💻 computer science

ESAA-Conversational: An Event-Sourced Memory Layer for Continuity, Handoff, and Curation Across Heterogeneous LLM Coding Agents

Dit artikel introduceert ESAA-Conversational, een event-sourced geheugenlaag die heterogene LLM-coderingsagenten in staat stelt om continuïteit en samenwerking over sessies heen te behouden door zichtbare gespreksturns vast te leggen in een gedeelde, append-only log en deterministische read-modellen te projecteren voor status, beslissingen en taken zonder dat directe agent-naar-agent communicatie of constante LLM-inferentie vereist is.

Oorspronkelijke auteurs: Elzo Brito dos Santos Filho

Gepubliceerd 2026-06-24

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Elzo Brito dos Santos Filho

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 projectmanager bent die een team leidt van vier zeer verschillende specialisten: een programmeur, een architect, een onderzoeker en een ontwerper. Elk van hen is een AI-agent (zoals Codex, Grok of Claude). Ze zijn briljant, maar ze hebben allemaal een groot gebrek: ze hebben een kortetermijngeheugen en ze praten niet met elkaar.

Wanneer de Architect een vergadering afsluit, schrijft hij zijn aantekeningen in een privé-notitieboek. Wanneer de Programmeur zijn dienst begint, heeft hij geen idee wat de Architect heeft besloten, tenzij jij, de mens, handmatig de aantekeningen naar een nieuwe chat kopieert en plakt. Dit is traag, rommelig en je verliest vaak belangrijke details.

ESAA-Conversational is een nieuw systeem dat dit probeert op te lossen. Het fungeert als een gecentraliseerd, gedeeld "Project Logboek" dat tussen al deze verschillende AI-agenten in zit.

Zo werkt het, met behulp van eenvoudige analogieën:

1. De "Black Box" Recorder (Mechanische Capturing)

In plaats van de AI te vragen om dingen te "onthouden", installeert het systeem stilletjes een beveiligingscamera (een hook of watcher) boven het scherm van de AI.

Wat het doet: Elke keer dat de AI een bericht typt, maakt de camera een foto en schrijft deze in een digitaal logboek genaamd activity.jsonl.
De Regel: Dit logboek is append-only (alleen toevoegbaar). Denk aan een vluchtrecorder in een vliegtuig. Zodra een regel is geschreven, kan deze niet worden gewist of gewijzigd. Het is de "Bron van de Waarheid" (Source of Truth).
Waarom het belangrijk is: De AI hoeft geen extra moeite te doen om zijn werk op te slaan. Het systeem legt simpelweg automatisch het ruwe bewijs vast.

2. De "Executieve Samenvattingen" (Projected Read Models)

Een rauw logboek met 500 pagina's aan chat is nutteloos als je alleen wilt weten wat het huidige plan is. Daarom genereert het systeem automatisch heldere, leesbare samenvattingen op basis van dat logboek.

De Analogie: Stel je een bibliothecaris voor die de slordige, handgeschreven dagelijkse logs van een bouwplaats leest en vervolgens drie heldere rapporten schrijft voor de voorman:
- state.md: "Dit is waar we nu staan."
- decisions.md: "Dit zijn de 5 grote keuzes die we hebben gemaakt en waarom."
- tasks.json: "Dit is de lijst met zaken die nog moeten gebeuren."
De Magie: Deze rapporten worden automatisch gegenereerd. Niemand bewerkt ze handmatig. Als het logboek verandert, worden de rapporten direct bijgewerkt. Dit zorgt ervoor dat de samenvattingen altijd overeenkomen met de ruwe waarheid.

3. De "Overdracht" (Continuïteit)

Wanneer de Architect zijn dienst beëindigt en de Programmeur begint, hoeft de Programmeur niet de hele 500 pagina's aan het logboek te lezen.

Het Proces: De Programmeur vraagt simpelweg het systeem om een "Handoff" (overdracht). Het systeem geeft hem de handoff.md (een samenvatting van wat er is gebeurd) en een specifieke "window" van de laatste 20 berichten die relevant zijn voor zijn taak.
Het Voordeel: De Programmeur kan direct aan het werk gaan met volledige context, zonder tijd te verspillen aan het lezen van irrelevante gesprekken of het kwijtraken van de draad bij eerdere beslissingen.

4. De "Mens-in-de-Loop" (Curatie)

Het systeem maakt onderscheid tussen wat er is gebeurd (bewijs) en wat ertoe doet (beslissingen).

