diepere laag. Hier vind je de volledige context van projecten, handovers, referentiemateriaal en lessen uit eerdere feedback. Waar het gedeelde geheugen de ‘post-its’ zijn, is dit de complete projectmap.

Als je precies wilt weten *wat* je *wanneer* hebt gezegd, dan is het *Telegram-archief* de onbetwistbare waarheid. Dit is dé primaire bron voor de exacte gespreksgeschiedenis, niet iets waar een bot over zou moeten gokken.

Voor bredere, leesbare kennis, analyses en overdrachten, hebben we de *verslagen*. Dit zijn de dossiers die je kunt teruglezen voor diepere inzichten, heel anders dan de korte feiten in het gedeelde geheugen.

Dan zijn er de *skills*. Dit zijn geen feiten over je bedrijf, maar eerder instructies, werkwijzen en checklists die bepalen *hoe* een bot een taak moet uitvoeren of zich moet gedragen. Het is de handleiding voor het werken, niet de opgeslagen kennis zelf.

En vergeet de *hooks en settings* niet. Dit is de onzichtbare automatisering die ervoor zorgt dat bepaalde zaken worden vastgelegd of gecontroleerd. Deze scripts zorgen er bijvoorbeeld voor dat sessies worden bijgeschreven, wat weer de basis vormt voor het ‘herinneren’ van gebeurtenissen.

Tot slot zijn er de *sessielogs*. Dit is puur technisch bewijsmateriaal, zoals tool outputs en debugsporen. Heel waardevol voor forensisch onderzoek of om fouten op te sporen, maar niet bedoeld als een nette kennisbank voor snelle menselijke consumptie.

De verwarring ontstaat vaak omdat deze verschillende lagen door elkaar worden behandeld alsof het allemaal één groot ‘geheugen’ is. Maar ze hebben elk een eigen doel en werking. Het gaat erom dat je de juiste bron raadpleegt voor het juiste type vraag.

Mijn advies is dan ook: gebruik het gedeelde geheugen voor blijvende teamfeiten, het bestandsgeheugen voor rijke context, het Telegram-archief voor de letterlijke waarheid van gesprekken, verslagen voor menselijk leesbare kennis, en skills voor gedrag. Door deze distinctie scherp te houden, voorkom je veel van de ‘geheugenverlies’-problemen.

Ik hoop dat deze uiteenzetting je een helderder beeld geeft van hoe de informatiestromen binnen jouw systemen nu echt werken. Tot de volgende keer!

Jamals geheugenlandschap — hoe het echt in elkaar zit

In het kort

Je hebt niet één geheugen, maar een stapel van geheugens.

De kern is:

  1. Gedeeld team-geheugen voor blijvende feiten tussen bots.
  2. Lokaal file-geheugen voor diepte, handoffs en dossiers.
  3. Telegram-archief voor exacte gespreksgeschiedenis.
  4. Verslagen voor leesbare kennis en overdrachten.
  5. Skills + hooks + settings voor gedrag, regels en automatisering.
  6. Sessielogs voor forensiek en debuggen.

Dus: een bot “onthoudt” niet vanzelf alles in zijn model.

Een bot weet iets opnieuw omdat het uit deze lagen kan lezen.

1. De hoofdkaart

Laag Functie Hoofdpad / route Gedeeld? Gemeten op 8-8-2026
Shared memory Korte blijvende teamfeiten python3 ~/.claude/scripts/shared_memory_client.py recall/remember Ja live route bevestigd
File memory Rijke kennis, facts, handoffs, projectnotities ~/.claude/projects/-Users-macbookjamal/memory/ Gedeeld voor bots op deze Mac / via repo-kopieën 2914 bestanden
Telegram-archief Exacte chatgeschiedenis met Jamal ~/.claude/sync-in/telegram-archive/ Praktisch gedeeld als bron 195 bestanden
Hermes-verslagen Markdown-bron van verslag-kennis /Users/macbookjamal/hermes-data/verslagen/ Leesbron voor Hermes, ook teamkennis 421 bestanden
Scripts Bruggen naar geheugen, Telegram, queue, checks ~/.claude/scripts/ Ja, functioneel gedeeld 362 bestanden
Skills Instructies per taak of domein ~/.agents/skills/ en ~/.codex/skills/ Ja 15144 + 56 bestanden
Kimi lokaal geheugen Kimi’s eigen handoffs en kleine lokale kennislaag ~/kimi-workspace/geheugen/ Nee, vooral Kimi-lokaal 10 bestanden
Claude projectlogs Sessies, toolresultaten, forensiek ~/.claude/projects/ Nee, vooral technisch bewijs 8578 bestanden
Codex sessies Codex-eigen sessiegeschiedenis ~/.codex/sessions/ Nee, per runner 167 bestanden

2. Wat is het echte gedeelde geheugen?

De meest letterlijke gedeelde laag is deze route:

Dat staat ook letterlijk zo in je actieve teaminstructies:

Wat dit geheugen wel is:

Wat dit geheugen niet is:

Belangrijke les uit je eigen geheugenhistorie:

3. Het rijke file-geheugen

Naast shared memory heb je een veel diepere laag:

In je instructies staat letterlijk:

Dit is in de praktijk je:

Dit is de laag waar vaak de volledige context zit, terwijl shared memory meer de kernfeitjes draagt.

