Prostir

Onderzocht artikel

AI Agent-memory versus leren

AI Agent-memory haalt context op; leren verandert bewust toekomstig gedrag. Een veilig ontwerp scheidt geschiedenis, privé User Memory, Knowledge en expliciet gewenste duurzame regels.

Voordat je leest

Wat wordt gepubliceerd

Een ownershipkaart voor context, feiten, Knowledge, regels, goedkeuring, revisions en rollback.

Beste voor

Owners en teams die bepalen wat een AI-systeem mag bewaren, toepassen, goedkeuren, corrigeren of verwijderen.

Waar het werk gebeurt

AI Agent-memory · Self-Learning · Toestemming · Memoryveiligheid

01

Memory en leren lossen andere problemen op

Geschiedenis bewaart het gesprek; User Memory onthoudt privéfeiten; Knowledge haalt goedgekeurde bronnen op. Geen daarvan mag zelfstandig gedeeld gedrag wijzigen.

Leren wijzigt een toekomstige instructie. Daarvoor zijn duidelijke duurzame intentie, exacte scope, bevoegde actor, herkomst, revisions, verwijdering en rollback nodig.

Fine-tuning wijzigt parameters en Evaluations meet gedrag. Ze zijn geen opgeslagen regel en vragen eigen owners en toestemming.

02

Kies de juiste eigenaar

  1. 01
    Classificeer de informatie

    Bepaal of het tijdelijke context, een privéfeit, goedgekeurd document, configuratie of expliciete duurzame correctie is.

  2. 02
    Koppel scope en bevoegdheid

    De gebruiker wijzigt privéregels, de editor Agent-regels; Team- en Store-voorstellen vereisen de juiste reviewer.

  3. 03
    Pas toe met lagere prioriteit

    Haal alleen actieve relevante regels op, begrens ze als niet-vertrouwde tekst en bewaar revisions voor verwijdering of herstel.

03

Wat niet automatisch wordt opgeslagen

Bewaar geen eenmalige instructie, secrets, betalingen, credentials, gevoelige afleiding, vijandige tekst of gewone conversatie alleen omdat die later nuttig kan zijn.

Memory verleent geen tools, membership, betaling, publicatie, approval of toegang tussen scopes. Autorisatie blijft op de server.

Vermijd last-write-wins: stabiele identiteit, expected revision, idempotentie, conflicten, geschiedenis en rollback beschermen gelijktijdige correcties.

04

Ontwerp eerst de schrijfroute

De moeilijke vraag is wat door wie geschreven mag worden, niet welke vectordatabase je kiest.

  1. 01
    Vereis duurzame intentie

    Sla alleen expliciete voorkeuren, correcties, grenzen of regels op met actor, bron, reden, operatie en scope.

  2. 02
    Review gedeelde wijzigingen

    Team- en Store-voorstellen blijven pending tot een bevoegde beslissing; een privéregel wordt niet voor gemak gedeeld.

  3. 03
    Meet en herstel

    Evalueer het effect, bekijk revisions en verwijder of herstel zonder de canonieke configuratie te herschrijven.

05

Self-Learning in Prostir

Self-Learning is een geïmplementeerde opt-in-module voor voorkeuren, correcties, grenzen en duurzame regels, apart van geschiedenis, User Memory, Knowledge, fine-tuning en Evaluations.

Privéregels horen bij de exacte OAuth user. Owner/editor beheert Agent; Team-leden en Store-klanten stellen gedeelde wijzigingen ter review voor.

Elke mutatie is begrensd, toegeschreven, gereviseerd, idempotent, doorzoekbaar en omkeerbaar. Alleen actieve regels gaan als niet-vertrouwde context met lagere prioriteit naar runtime.

Oplossingen

AI-agentbouwer voor een product dat echt van jou is

Bouw één Agent onder jouw controle en publiceer die privé voor klanten of je team, zonder zelf een volledig SaaS-backend samen te stellen.

Oplossingen

Bespreek je eerste Agent

Vertel voor wie hij werkt, welke kennis hij gebruikt en wat hij mag doen. We helpen een eerlijke eerste versie af te bakenen.