Elite Longterm Memory

• Je verliest context midden in een sessie — het WAL (Write-Ahead Log)-protocol zorgt ervoor dat de toestand wordt weggeschreven voordat de agent reageert, zodat compacties en crashes niet kunnen wissen wat belangrijk is.
• Je werkt aan langlopende of meersessie-projecten — de gecureerde MEMORY.md + dagelijkse logs bieden zowel de agent als de gebruiker een duurzame, leesbare registratie van beslissingen.
• Je agents herhalen fouten of vergeten voorkeuren — Mem0 extraheert automatisch feiten uit gesprekken en dedupliceert deze, waardoor het tokengebruik met ~80% wordt verminderd ten opzichte van ruwe geschiedenis.
• Je draait subagents of parallelle werkstromen — de gelaagde architectuur stelt je in staat gestructureerde context door te geven via git-notes en semantisch zoeken, in plaats van alles opnieuw uit te leggen.

• Je hebt een eenmalige taak in één sessie nodig — de volledige 5-lagen-opzet voegt overhead toe die niet gerechtvaardigd is voor wegwerpscripts of korte taken.
• Je gebruikt geen OpenAI-compatibele LLM-sleutel — semantisch vectorzoeken (LanceDB) en Mem0-integratie vereisen OPENAI_API_KEY; de skill bereikt zijn volledige potentieel niet zonder deze sleutel.

De toestand wordt naar SESSION-STATE.md geschreven voordat de agent reageert, niet erna. Dit voorkomt verlies van context bij compactie, crashes of onderbrekingen midden in een gesprek — een garantie die naïeve geheugenbenaderingen niet kunnen bieden.

Alle herinneringen worden geïndexeerd in een lokale LanceDB-vectoropslag. Automatische heroproeping injecteert de meest relevante eerdere context in elke reactie, en handmatige memory_store- / memory_recall-opdrachten laten je zoeken of filteren op categorie en belangrijkheidsscore.

Gestructureerde beslissingen, leringen en branch-bewuste context worden opgeslagen als git-notities — stil, versiebeheerd en exporteerbaar als JSON. Ze blijven permanent bewaard naast je repo-geschiedenis.

Mem0 extraheert automatisch feiten, voorkeuren en beslissingen uit ruwe gespreksgeschiedenis, dedupliceert deze en toont relevante herinneringen op aanvraag. Dit elimineert de noodzaak om de volledige chatgeschiedenis mee te sturen en vermindert het tokenverbruik met wel 80%.

Synchroniseer optioneel uw kennisbank met SuperMemory voor toegang op meerdere apparaten en het opvragen van opgeslagen context via natuurlijke taal. Vereist een SUPERMEMORY_API_KEY.

Een MEMORY.md rootbestand en gedateerde dagelijkse logs onder memory/YYYY-MM-DD.md geven zowel de agent als de ontwikkelaar een duidelijk, doorbladerbaar overzicht van wat er is besloten, geleerd en onthouden — geen ondoorzichtige database vereist.

Naarmate het project zich over dagen of weken ontwikkelt, schrijft de agent technische beslissingen (bijv. "Gebruik Tailwind, geen vanilla CSS") naar git-notes en SESSION-STATE.md. Bij elke nieuwe sessie leest het de eerdere context automatisch in, zodat het nooit meer vraagt welk framework je gebruikt.

Wanneer het contextvenster vol raakt en de agent compacteert, fungeert SESSION-STATE.md als snel geheugen dat de reset overleeft. Het WAL-protocol zorgt ervoor dat alles wat in de laatste uitwisseling is gezegd, al is opgeslagen voordat de compactie plaatsvindt.

Context opgeslagen in git-notes en LanceDB kan door elke voortgebrachte sub-agent worden opgevraagd bij de start van een taak, zodat parallelle agents dezelfde beslissingen en voorkeuren delen zonder handmatige herbriefing.

Gebruikersvoorkeuren, terugkerende deadlines en gecorrigeerde fouten worden automatisch geëxtraheerd door Mem0 en opgeslagen over sessies heen. De agent bouwt na verloop van tijd een nauwkeurig, ontdubbeld model van de gebruiker op zonder dat de prompt groeit.