Agents & pijplijnen
Geheugen voor agents is geen product, maar een keuze per knelpunt
Twee onafhankelijke evaluaties vergelijken vijftien geheugensystemen voor agents. Geen enkele wint overal, en een lang contextvenster blijft een geduchte basislijn.
Het vorige stuk hier eindigde op een principe: bewaar een verwijzing in plaats van de inhoud. Een notitiebestand, een pad, een samenvatting. Sindsdien is er een hele gereedschapskist omheen gegroeid die zich agent memory noemt, en de vraag die daarbij hoort is of dat gereedschap ook doet wat het belooft.
In mei en juni 2026 verschenen twee evaluaties die dat onafhankelijk van elkaar hebben geprobeerd te meten. Ze komen op het hoofdpunt op hetzelfde uit, en dat maakt het antwoord interessanter dan één studie alleen.
Geen van de vergeleken geheugensystemen wint overal. Wat wint, hangt af van waar jouw systeem vastloopt.
Wat er gemeten is
Zhou en collega's vergeleken twaalf representatieve geheugensystemen plus twee basislijnen, over vijf werklasten verdeeld over elf datasets. Hun bezwaar tegen eerder werk staat in het abstract: geheugen werd behandeld als één zwarte doos, waardoor operationele kosten en de wisselwerking tussen onderdelen buiten beeld bleven.
Ze knippen geheugen daarom in vier modules — representatie en opslag, extractie, ophalen en routeren, en onderhoud — en meten die apart. Twee bevindingen springen eruit:
Hun formulering is dat effectiviteit sterk afhangt van hoe goed de geheugenstructuur aansluit op het knelpunt van de werklast. En daarnaast: gericht onderhoud is kostenefficiënter dan het geheel periodiek herorganiseren.
De tweede evaluatie, en waar die van invalshoek verschilt
EvoMemBench kijkt vanuit een andere hoek: hoe geheugen zich over de tijd ontwikkelt. Twee assen — binnen één episode tegenover over episodes heen, en kennisgericht tegenover uitvoeringsgericht — en vijftien methoden naast lange-contextbasislijnen.
Wat daar uitkomt sluit erop aan, met een detail dat de moeite waard is: de lange-contextbasislijnen blijven competitief. Geheugenmechanismen leveren vooral op wanneer de directe context tekortschiet of de taak complex genoeg is. Verder scoren ophaalgerichte methoden goed op kennisintensief werk, en doen procedurele en langetermijnvormen het beter op uitvoeringsgerichte taken — mits eerdere ervaring aansluit op wat er nu gevraagd wordt.
Waarom dat laatste zeldzaam is om te lezen
“Doe eerst niets bijzonders” is de aanbeveling die je van een leverancier van geheugensystemen zelden krijgt. Dat twee onafhankelijke evaluaties de simpele basislijn competitief noemen, is daarom het bruikbaarste getal in beide papers.
De vier plekken waar het kan vastlopen
De opdeling in modules is het deel dat ik zelf het meest gebruik, want het verandert de vraag. Niet “welk geheugensysteem moet ik hebben” maar “welk van deze vier doet pijn”:
- Representatie — wat je opslaat is te grof om nog iets te betekenen, of zo fijn dat het net zo onoverzichtelijk is als de bron.
- Extractie — het juiste stuk komt niet uit de ruwe invoer; je bewaart netjes het verkeerde.
- Ophalen — het staat er wél, maar het komt niet boven op het moment dat het nodig is.
- Onderhoud — verouderde of tegenstrijdige informatie blijft staan en gaat concurreren met wat klopt.
Die vier vragen om verschillende oplossingen, en een systeem dat op één ervan uitblinkt kan op een andere niets toevoegen. Dat is de eenvoudigste verklaring voor waarom er geen winnaar uit de vergelijking komt.
