Bestanden worden de primaire interface voor AI-agenten om context te beheren, gesprekken op te slaan en toegang te krijgen tot vaardigheden 📁 @jerryjliu0 legt uit hoe coderingsagenten zoals Claude Code en @cursor_ai zich centraliseren rond bestandsystemen als kernabstracties, en zich verwijderen van complexe tool-ecosystemen: 📝 Agenten slaan lange gespreksgeschiedenissen op in doorzoekbare bestanden om beperkingen van contextvensters te overwinnen 🔍 Bestandsgebaseerd ophalen met semantische zoekopdrachten presteert beter dan traditionele RAG-patronen voor dynamische contextdoorloop ⚡ Vaardigheden gedefinieerd als eenvoudige bestanden vervangen complexe MCP-tools - kopieer gewoon API-specificaties in markdown-bestanden 🛠️ Agenten hebben slechts ~5-10 kernhulpmiddelen nodig (CLI, code-interpreter, web ophalen) plus toegang tot het bestandssysteem om zeer capabel te zijn De uitdagingen die voor ons liggen zijn het parseren van niet-platte tekstdocumenten (PDF's, Word, Excel) en het opschalen van bestandszoekopdrachten naar enorme collecties. Dat is precies waarom we de Parse, Extract en Sheets-capaciteiten van LlamaCloud hebben gebouwd - om elk documentformaat om te zetten in agent-klaar context. Lees de volledige analyse: