Site beheer • 21 maart 2026 21:52 • 5 min leestijd

Het Memory Block: context meenemen tussen sessies

Elk gesprek met een AI-model begint met een leeg blad. Het model weet niets over wat je gisteren hebt besproken, welke keuzes je hebt gemaakt of welke context belangrijk is voor je project. Dit is een fundamentele beperking van AI-modellen. Het Memory Block is een techniek waarmee je die beperking omzeilt door cruciale context aan het begin van je prompt mee te geven.

Wat is een Memory Block?

Een Memory Block is een gestructureerd stuk tekst dat je aan het begin van je prompt plaatst en waarin je de essentiële context van je project of werkproces vastlegt. Het is als een briefing die je een nieuwe collega zou geven: wie zijn we, wat doen we, welke beslissingen zijn al genomen, en wat is de huidige stand van zaken.

Het idee is simpel: als het model het niet kan onthouden, geef je het de informatie gewoon opnieuw. Maar dan wel gestructureerd en efficiënt, zodat het model er direct mee aan de slag kan.

Waarom is dit nodig?

Er zijn drie veelvoorkomende problemen die een Memory Block oplost:

  • Vergeten beslissingen: Je hebt vorige sessie besloten om React te gebruiken in plaats van Vue, maar het model weet dat niet meer en stelt Vue voor. Dit leidt tot inconsistentie en verspilde tijd.
  • Aangenomen voorkennis: Je praat met het model alsof het je project kent, maar het heeft geen idee van je architectuur, tech stack of eerdere keuzes. Het model maakt aannames die niet kloppen.
  • Verwachting van geheugen tussen sessies: Veel gebruikers verwachten dat het model onthoudt wat er vorige keer is besproken. Dat doet het niet. Elke sessie is een schone lei.

De onderdelen van een Memory Block

Een goed Memory Block bevat de volgende secties:

<memory-block>

<project>
[Naam en korte beschrijving van het project]
</project>

<stack-en-keuzes>
[Technische keuzes die al gemaakt zijn: talen, frameworks,
tools, architectuur]
</stack-en-keuzes>

<beperkingen>
[Harde grenzen: budget, tijd, technische beperkingen,
niet-onderhandelbare vereisten]
</beperkingen>

<huidige-status>
[Waar sta je nu? Wat is af, wat niet? Wat is het volgende
dat moet gebeuren?]
</huidige-status>

<eerder-geprobeerd>
[Wat heb je al geprobeerd dat niet werkte? Welke problemen
ben je tegengekomen?]
</eerder-geprobeerd>

</memory-block>

Een compleet voorbeeld

Stel, je werkt aan een webapplicatie en begint een nieuwe sessie:

<memory-block>

<project>
TaskFlow: een projectmanagement-app voor kleine teams
(max 10 personen). Focus op eenvoud en snelheid.
</project>

<stack-en-keuzes>
- Backend: Laravel 11, PHP 8.3
- Frontend: Vue 3 met Composition API
- Database: MySQL 8
- Auth: Laravel Sanctum (token-based)
- Hosting: DigitalOcean met Laravel Forge
- Besluit: geen real-time features in v1, dat komt in v2
</stack-en-keuzes>

<beperkingen>
- Maximaal 3 maanden ontwikkeltijd (1 developer)
- Budget: €500/maand hosting
- Moet werken op mobiel (responsive, geen native app)
</beperkingen>

<huidige-status>
- User registration en login werken
- Project CRUD is af
- Taakbeheer is 70% af (mist: deadlines, toewijzing)
- Volgende stap: taak-toewijzing aan teamleden bouwen
</huidige-status>

<eerder-geprobeerd>
- Drag-and-drop voor taken met SortableJS: werkte slecht
  op mobiel, vervangen door simpele knoppen
- WebSocket voor real-time updates: te complex voor v1,
  uitgesteld naar v2
</eerder-geprobeerd>

</memory-block>

Ik wil nu taak-toewijzing bouwen. Een projecteigenaar
moet taken kunnen toewijzen aan teamleden. Hoe zou je de
database-structuur en API-endpoints opzetten?

Waarom werkt dit?

Het model kent nu je hele context: de tech stack, eerdere beslissingen, beperkingen en wat al geprobeerd is. Het zal geen WebSocket-oplossing voorstellen (want dat is uitgesteld naar v2), geen technologieën kiezen die niet in je stack passen, en rekening houden met je constraint van één developer en drie maanden.

Tips voor een effectief Memory Block

  • Plaats het in de eerste 30% van je prompt: AI-modellen besteden de meeste aandacht aan het begin van de prompt. Zet je Memory Block daarom altijd bovenaan.
  • Houd het actueel: Werk je Memory Block bij na elke sessie. Verwijder wat niet meer relevant is en voeg nieuwe beslissingen toe.
  • Wees beknopt: Een Memory Block van 200-400 woorden is meestal genoeg. Meer is zelden nodig en kost contextruimte die je voor je eigenlijke vraag wilt gebruiken.
  • Bewaar het extern: Sla je Memory Block op in een apart bestand of notitie-app zodat je het snel kunt kopiëren en plakken aan het begin van elke sessie.

Wanneer gebruik je een Memory Block?

  • Doorlopende projecten: Elk project dat meerdere AI-sessies overspant, profiteert van een Memory Block.
  • Complexe systemen: Zodra er veel keuzes en beperkingen zijn die het model moet kennen.
  • Teamwerk: Als meerdere mensen met AI werken aan hetzelfde project, zorgt een gedeeld Memory Block voor consistentie.
  • Na een lange onderbreking: Als je een project oppakt na weken of maanden, helpt het Memory Block om snel weer op snelheid te komen.

Veelgemaakte fouten

  • Verwachten dat het model onthoudt: De meest gemaakte fout. Elk gesprek begint opnieuw. Zelfs als een model een geheugenfunctie heeft, is een expliciet Memory Block betrouwbaarder.
  • Te veel detail: Elk besluit en elke regel code in je Memory Block zetten maakt het onleesbaar. Focus op de grote lijnen en strategische keuzes.
  • Het Memory Block niet bijwerken: Een verouderd Memory Block is erger dan geen Memory Block. Als het model beslissingen volgt die je al hebt teruggedraaid, krijg je inconsistente output.

Zelf aan de slag

Kies een project waar je meerdere AI-sessies voor nodig hebt. Maak nu een Memory Block aan met de vijf secties: project, stack en keuzes, beperkingen, huidige status, eerder geprobeerd. Sla het op als een apart bestand en plak het aan het begin van je volgende sessie. Na een paar sessies zul je merken dat het model veel gerichtere en relevantere antwoorden geeft omdat het jouw context kent.

Gerelateerde artikelen

Lokale AI op een oude PC - met Gemma 4

100% de baas zijn over je eigen data en AI kunnen gebruiken zonder internetverbinding...

4 min leestijd

Chain of Thought: stap voor stap redeneren

Soms moet een AI-model niet alleen een antwoord geven, maar ook nadenken ove...

4 min leestijd

Few-Shot prompting: leren door voorbeelden

Soms is het makkelijker om te laten zien wat je wilt dan om het uit te legge...

5 min leestijd