Waarom je AI-agent telkens het project vergeet (en hoe je dat oplost)

Iedereen die met AI-tools werkt aan langere projecten, kent het patroon. Dag één loopt soepel: de agent bouwt de basis, schrijft tests en documenteert alles. Maar zodra je een nieuwe chat start, is alle context weg. Je moet het hele project opnieuw uitleggen. Na een paar sessies zit je met ellenlange gesprekken die je moet doorspitten om eerdere keuzes terug te vinden.

Het voelt als een limiet van het contextvenster, maar het echte probleem zit dieper. We slaan projectinformatie op de verkeerde plek op.

Waarom chatgeschiedenis geen goed geheugen is

Chatgesprekken werken prima voor interactie, maar zijn slecht als opslag voor projectkennis. Er zijn een paar duidelijke redenen waarom dat problemen oplevert:

• Beslissingen verdwijnen in de chatgeschiedenis en zijn moeilijk terug te vinden.
• Er bestaat geen duidelijke bron van waarheid. Welke versie van de specificatie geldt eigenlijk?
• Elke nieuwe sessie begint vanaf nul, ongeacht wat er eerder besproken is.
• Tegenstrijdigheden stapelen zich op zonder dat iemand ze opmerkt.

De agent kan prima code schrijven. Het echte knelpunt is of hij begrijpt wat je aan het bouwen bent en waarom.

Een simpele, maar effectieve aanpak

Bewaar de projectstatus op dezelfde plek als je code: als versiebeheerste bestanden in je repository. Geen apart wiki-systeem of projecttool. Gewoon gestructureerde Markdown-bestanden met een klein metadata-blok bovenaan.

Zo'n bestand bevat bijvoorbeeld een titel, de status (actief, afgerond, gearchiveerd), het type document (specificatie, log, beslissing) en verwijzingen naar gerelateerde bestanden. Verder staat er alleen de inhoud.

Dat is bewust eenvoudig. Geen speciale syntax of database. Alleen een titel, metadata en de tekst.

Wat je daarmee kunt doen

Met een klein CLI-hulpmiddel kun je deze bestanden beheren zonder handmatig te rommelen. Je kunt nieuwe documenten aanmaken, afgeronde items archiveren, relaties automatisch bijwerken, lijsten opvragen met filters en controleren of alle verwijzingen nog kloppen. De index wordt automatisch gegenereerd.

Hoe dit AI-workflows verandert

In plaats van een nieuwe agent te vragen om de chatgeschiedenis door te spitten, geef je hem een commando. De agent kan dan direct opvragen wat er speelt: welke specificaties actief zijn, wat al af is en wat nog openstaat. Hij werkt met gestructureerde commando's, niet door bestanden handmatig te bewerken. Dat voorkomt fouten en houdt alles consistent.

Het nieuwe patroon: een frisse agent met actuele kennis

Een nieuwe sessie begint nu anders. De agent draait eerst een commando om de actieve documenten op te halen. Hij ziet meteen wat er afgerond is, wat in uitvoering is en wat er nog moet gebeuren. Geen reconstructie van oude gesprekken meer. De chat is wegwerpbaar. De echte status staat in de repository.

Voor wie dit relevant is

Dit werkt vooral als je met AI pair programming over meerdere dagen werkt, agent-workflows wilt hervatten zonder volledige contextoverdracht, of in een team zit waar iedereen moet weten wat besloten is. Het vervangt Git of code review niet, maar zorgt wel voor samenhang over de tijd.

Waarom dit werkt

Het mooie aan deze aanpak is hoe onopvallend hij is. Je gebruikt bestaande tools (Markdown, Git, CLI) op een manier die past bij hoe developers al werken. Validatie voorkomt fouten, en de index blijft altijd consistent. Zo gaat een agent van "een beetje helpen" naar "het project echt begrijpen en opleveren.