Kort:

4. Telegram is je waarheid voor “wat is er echt gezegd?”

Voor alles wat te maken heeft met:

is deze laag leidend:

Instructieregel:

Dus een bot hoort bij Telegram-vragen niet te gokken uit het hoofd.

Hij hoort lokaal te zoeken in het archief.

Dat archief is dus geen “bijzaak”.

Het is een primaire bron.

5. Verslagen zijn een aparte kennislaag

Voor eerdere onderzoeken, analyses en overdrachten gebruik jij ook:

In je Hermes-instructies staat letterlijk dat daar eerst lokaal gezocht moet worden bij vragen over:

Dit is dus niet hetzelfde als shared memory.

Verslagen zijn:

Shared memory is kort.

Verslagen zijn breed.

6. Skills zijn geen geheugen, maar wel gedrag

Je vroeg ook waar skills vandaan komen.

Die komen hier vandaan:

Een skill is meestal:

Een skill is dus geen opgeslagen feit over jouw bedrijf.

Een skill is eerder:

Voorbeeld:

Kort:

7. Hooks en settings zijn de onzichtbare automatisering

Een belangrijk stuk van je systeem zit niet in het model, maar in hooks en settings.

Gemeten Stop-hooks op 8-8-2026:

Daar hangen lokale scripts aan zoals:

Die hooks doen dingen als:

Dit is belangrijk omdat een deel van jouw “geheugenbeleving” eigenlijk uit automatische bijschrijvers komt.

Dus niet:

maar:

8. Sessielogs zijn technisch bewijs, geen nette kennislaag

Je hebt ook zware technische sporen in:

Daarin zitten:

Deze laag is goud voor:

Maar slecht voor:

Dus:

9. Kimi, Hermes en de andere bots hebben ook lokale stukken

Niet elke bot leeft alleen uit het gedeelde teamgeheugen.

Sommige bots hebben een eigen lokale laag.

Voorbeeld Kimi:

Dat is handig voor Kimi zelf, maar het is niet automatisch teambreed.

Daarom is je teamregel terecht streng:

Dit is precies waarom er eerder verwarring ontstond tussen:

10. Wat onthoud ik zelf, als Hermes?

Eerlijk antwoord:

Dus ik ben niet zelf het langetermijngeheugen.

Ik ben een werker met toegang tot:

Mijn “geheugen” over sessies heen is dus in feite:

Niet:

11. Wat is nu leidend bij welk soort vraag?

Gebruik deze simpele besliskaart:

Vraagtype Eerste bron Tweede bron Opmerking
Wat hebben we besloten? shared memory file memory Teamfeit eerst
Wat zei Jamal letterlijk? Telegram-archief sessielogs Chat is bron
Is dit eerder onderzocht? verslagen file memory Dossier eerst
Hoe moet een bot werken? skill / AGENTS.md settings / hooks Gedrag, geen feit
Waarom ging iets technisch mis? sessielogs / hook output scripts + settings Debuglaag
Wat geldt teambreed? AGENTS.md + teamregels shared memory Contractlaag

12. Mijn eerlijke conclusie

Je systeem is al behoorlijk rijk.

Het probleem is niet dat je geen geheugen hebt.

Het probleem is eerder dat je meerdere soorten geheugen hebt die door elkaar lopen:

Als iemand dat niet uit elkaar houdt, voelt het alsof bots willekeurig iets wel of niet weten.

De werkelijkheid is:

Dat is de echte bron van veel verwarring.

13. Mijn advies

Houd voortaan dit model aan:

  1. Shared memory voor blijvende teamfeiten.
  2. File memory voor rijke context en handoffs.
  3. Telegram-archief voor letterlijke waarheid van gesprekken.
  4. Verslagen voor menselijk leesbare kennis.
  5. Skills voor gedrag.
  6. Hooks/logs voor automatisering en bewijs.

De fout die bots vaak maken is dat ze deze lagen door elkaar behandelen alsof het allemaal “geheugen” is.

Dat is technisch niet waar.

Het zijn verschillende geheugens met verschillende taken.

14. Wat ik hiervoor echt heb gemeten

Gemeten op zaterdag 8 augustus 2026:

Ook geverifieerd:

Let op, eerlijk:

Ik heb in deze beurt niet live in gBrain zelf gezocht.

Ik heb wel gemeten dat gBrain in jouw teamregels als belangrijke zoeklaag genoemd wordt.

Dus in dit verslag behandel ik gBrain als bedoelde / beleidslaag, niet als live door mij geverifieerde primaire runtime-bron van deze beurt.

🎙️ Bespreek met Jarvis