PROJECTMEM: A Local-First, Event-Sourced Memory and Judgment Layer for AI Coding Agents
Het artikel introduceert PROJECTMEM, een open-source, local-first geheugen- en oordelingslaag voor AI-coderingsagenten die een event-sourced log gebruikt om compacte contextsamenvattingen en deterministische pre-actie poorten te bieden, waardoor redundant debuggen wordt voorkomen en auditeerbare, staatgestuurde ontwikkeling mogelijk wordt gemaakt.
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 briljante, razendsnelle software engineer inhuurt om je te helpen een app te bouwen. Deze engineer is ongelooflijk slim, maar heeft een zeer vreemde eigenschap: hij heeft volledige amnesie elke keer dat je het chatvenster sluit.
Elke keer als je een nieuw gesprek start, {vergeet deze engineer}:
- Alles wat je gisteren tegen hem hebt gezegd.
- Hij leest de volledige codebase vanaf nul opnieuw.
- Hij herontdekt problemen die je al hebt opgelost.
- Het meest frustrerende: Hij probeert een bug op te lossen met exact dezelfde methode die gisteren drie keer al had gefaald, waardoor hij uren van je tijd verspilt.
Dit is de huidige staat van AI-coderingsassistenten. Ze zijn krachtig, maar ze zijn "stateless"—ze onthouden de geschiedenis van het project niet zodra de sessie eindigt.
ProjectMem is een nieuwe tool die dit probleem oplost. Denk aan het als een permanente, supergeorganiseerde notitieblok die direct naast je code zit en die de AI wordt gedwongen te lezen voordat hij een actie onderneemt.
Zo werkt het, met eenvoudige analogieën:
1. Het "Black Box" Logboek (Event Sourcing)
In plaats van dat de AI probeert te raden wat er is gebeurd, houdt ProjectMem een strikt, onveranderlijk dagboek bij van elke stap die in het project is genomen.
- De Analogie: Stel je een bouwplaats voor waar elke arbeider precies moet opschrijven wat hij heeft gedaan in een logboek voordat hij voor de dag vertrekt.
- "Ik probeerde de lekkende pijp te repareren, maar hij barstte." (Poging: Gefaald)
- "Ik probeerde een andere moersleutel, en dat werkte wel." (Poging: Geslaagd)
- "We hebben besloten om koperen pijpen te gebruiken, geen PVC." (Besluit)
- Waarom het belangrijk is: Dit logboek wordt geschreven in platte tekst (zoals een simpel tekstbestand), niet in een complexe database. Het is als een boodschappenlijstje dat iedereen kan lezen, doorzoeken en begrijpen. Het wordt nooit verwijderd of bewerkt; er worden alleen nieuwe vermeldingen onderaan toegevoegd. Dit creëert een perfect, onveranderlijk geschiedenis van het project.
2. De "Slimme Samenvatter" (Projection)
De AI hoeft niet het hele 500 pagina tellende dagboek te lezen elke keer dat hij aan het werk gaat. ProjectMem condenseert dat logboek automatisch tot een korte, gemakkelijk leesbare "Spiekbrief".
- De Analogie: Het is als een docent die het hele huiswerklogboek van een semester leest en je een samenvatting van één pagina geeft van "Wat we deze week hebben geleerd" voor het eindexamen. De AI krijgt de hoogtepunten (de samenvatting) in plaats van de ruwe data-dump, wat tijd en geld bespaart.
3. De "Bouncer" (Judgment Layer)
Dit is het meest unieke deel. ProjectMem vertelt de AI niet alleen wat er is gebeurd; het stopt de AI om dezelfde fout opnieuw te maken.
- De Analogie: Stel je een uitsmijter bij een club voor die een gastenlijst controleert.
- Als de AI probeert een bestand aan te passen dat twee dagen geleden voor een crash zorgde, grijpt de Bouncer in en zegt: "Wacht even! Je probeerde dit bestand twee dagen geleden te repareren, en toen ging het kapot. Doe dat niet nog een keer."
- Dit gebeurt voordat de AI de wijziging doorvoert. Het fungeert als een veiligheidshek gebaseerd op de eigen geschiedenis van het project, niet op een gok.
4. De "Local-First" Regel
ProjectMem draait volledig op je eigen computer.
- De Analogie: Het is alsof je het familiealbum in je eigen woonkamer bewaart, en niet uploadt naar de cloudserver van een vreemde.
- Privacy: Geen gegevens verlaten je machine. Je code en geheimen blijven veilig.
- Snelheid: Omdat het lokaal is, is het direct.
- Geen "Black Magic": Het gebruikt geen complexe AI om te "raden" wat het moet onthouden; het gebruikt eenvoudige, deterministische regels (als X gebeurde, dan waarschuw voor X).
De Resultaten (Wat het paper beweert)
De auteurs hebben dit systeem getest op 10 verschillende echte projecten over een periode van twee maanden. Ze ontdekten:
- Minder verloren tijd: De AI hoefde niet duizenden regels code opnieuw te lezen om context te onthouden.
- Minder herhaalde fouten: De "Bouncer" waarschuwde de AI succesvol voor eerder mislukte reparaties.
- Kostenbesparing: Door te voorkomen dat de volledige projectcontext elke keer opnieuw naar de AI moet worden gestuurd, schatten ze een enorme hoeveelheid "tokens" (de munteenheid waarmee AI-modellen worden betaald) te besparen, wat de kosten per sessie potentieel met meer dan de helft verlaagt.
- Audit Trail: Omdat elke actie in platte tekst wordt gelogd, kun je terugkijken om te zien waarom een beslissing precies is genomen, wat het werk van de AI transparant en betrouwbaar maakt.
Kortom: ProjectMem verandert een AI-coderingsassistent van een vergeetachtige genie die fouten herhaalt in een ervaren teamlid dat de geschiedenis van het project onthoudt, leert van fouten uit het verleden en je waarschuwt voordat je dezelfde fout twee keer maakt.
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.