Je AI-gesprekken als geheugen en context

Het probleem

Michael werkt met veel AI-tools tegelijk: Claude Code, DeepSeek Harness, OpenCode, Codex, Hermes (een eigen assistent), en in de browser Gemini en Claude. Elk bewaart gesprekken op een eigen plek, in een eigen formaat. Wat een maand geleden is uitgezocht, is daardoor lastig terug te vinden.

De oplossing

Elk gesprek wordt een Markdown-notitie in Obsidian, met dezelfde frontmatter: datum, bron, model, tokens en categories: [[AI-Chat]]. Daarnaast twee velden die het zoeken makkelijk maken: links naar de skills die in het gesprek zijn gebruikt, en de besproken onderwerpen, elk in een eigen kolom.

Codeertools: een script exporteert drie keer per dag de sessies en laat een klein model de samenvatting en onderwerpen schrijven.
Browsergesprekken: de Obsidian Web Clipper knipt het gesprek uit de pagina en vult titel en samenvatting in met een AI-prompt.
Eén overzicht: een Obsidian Base, een tabelweergave over notities, toont alles met AI-Chat. Je zoekt en filtert op titel, onderwerp, skill of tool.
Een maandoverzicht: een script telt elke nacht per maand en per tool hoeveel sessies er waren en hoeveel tokens ze verbruikten, en zet dat in één notitie.

flowchart TD
  A["Claude Code · DeepSeek Harness<br/>OpenCode · Codex · Hermes"] -->|"export 3x per dag"| V["Obsidian<br/>één formaat per gesprek"]
  B["Gemini · Claude in de browser"] -->|"Web Clipper"| V
  V --> C["Base AI-Chat<br/>zoeken op onderwerp, skill en tool"]
  V -->|"elke nacht"| M["Maandoverzicht<br/>sessies en tokens per tool"]
  V -->|"elk kwartaal"| P["Prompt Profiel"]
  P -->|"gaat mee met elke chat"| A

Wat het oplevert

Op 30 september staan er 1.421 gesprekken in één Base. Dat geeft context die anders verspreid zou liggen: bij welk onderwerp welke skill hielp, en wat er eerder al is geprobeerd. Het maandoverzicht laat zien welke tools het meest gebruikt worden en hoeveel tokens ze kosten. In september had DeepSeek Harness de meeste sessies (196), en Claude Code veruit de meeste tokens.

%%{init: {"themeVariables": {"xyChart": {"plotColorPalette": "#b4532a", "backgroundColor": "transparent"}}}}%%
xychart-beta
  title "Tokens per maand in 2026, alle tools samen (miljoenen)"
  x-axis ["jan", "feb", "mrt", "apr", "mei", "jun", "jul", "aug", "sep"]
  y-axis "Tokens (mln)" 0 --> 4000
  bar [70, 660, 695, 503, 102, 477, 1372, 3509, 3654]

Tokens zoals de exporters ze vastleggen, inclusief gecachte context: een maat voor gebruik, geen rekening.

En de gesprekken houden het Prompt Profiel actueel. Elk kwartaal kijkt een script naar de gesprekken van de afgelopen maanden: waar Michael vaak en diepgaand over praat en van bijleert, gaat het niveau omhoog. Zo past het profiel zich aan zonder dat Michael het zelf hoeft bij te houden.

De les: één afgesproken formaat is meer waard dan de slimste zoekfunctie.

Wat nog niet werkt

Clippen is handwerk. Maar 61 van de 1.421 gesprekken kwamen via de browser binnen, dus het profiel leunt zwaar op de codeertools. En van die 61 hebben er maar 22 onderwerpen; de rest vind je alleen op titel.

Zelf proberen

Geef deze prompt aan je eigen AI-assistent:

Ik gebruik Obsidian en wil al mijn AI-gesprekken op één plek. Schrijf een
script dat de gesprekken van [mijn AI-tool] exporteert naar Markdown, met
frontmatter: datum, bron, model, tokens, onderwerpen en categories:
"[[AI-Chat]]". Maak daarna een Obsidian Base die alle notities met die
categorie toont, met één weergave per bron. Schrijf ook een script dat
per maand en per bron het aantal gesprekken en de tokens optelt in een
notitie. Stel tot slot een Web Clipper-sjabloon voor voor gesprekken in
de browser, met hetzelfde formaat.