Marktmannen wiki Personal Knowledge Management (PKM)

Kennissysteem Fundering (AI Report)

Laatst bijgewerkt: 29-06-2026

TL;DR: Een sterk AI-antwoord komt niet van een slimmere prompt maar van hoe je je kennis hebt georganiseerd — zet je werk per project in één map vol Markdown-bestanden, met een werkdocument als spin in het web.

Sessie 1 van de Nederlandstalige kennissysteem-reeks van AI Report (docent Oscar Lepoeter, zelf geen programmeur). De kerngedachte: stop met focussen op prompts, begin met context engineering — de stap voorbij prompt engineering. Niet hóe je je vraag formuleert (eenmalig), maar welke set informatie het model tijdens het werken ziet (steeds opnieuw). Een week na het inrichten typ je een half zinnetje en rolt je gespreksvoorbereiding er compleet uit.

Waarom AI nu vastloopt: hallucinatie als ontwerpfout

AI's zijn slecht in aangeven wat ze niet weten; ze verzinnen liever een plausibel antwoord. Dat is geen kinderziekte: OpenAI-onderzoek laat zien dat modellen tijdens training beloond worden voor gokken, niet voor twijfel toegeven (zoals gokken bij een meerkeuzetoets). Nieuwere "redenerende" modellen hallucineren op sommige tests juist méér. De betrouwbaarste knop is daarom niet het model, maar de context: geef de AI jouw feiten, dan put hij daaruit in plaats van uit zijn geheugen.

Werken "in een map"

Claude (Cowork), Claude Code, Codex en Obsidian werken allemaal op een gewone map met bestanden op je computer — niet op de cloud. De truc: de map waar de AI in werkt moet de map zijn waar jouw bestanden staan. De optelsom van die bestanden is je context.

De AI laadt niet alles tegelijk in, maar vist het er just-in-time uit: doorzoekt je bestanden, leest het relevante stukje, klikt zo nodig door. Het werkgeheugen is beperkt (als RAM) — te veel info maakt het antwoord juist slechter. Lokaal zoeken is schoner dan een cloud-connector: Anthropic geeft een voorbeeld waarin een taak van 150.000 tokens terugzakt naar 2.000 zodra je alleen ophaalt wat nodig is (~99% minder ballast).

Markdown als favoriet bestandsformaat

Zet bestanden om naar Markdown — de tip die het meeste verschil maakt.

  • Zuinig en betrouwbaar: dezelfde inhoud kost als PDF al gauw 3x zoveel tokens; PDF/Word sleept onzichtbare ballast mee (lettertype-tabellen, layout-coördinaten) en valt bij uitlezen uit elkaar (tabellen, kolommen).
  • Voorspelbare structuur voor AI én mens; elk groot model is getraind op enorme hoeveelheden Markdown (README's, docs, GitHub).
  • Trend: Anthropic schrijft zijn eigen skills in Markdown; de llms.txt-standaard zet bedrijfskennis (Stripe, Zapier, Cloudflare) in Markdown klaar. "Word en PDF, daar zou ik me zorgen om maken." Notion werkt minder goed, want het leeft op een server.

Obsidian als lens op je map

Obsidian ("Word for nerds") wijst naar een map en toont alle tekstbestanden leesbaar. Alles staat lokaal (geen save-knop, niets naar de cloud), wat het snel en privacy-vriendelijker maakt. Het sterkste punt: bestanden kunnen met elkaar gelinkt worden ([[naam]]), een persoonlijke Wikipedia waarvan de waarde in de verbindingen zit — en AI kan die links zelf volgen. Niet nieuw: dit is het Zettelkasten/second-brain-principe, terug te voeren op Vannevar Bush's Memex (1945). Wat nieuw is: een AI kan het web nu zelf doorlopen. Obsidian is gratis; alleen veilig syncen kost ~€4/maand (of gratis via iCloud/Dropbox).

Het werkdocument: de spin in het web

Het hart van het systeem. Zie het als de homepage van je persoonlijke Wikipedia: bovenin een kort overzicht (wat speelt er, wat ga je doen), daaronder links naar alle andere documenten (wie zijn betrokken, waar staat wat, wat is de stand). De beste analogie is werkoverdracht — precies het document dat je voor een collega zou schrijven. Linken is de tussenvorm tussen "explosie aan losse bestanden" en "alles in submapjes": het maakt niet uit hoe het in mappen staat, als de bestanden maar snappen dat ze met elkaar te maken hebben.

Blijf de context vullen

Voeg bredere achtergrond toe, anders blijft de AI op "het gemiddelde" leunen: zet een e-boek met een werkwijze in de map en verwijs naar de hoofdpunten; exporteer deep research uit andere modellen als Markdown in plaats van het in een chatdraadje te laten verdampen. Twee guardrails uit Anthropic's eigen documentatie horen bovenin het werkdocument: (1) geef de AI expliciet toestemming om "dat staat hier niet" te zeggen, en (2) vraag om eerst letterlijke citaten uit jouw bestanden te halen vóór hij antwoordt.

Dossier-skills

Een skill is geen magie — een Markdown-bestand met een instructie in mensentaal. Claude kiest een skill op basis van de korte beschrijving bovenaan (naam + beschrijving). Twee soorten die meteen renderen: een schrijfstijl-skill (beschrijf hoe je schrijft) en een dossier-skill (typ "ProRail" en het hele dossier laadt). De groei-discipline: is de output niet goed, ga dan niet handmatig editen — verbeter de skill die het genereert. ⚠️ Behandel een skill als software; gebruik alleen skills die je zelf maakt of die van Anthropic komen.

De avond-checklist

  1. Installeer Obsidian, wijs het op een map.
  2. Verzamel je belangrijkste bestanden van één project (niet alles).
  3. Zet ze om naar Markdown ("Zet alle Word- en PDF-bestanden om naar Markdown").
  4. Maak een werkdocument (overzicht boven, bestandenlijst + betrokkenen onder).
  5. Leg links tussen documenten.
  6. Maak een dossier-skill die het werkdocument inlaadt zodra je het projectwoord typt.
  7. Stel een vraag met een half zinnetje en kijk wat eruit rolt.

Open vragen

  • Wanneer loont een vector database t.o.v. platte Markdown-bestanden voor Job's eigen Marktmannen-OS? (Oscar gebruikt het bewust niet.)
  • Hoe verhoudt deze "werk-in-een-map"-aanpak zich tot de cockpit-vs-klant-OS-scheiding van Marktmannen?

Verwante concepten

Bronnen

#context-engineering #markdown #obsidian #werkdocument #dossier-skill #niet-technisch

Backlinks