Waarom is dit belangrijk?
Langlopende taken worden haalbaar doordat AI-agentgeheugen eerdere stappen beschikbaar houdt voor een volgende handeling. In de zorg en op het werk ondersteunt dat terugkerende administratie, zoals het plannen van een medische afspraak met gegevens uit eerdere contacten. Voor werknemers en patiënten scheelt dat herhaling, maar verouderde of te ruim bewaarde gegevens kunnen later een foute stap of een privacyrisico geven.
Zo werkt het in de praktijk
De AWS-richtlijn voor agenten beschrijft code-agenten die met AI-agentgeheugen wijzigingen in een codebasis volgen. Werkstroom-agenten stemmen een volgende handeling af op eerdere taakuitkomsten. Onderzoeksagenten bewaren gevonden resultaten en slaan een herhaalde zoekactie over.
Microsoft Research onderzoekt hoe een agent AI-agentgeheugen over lange interacties beheert. Onderzoekers testen het samenvoegen van dubbele herinneringen en het vergeten van storende items. Zij leggen kennis over entiteiten vast in een kennisgraaf, een netwerk van gekoppelde begrippen.
De documentatie van LangGraph beschrijft een werkwijze voor AI-agentgeheugen. Kortetermijngeheugen slaat de toestand van één sessie op via checkpoints (opgeslagen tussenstanden). Langetermijngeheugen staat in een eigen map en is beschikbaar in elke sessie.




