← Nieuwste papers
🤖 AI

Context: Proactive Goal-Directed Intelligence via Composable Sandboxed Programs, Declarative Wiring, and Structured Interaction

Dit artikel introduceert Context, een proactieve intelligentielaag binnen de Magarshak-architectuur die reactieve chatbots vervangt door doelgerichte agenten door gebruik te maken van contextassemblage op het moment van schrijven voor cache-efficiëntie, samengestelde in een zandbak geplaatste programma's voor deterministische uitvoering en toestandsautomaten voor autonome interactie, allemaal ondersteund door formele bewijzen van kostenreductie, correctheid en superieure prestaties.

Oorspronkelijke auteurs: Gregory Magarshak

Gepubliceerd 2026-05-26
📖 5 min leestijd🧠 Diepgaand

Oorspronkelijke auteurs: Gregory Magarshak

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat je een teamproject leidt, zoals het bouwen van een huis of het organiseren van een complex evenement. In een typisch gesprek met een standaard AI-assistent is de AI als een passieve secretaresse. Ze zit stil tot je vraagt: "Wat is de status?" of "Wie moet de volgende stap zetten?" Ze wacht tot jij het gesprek stuurt, waardoor je vaak tijd moet besteden aan het uitzoeken waar je bent of wie de volgende actie moet ondernemen.

Het paper "Context" introduceert een nieuw type AI genaamd een proactieve, doelgerichte agent. Denk aan deze agent niet als een secretaresse, maar als een hyper-georganiseerde projectmanager die nooit slaapt en nooit herinneringen nodig heeft. Ze kijkt naar de "blauwdruk" van het project (een digitale kaart van het werk) en onderneemt automatisch de volgende logische stap zodra de voorwaarden zijn vervuld, zonder dat je het ooit hoeft te vragen.

Hieronder wordt uitgelegd hoe het paper dit systeem beschrijft aan de hand van drie hoofd-"superkrachten", uitgewerkt met eenvoudige analogieën:

1. De "Slimme Archiefkast" (Write-Time Context)

Het probleem: Standaard AI moet elke keer dat je een nieuw bericht stuurt, de volledige geschiedenis van het gesprek opnieuw lezen. Dit is traag en duur, net als een bibliothecaris die elke keer als je een vraag stelt, elk boek in de bibliotheek opnieuw moet inplanken en opnieuw moet lezen.

De oplossing: Het "Context"-systeem bouwt een vooraf berekende, slimme archiefkast.

  • Hoe het werkt: Zodra je iets schrijft, organiseert het systeem het direct in een permanent, stabiel bestand.
  • De magie: Als het "bestand" niet is veranderd sinds je laatste bericht, hoeft de AI het niet opnieuw te lezen. Het verwijst gewoon naar het bestaande bestand.
  • Het resultaat: Het paper beweert dat dit de AI 10 keer goedkoper en sneller maakt, omdat het alleen betaalt voor de nieuwe informatie die je toevoegt, en de stabiele delen van het gesprek die het al perfect kent, negeert.

2. De "Legoblokken van Wijsheid" (Samenstellbare, in een zandbak geplaatste programma's)

Het probleem: Meestal moet een AI voor elke enkele actie "nadenken" (nieuwe tekst genereren), wat kan leiden tot fouten of inconsistente logica.

De oplossing: In plaats van elke keer opnieuw te denken, gebruikt dit systeem een bibliotheek met vooraf gebouwde, geteste Legoblokken genaamd "Wijsheidsprogramma's".

  • Hoe het werkt: Stel je een bibliotheek voor met kleine, veilige computerprogramma's (zoals een blok "belasting berekenen" of een blok "controleren of een stemming is geslaagd"). Deze zijn door mensen geschreven, getest en vergrendeld in een veilig vak zodat ze niets kunnen breken.
  • De bedrading: Het systeem verbindt deze blokken met elkaar als een printplaat. Als een specifiek evenement plaatsvindt (bijvoorbeeld "een document is geüpload"), activeert het systeem automatisch het "beoordelings"-blok, gevolgd door het "goedkeurings"-blok, in de juiste volgorde.
  • Het resultaat: De AI hoeft niet te raden wat ze moet doen; ze voert gewoon de juiste, vooraf goedgekeurde reeks acties uit. Dit zorgt ervoor dat de AI altijd correct is, omdat ze een strikt, getest recept volgt in plaats van te improviseren.

3. De "Verkeersregelaar" (Proactieve toestandsautomaten)

Het probleem: In groepschats verliezen mensen tijd door te vragen: "Wat doen we?" of "Wie zit vast?" Dit zijn "coördinatiebeurten" die het project niet echt vooruit helpen.

De oplossing: De AI fungeert als een verkeersregelaar die de stroom van het gesprek automatisch regelt.

  • Hoe het werkt: De AI controleert voortdurend de status van het project. Als ze ziet dat een taak klaar is, plaatst ze direct de volgende stap. Als ze een blokkade ziet (zoals een ontbrekende handtekening), vraagt ze direct de specifieke persoon die moet tekenen.
  • Het resultaat: Het paper bewijst wiskundig dat deze proactieve aanpak verspilde tijd elimineert. De AI neemt de behoefte weg voor mensen om te vragen "Wat is er volgende?", omdat de AI het hen vertelt voordat ze er zelfs aan denken om het te vragen. Het beweert dat dit groepsarbeid sneller maakt zonder de kwaliteit van het eindresultaat te verlagen.

4. De "Universele Vertaler" (Consistentie tussen platformen)

Het probleem: Als je team Telegram, e-mail en een website gebruikt, is het moeilijk bij te houden wie voor wat heeft gestemd of wat de huidige status is.

De oplossing: Het systeem fungeert als een universele vertaler.

  • Hoe het werkt: Of een stem nu wordt uitgebracht via e-mail, een sms-bericht of een website, het systeem behandelt het als exact dezelfde actie in de centrale "blauwdruk".
  • Het resultaat: Iedereen ziet dezelfde waarheid, ongeacht het apparaat dat ze gebruiken. Het paper bewijst dat het systeem verwarring of dubbeltelling voorkomt, en garandeert dat een stem die op een telefoon is uitgebracht, direct en nauwkeurig wordt weergegeven op een laptop.

De Conclusie

Het paper betoogt dat we door deze drie elementen te combineren – vooraf opgeslagen context, vooraf geteste actieblokken en automatisch verkeersleiden – kunnen overstappen van "reactieve chatbots" (die wachten tot je spreekt) naar "proactieve agenten" (die het werk vooruit stuwen).

De auteurs beweren dat dit een "Pareto-verbetering" creëert: Je krijgt het werk sneller gedaan (minder beurten) met dezelfde of betere kwaliteit, en het systeem wordt goedkoper om te draaien naarmate je het meer gebruikt. Het verandert de AI van een gereedschap dat je moet duwen in een partner die het werk voor jou vooruit duwt.

Verdrinkt u in papers in uw vakgebied?

Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.

Probeer Digest →