Vanaf hier: mijn interpretatie
Alles hierboven is terug te lezen in de bronnen onderaan. Wat nu volgt staat daar niet in: het zijn de gevolgtrekkingen die ik eruit trek voor het bouwen van agents die over meerdere sessies moeten werken. Neem ze als voorstel, niet als bevinding.
Wat hieruit volgt
- Diagnose vóór aanschaf. Een geheugensysteem kiezen zonder te weten welke van de vier modules knelt, is gokken met een integratie eraan vast. De diagnose kost een middag; de integratie kost maanden.
- Toets de saaie basislijn eerst. Zet de relevante informatie gewoon in de context en meet waar dat ophoudt te werken. Dat punt is je echte startlijn, en soms haal je hem nooit.
- Kies op taakvorm, niet op ranglijst. Kennisintensief werk vraagt iets anders dan uitvoeringsgericht werk, en dat onderscheid is in je eigen logs te zien.
- Onderhoud lokaal. Gericht bijwerken van wat verouderd is, blijkt goedkoper dan periodiek het hele geheugen herbouwen — en dat is ook het patroon dat je in een repository al kent.
Waar het ophoudt
Drie voorbehouden bij deze twee papers
Het zijn preprints van mei en juni 2026. Geen van beide is onafhankelijk gerepliceerd, en ze meten op benchmarks — met alle bezwaren die daarbij horen en die elders op deze site uitgebreider staan.
Belangrijker: dit veld beweegt snel. Een vergelijking van vijftien methoden is een momentopname van welke methoden er in het voorjaar van 2026 waren. Wat blijft staan is niet de ranglijst maar de opdeling in vier modules en de bevinding dat er geen algemene winnaar is; dat is de vorm van het antwoord, en die verandert langzamer dan de deelnemers.
En wat hier niet uit volgt: dat geheugensystemen overbodig zijn. Beide papers vinden gevallen waarin ze duidelijk helpen. De bevinding is smaller — dat welk systeem helpt afhangt van waar je vastloopt, en dat je dat eerst moet weten.
Toets het op je eigen systeem
Laat je eigen systeem vaststellen welk geheugenknelpunt het heeft, voordat je er een geheugensysteem tegenaan zet.
Je gaat uitzoeken welk geheugenprobleem dit project werkelijk heeft. Niet welk geheugensysteem het beste is — dat hangt van het knelpunt af, en het knelpunt is nog niet vastgesteld. Stap 1 — beschrijf de werkelijke taakvorm. Loopt het werk hier binnen een sessie, of over sessies heen? Gaat het om kennis (feiten, documenten, eerdere antwoorden) of om uitvoering (welke stappen werkten eerder, welke aanpak faalde)? Onderbouw met wat je in de code en de logs ziet, niet met wat aannemelijk klinkt. Stap 2 — zoek waar het nu misgaat. Deel de waargenomen fouten in bij een van deze vier: a) representatie — wat wordt opgeslagen is te grof of te fijn om nog bruikbaar te zijn; b) extractie — het juiste stuk wordt niet uit de ruwe invoer gehaald; c) ophalen — het staat er wel, maar het komt niet boven op het moment dat het nodig is; d) onderhoud — verouderde of tegenstrijdige informatie blijft staan. Stap 3 — toets de goedkoopste basislijn eerst. Zou het volstaan om de relevante informatie gewoon in de context te zetten? Zeg expliciet bij welke omvang of welke taakduur dat ophoudt te werken, en waar je dat op baseert. Stap 4 — geef pas daarna een aanbeveling, met de reden erbij, en benoem wat je niet kunt beoordelen zonder te meten. Als het antwoord "geen geheugensysteem nodig" is, zeg dat dan.
Bronnen
- Are We Ready For An Agent-Native Memory System?Zhou et al. · arXiv:2606.24775 · 2026
- EvoMemBench: Benchmarking Agent Memory from a Self-Evolving PerspectiveWang et al. · arXiv:2605.18421 · 2026