Heeft een AI-agent een vectordatabase nodig, of kan hij zelf zoeken?

Kort antwoord

Niet altijd. Anthropic beschrijft hoe Claude Code bestanden 'just in time' vindt met zoektools als glob en grep, zonder alles vooraf te indexeren, en Cursor zegt in zijn documentatie geen embeddings van je codebase op te slaan voor zoeken. Voor code werkt zelf zoeken goed. Voor kennis die over mail, documenten en mensen verspreid is, en waarvoor geen exacte zoekterm bestaat, helpt een index met betekenis en verbanden nog steeds.

Twee manieren om de juiste informatie te vinden

Een agent heeft zelden alle informatie die hij nodig heeft al in zijn context. Er zijn twee hoofdroutes om die erbij te krijgen.

Vooraf ophalen (klassieke RAG) Zelf zoeken (agentic search)
Hoe het werkt Documenten worden vooraf in stukken geknipt en als vectoren opgeslagen; bij elke vraag haalt het systeem de meest gelijkende stukken op De agent krijgt zoektools en bepaalt zelf wat hij zoekt, opent en opnieuw zoekt
Sterk in Vragen in gewone taal waarvoor geen exacte zoekterm bestaat Exacte namen, functies, foutmeldingen, bestandspaden
Zwak in Verouderde index, stukken zonder samenhang, verkeerde stukken die er wel op lijken Kost meer stappen en tokens; vindt niets als niemand weet hoe het heet
Onderhoud Index bijhouden bij elke wijziging Geen index, de bron zelf is de waarheid

Anthropic noemt de tweede route “just in time”: de agent houdt lichte verwijzingen vast, zoals bestandspaden en zoekopdrachten, en laadt de inhoud pas met tools als hij die nodig heeft. Claude Code gebruikt volgens hetzelfde artikel “glob en grep” om zijn omgeving te verkennen en bestanden op het moment zelf op te halen, in plaats van alles vooraf te indexeren.

Wat de coding agents nu doen

De twee bekendste coding agents zijn de zoekkant op gegaan:

  1. Claude Code zoekt met glob en grep en leest bestanden wanneer het ze nodig heeft. Bij de start kunnen ook instructiebestanden en de index MEMORY.md worden geladen.
  2. Cursor schrijft in zijn documentatie dat het “geen embeddings van je codebase opslaat voor zoeken”. Het gebruikt een eigen snelle grep met een lokale index, en laat brede zoekopdrachten over aan een Explore-subagent met een eigen contextvenster en een sneller model, omdat zoeken door veel bestanden “veel context oplevert”.

Voor code is dat logisch. Code heeft exacte namen. Een functie die berekenBtw heet, vind je sneller met een tekstzoekopdracht dan met een vector die “ongeveer over btw gaat”. En de code zelf is altijd actueel, terwijl een index achterloopt op de laatste commit.

Het misverstand: vectoren zijn achterhaald

Uit “Claude Code gebruikt geen vectordatabase” trekken sommige teams de conclusie dat ophalen op betekenis nergens meer nodig is. Dat klopt alleen voor bronnen die zich lenen voor exact zoeken. Anthropic schrijft zelf dat de meest effectieve agents waarschijnlijk een hybride strategie gebruiken: een deel van de gegevens vooraf ophalen voor snelheid, en de rest laten zoeken.

Teamkennis buiten de code ziet er anders uit dan een codebase:

  • Een afspraak met een klant staat in een mail van acht maanden geleden, zonder het woord dat je nu zoekt.
  • “Hoe doen we dat bij spoedorders?” heeft geen bestandsnaam.
  • Een regel geldt alleen voor één klant, of alleen sinds maart.

Daar heeft zelf zoeken met grep weinig houvast. Zoeken op betekenis, op trefwoorden en op verbanden (deze klant, dat project, die beslissing) vult elkaar aan. Ook Claude doet dat zelf: in Claude Projects schakelt het volgens de Help Center naar een ophaalmodus als de projectkennis tegen de grens van het contextvenster aankomt.

Hoe je kiest

  1. Is de bron exact doorzoekbaar en altijd actueel? Code, configuratie, gestructureerde data: geef de agent zoektools.
  2. Is de bron groot, tekstueel en zonder vaste termen? Mail, notulen, documenten: zorg voor ophalen op betekenis en trefwoorden.
  3. Hangt het antwoord af van verbanden of van wanneer iets gold? Dan heb je een structuur nodig die die verbanden vasthoudt, zoals een context graph.
  4. Moet de agent iets onthouden van eerdere sessies? Dan is het een geheugenvraag, geen zoekvraag. Het verschil staat in Wat is het verschil tussen RAG en AI-geheugen?

Wat dit voor een team betekent

Elke tool in je team maakt zijn eigen keuze. Claude Code zoekt in de repo, Copilot zoekt in SharePoint, ChatGPT in de bestanden van een project. Geen van die tools zoekt in de bronnen van de andere. Dezelfde vraag levert daardoor per tool een ander antwoord op, afhankelijk van welke bron die tool toevallig kan doorzoeken.

Waar Bombos past

Bombos is een plugin die één gedeeld geheugen onder de AI-tools van het team legt: teamkennis, geleerde regels en wat er al in mail, documenten en repo’s ligt. Of je agent nu zoekt op trefwoorden of op betekenis, elke tool, van Claude Code en Cursor tot ChatGPT, Copilot en eigen agents, haalt via de plugin uit dezelfde bron, en je ziet waarop een antwoord rust. Eén persoon kan het eerst voor zijn eigen agents proberen.

Vragen die hierbij horen

Wat is agentic search?

Een agent die zelf zoekt: hij bedenkt een zoekopdracht, kijkt naar de resultaten, opent een bestand, en zoekt opnieuw als het nodig is. Tegenover vooraf ophalen, waarbij een systeem op basis van de vraag stukken tekst uit een index haalt voordat het model begint.

Is RAG dan achterhaald?

Nee. Anthropic noemt een hybride aanpak waarschijnlijk het meest effectief: een deel vooraf laden voor snelheid, de rest laten zoeken. Claude Projects schakelt zelf naar ophalen als de projectkennis te groot wordt voor het contextvenster.

Wat kost zelf zoeken extra?

Tijd en tokens. Elke zoekstap is een extra rondje van het model, en de resultaten komen in het contextvenster. Daarom laten tools als Cursor brede zoekopdrachten door een aparte subagent met een eigen contextvenster doen.

Bronnen

  1. Anthropic: Effective context engineering for AI agents
  2. Search (Cursor-documentatie)
  3. What are projects? (Claude Help Center)
  4. Memory tool (Claude API-documentatie)
Het eerste half uur · kosteloos

Wat vergeet jullie AI?

  1. 01Je vertelt welke AI jullie gebruiken en waar het steeds opnieuw moet.
  2. 02We laten zien wat een gedeeld geheugen daar verandert, op jullie eigen voorbeelden.
  3. 03Je krijgt het plan mee. Dat houd je, ook zonder Bombos.
Piet Baudoin
Piet BaudoinJe spreekt Piet, van het team van BombosNederlands team uit Utrecht en Nijmegen · data in Europa
We reageren dezelfde werkdag.