Zonder memory-node vergeet de agent alles
Een AI Agent-node in n8n stuurt bij elke uitvoering een opdracht naar een taalmodel. Het model zelf onthoudt niets tussen twee aanroepen. Als een klant in zijn tweede bericht “en wat kost dat?” vraagt, weet de agent niet waar “dat” op slaat, tenzij het eerste bericht wordt meegestuurd. Dat doet een memory-node: een sub-node die je onder de agent hangt en die per gesprek de vorige berichten bewaart.
De documentatie van n8n maakt een duidelijk onderscheid: agents kunnen geheugen gebruiken, chains niet. Bouw je met een Basic LLM Chain, dan is elk bericht een nieuw begin.
De memory-nodes naast elkaar
| Node | Waar het gesprek staat | Geschikt voor |
|---|---|---|
| Simple Memory | In het geheugen van n8n zelf | Testen en een enkele instance zonder queue mode |
| Postgres Chat Memory | Een tabel in je Postgres-database | Productie, als je al Postgres gebruikt |
| Redis Chat Memory | Redis | Productie met veel korte gesprekken |
| Zep, Motorhead, Xata | Een externe dienst | Als je die dienst al gebruikt |
| Chat Memory Manager | Werkt op een bestaand geheugen | Berichten toevoegen, weghalen of uitlezen in de workflow |
Zo zet je het op
- Voeg een memory-node toe aan de AI Agent-node, via het plusje bij Memory.
- Stel de Session Key in. Met de chat-trigger neemt n8n die vanzelf over. Bij een mail, formulier of webhook kies je zelf een vast kenmerk: het mailadres van de afzender, een klantnummer, een ticketnummer. Elk kenmerk krijgt zijn eigen gesprek.
- Kies de Context Window Length. Dat is het aantal eerdere interacties dat meegaat. Begin laag en verhoog alleen als de agent draadjes kwijtraakt; elke extra beurt kost tokens.
- Kies voor productie een database. De documentatie van Simple Memory waarschuwt dat de node niet werkt in een actieve productieworkflow als n8n in queue mode draait, omdat niet gegarandeerd is dat elke aanroep bij dezelfde worker uitkomt. Postgres Chat Memory maakt de tabel zelf aan als die nog niet bestaat.
- Let op gedeelde sessies. Bij Postgres Chat Memory delen nodes in dezelfde workflow het geheugen, tenzij je ze een andere sessie-ID geeft.
Het misverstand: geheugen is kennis
Een memory-node onthoudt het gesprek, niet je bedrijf. De agent weet daarmee wat de klant drie berichten geleden vroeg, maar niet welke afspraak jullie vorig jaar met die klant maakten, welke leverancier jullie niet meer gebruiken, of hoe het team spoedorders afhandelt. Na de laatste interactie in het venster is ook het gesprek zelf weg uit zijn context.
Voor kennis zijn er andere routes: een tool die in een database of document zoekt, een vector store-node voor ophalen op betekenis, of een koppeling met een externe kennisbron. Het verschil tussen die twee soorten staat uitgelegd in Wat is het verschil tussen RAG en AI-geheugen? en de soorten op een rij in Welke soorten geheugen hebben AI-agents?
Wat dit voor een team betekent
Een n8n-agent leeft in zijn eigen workflow. Wat hij leert van gesprekken met klanten, blijft in zijn tabel. De collega die dezelfde klant in Outlook met Copilot beantwoordt, of in Claude een offerte schrijft, ziet het niet. En wat het team in die tools afspreekt, bereikt de n8n-agent niet, tenzij iemand het in zijn instructies overtypt. Hoe n8n zich verhoudt tot een gedeelde geheugenlaag staat in n8n of Bombos: mogelijkheden, inrichting en kosten
Waar Bombos past
Bombos is een plugin die elke AI-tool van het team één gedeeld geheugen geeft, ook eigen agents zoals die in n8n, naast Claude, ChatGPT, Copilot, Grok, Claude Code, Codex en Cursor. Daarin staan teamkennis, regels die het team leerde, en wat er al in mail, documenten en repo’s ligt, en je ziet waarop elk antwoord rust. De memory-node blijft het gesprek bijhouden; Bombos levert de kennis eromheen, in de cloud of op je eigen server.
Vragen die hierbij horen
Kan een Basic LLM Chain in n8n ook een geheugen hebben?
Nee. Volgens de documentatie van n8n kunnen agents geheugen gebruiken, chains niet. Wil je dat een workflow eerdere berichten kent, gebruik dan de AI Agent-node.
Wat is de Session Key?
Het kenmerk waarmee n8n bepaalt welk gesprek bij welk geheugen hoort. Met de chat-trigger gaat dat vanzelf. Bij een andere trigger, zoals een mail of een webhook, stel je hem zelf in, bijvoorbeeld op het mailadres van de klant of het nummer van een ticket.
Hoeveel berichten onthoudt de agent?
Zoveel als je instelt bij Context Window Length: het aantal eerdere interacties dat de memory-node meestuurt. Meer is niet altijd beter, want elke beurt gaat mee in de context en kost tokens.
Delen twee agents in één workflow hun geheugen?
Bij Postgres Chat Memory wel, zolang ze dezelfde sessie-ID en tabel gebruiken. Wil je ze gescheiden houden, geef ze dan een andere sessie-ID.