Bewijs: Een AI die typt "Ik denk dat we Python moeten gebruiken" is slechts een wending in het logboek.
Curatie: Als de AI (of een mens) zegt: "Oké, we hebben besloten om Python te gebruiken," dan registreert het systeem dit als een formele Beslissingsgebeurtenis (Decision Event).
Waarom het belangrijk is: Dit scheidt de ruis van de conversatie van de duurzame regels van het project. Het systeem begrijpt het verschil tussen een willekeurige gedachte en een definitieve regel.

5. Privacy en Veiligheid

Het artikel benadrukt dat dit systeem is ontworpen om veilig te zijn voor publiek gebruik.

Het "Greenfield" Pakket: Toen de ontwikkelaars de tool vrijgaven, gaven ze iedereen een gloednieuw, leeg logboek. Ze deelden hun eigen privégesprekken niet.
De "Niet Delen" Lijst: Het systeem verbergt de slordige logbestanden automatisch voor het publieke oog (zoals een .gitignore bestand), zodat gevoelige privégesprekken niet per ongels op internet terechtkomen.

De Praktijktest

De auteurs hebben dit systeem op zichzelf getest. Ze gebruikten verschillende AI-agenten om het systeem te ontwerpen en te bouwen, terwijl het systeem hun eigen gesprekken opnam.

Resultaat: De agenten slaagden erin om samen te werken zonder ooit direct met elkaar te praten. Ze lazen alleen het gedeelde logboek en de samenvattingen.
Uitkomst: Ze bewezen dat je kunt wisselen tussen verschillende AI-tools (zoals wisselen van Grok naar Claude) zonder de draad van het gesprek te verliezen, zolang ze allemaal uit hetzelfde gedeelde logboek lezen.

Samenvattend

ESAA-Conversational is een tool die voorkomt dat AI-agenten amnesie krijgen. Het fungeert als een gedeeld, onveranderlijk dagboek dat alles vastlegt, automatisch heldere samenvattingen schrijft voor de volgende persoon die het moet lezen, en ervoor zorgt dat wanneer je van tool wisselt, je niet vanaf nul hoeft te beginnen. Het transformeert het chaotische proces van het wisselen tussen AI-assistenten naar een soepele, continue workflow.

Technische Samenvatting: ESAA-Conversational

Probleemstelling

Softwareontwikkelingsworkflows leunen steeds meer op heterogene Large Language Model (LLM) agenten (bijv. Codex, Grok, Claude Code), waarbij ontwikkelaars van tools wisselen op basis van contextvensterlimieten, kosten of de geschiktheid voor specifieke subtaken. De continuïteit tussen deze agenten is echter momenteel fragiel. Elke agent bewaart het gesprek in private, leveranciersspecifieke logs, wat leidt tot conversational state drift: doelen, beslissingen, rationales en openstaande taken die met de ene agent zijn vastgesteld, zijn niet betrouwbaar beschikbaar wanneer een andere het overneemt.

Huidige oplossingen omvatten handmatig kopiëren en plakken van context, wat verlieslatend is, duur is qua tokens, en de onderscheidende activiteiten van het vastleggen van conversationele bewijslast en het interpreteren van die bewijslast met elkaar verwecht. Er is een gebrek aan een gedeelde, deterministische geheugenlaag die ervoor zorgt dat agenten kunnen samenwerken zonder een direct agent-naar-agent kanaal of een gemeenschappelijk runtime-protocol.

Methodologie

Het paper stelt ESAA-Conversational voor, een domeinspecialisatie van de Event-Sourced Agent Architecture (ESAA), ontworpen om het gedeelde conversationele geheugen te beheren. De methodologie behandelt het zichtbare gesprek als een lokale event store, waarbij het mechanische vastleggen wordt gescheiden van menselijke of agent-gebaseerde oordeelsvorming.

Kernprincipes van de Architectuur

Inverted Ingestion (Omgekeerde Ingestie): In plaats van te vereisen dat agenten een gemeenschappelijk protocol spreken, neemt het systeem native logs, hooks of watchers van heterogene agenten in. Een deterministische adapter normaliseert deze zichtbare beurten naar een enkele, append-only event log (activity.jsonl).
Mechanische Vastlegging vs. Curatie:
- Turns (Bewijs): Het zichtbare gesprek wordt mechanisch vastgelegd zonder LLM-inferentie.
- Beslissingen & Taken (Oordeelsvorming): Duurzame beslissingen en operationele taken worden expliciet vastgelegd via domeincommando's (decide, task). Dit creëert een sterke grens waar 'turns' dienen als bewijs, terwijl gecureerde events representatief zijn voor duurzame kennis.
Event Sourcing & CQRS: Het systeem volgt Command Query Responsibility Segregation (CQRS).
- Write Path: Agenten en hooks voegen events toe aan activity.jsonl.
- Read Path: Het systeem projecteert deterministisch read models (bijv. handoff.md, state.md, decisions.md, tasks.json) uit de log. Deze modellen worden niet handmatig bewerkt; ze worden gereconstrueerd.
Context Engineering: Om aandachtsdegradatie in lange contexten aan te pakken, biedt het systeem gepagineerde contextcommando's. Een "koude" agent neemt niet de volledige log in, maar vraagt een selectief venster op (bijv. de laatste $N$ beurten, onderwerp-gefilterd, of rondom een speciek event) via de CLI.

Implementatie (v1.1.0)

De publieke release is een greenfield PowerShell-gebaseerde CLI-tool (conversation-esaa) die het volgende bevat:

Commands: init, enable-hooks, sync, project, verify, context, decide, en task.
Isolatie: Handhaaft workspace_root grenzen om het mengen van logs te voorkomen.
Concurrency: Gebruikt een eenvoudige write-path lockfile (run/*.lock) om operaties te serialiseren.
Privacy: De publieke distributie start met een lege log. Gevoelige bestanden worden uitgesloten via .gitignore, en het systeem legt geen verborgen redeneringen of system prompts vast.

Belangrijkste Bijdragen

Het paper levert vijf specifieke bijdragen:

Domeinspecialisatie: Definieert ESAA-Conversational als een specifieke toepassing van event sourcing voor conversationeel geheugen over heterogene agenten heen.
Formalisering van Inverted Ingestion: Stelt een methode vast om native agent logs te lezen en deze te normaliseren naar events zonder een gedeelde agent runtime te vereisen.
Architecturale Grens: Formaliseert de scheiding tussen mechanische vastlegging (turns als bewijs) en curatie (beslissingen/taken als expliciete events).
Specificatie van de Publieke Release: Beschrijft de v1.1.0 release, inclusief de CLI, geprojecteerde read models, gepagineerde context en workspace isolatiemechanismen.
Zelfreferentiële Case Study: Rapporteert over het feit dat het systeem is ontworpen, geïmplementeerd en beoordeeld door onderscheidende agenten die gebruikmaken van de zojuist gebouwde conversationele geheugenlaag.

Resultaten en Case Study

Het paper presenteert een zelfreferentiële case study waarbij het ESAA-Conversational systeem werd gebruikt om de eigen ontwikkelingscyclus te beheren.

Schaal: De ontwikkelingslaboratorium-log bevatte 570 events (562 conversation_turn events) waarbij Codex (304), Claude (79) en Grok (67) betrokken waren.
Collaboratie: Heterogene agenten werkten samen aan ontwerpbeslissingen (bijv. hook design, command semantics) zonder directe communicatie. Een agent kon het werk van een andere agent inspecteren door de gedeelde log te raadplegen (bijv. context --agent grok --last 20).
Defect Resolutie: De workflow identificeerde en herstelde succesvol een defect in legacy event filtering. De diagnose, de fix en de verificatie werden opgenomen als expliciete decision en task events, wat het praktische nut van de curatie-interface aantoont.
Validatie: De studie bevestigt de operationele levensvatbaarheid van het v1.1 design in een aanhoudende, real-world multi-agent workflow en valideert de waarde van selectieve, deterministische handoff.

Betekenis en Claims

Het paper claimt dat ESAA-Conversational een duidelijke architecturale grens biedt voor multi-agent systemen:

Continuïteit zonder Gemeenschappelijke Runtime: Het maakt continuïteit mogelijk tussen agenten die geen gedeeld protocol of runtime delen, door te vertrouwen op een gedeelde, deterministische ledger.
Token Economie: Het vermindert het tokenverbruik door handmatig kopiëren van context te vervangen door deterministische file projectie en gepagineerd lezen. De "zero tokens" claim heeft betrekking op de mechanische vastlegging en projectieprocessen, niet op de redenering van de agenten zelf.
Auditbaarheid: Het biedt operationele auditbaarheid (het volgen van wat is vastgelegd, beslist en geprojecteerd) zonder te beloven dat er sprake is van forensische auditbaarheid (bijv. cryptografische handtekeningen of hash chains worden naar toekomstig werk verschoven).
Privacy: Door de publieke distributie als een greenfield pakket te behandelen en private logs uit te sluiten, biedt het een privacymodel waarbij ontwikkeling gevoelige data kan genereren terwijl de distributie schoon blijft.

De auteurs benadrukken dat dit geen nieuw semantisch geheugensysteem is (zoals vector databases), maar een deterministische ledger die voorkomt dat indexen de bron van de waarheid worden. Het systeem geeft prioriteit aan een eenvoudige, lokale en verifieerbare tool boven complexe infrastructuur, en stelt functies zoals snapshots, cold replay en semantische zoekopdrachten uit naar toekomstige iteraties.