--- title: "Codex contextbeheer aanzetten" date: 2026-09-06 author: "Sam" featured_image: "https://promptcoaching.nl/wp-content/uploads/2026/09/codex-contextbeheer.jpg" categories: - name: "Prompting" url: "/category/prompting.md" --- # Codex contextbeheer aanzetten Je zit midden in een bouwklus. Codex stelt opnieuw een aanpak voor die je eerder al had afgewezen. Dan mag je weer uitleggen waarom. Experimenteel contextbeheer moet helpen om zulke eerdere details beter beschikbaar te houden. Je kunt het aanzetten in de configuratie van Codex, maar een gegarandeerde besparing op je verbruik is het niet. Een [bericht van MaxForAI op X](https://x.com/MaxForAI/status/2096131966647279660) bracht de instelling onder de aandacht met de belofte van flink lager GPT-6-verbruik. De functie zelf staat inderdaad in de documentatie van OpenAI. Die documentatie bevestigt de werking en de toegangseisen, maar noemt bij deze instelling geen besparingspercentage. ## Hoe werkt het nieuwe Codex-contextbeheer? Een taalmodel kan maar een begrensde hoeveelheid informatie tegelijk meenemen. Dat heet het contextvenster. Bij lange opdrachten moet een code-agent dus bepalen welke eerdere informatie beschikbaar blijft. Volgens de [configuratiereferentie van OpenAI](https://learn.chatgpt.com/docs/config-file/config-reference) gebruikt deze experimentele modus notities en doorzoekbare geschiedenis, in plaats van de context herhaaldelijk tot één samenvatting te comprimeren. Het doel is eerder opgebouwde details te bewaren. De functie staat standaard uit en vereist een ChatGPT-login met Plus, Pro of Pro Lite. Denk aan een boekingsformulier. Je hebt afgesproken dat een klant eerst een tijdslot kiest en pas daarna zijn e-mailadres invult. Halverwege moet Codex een fout in de beschikbaarheidscontrole oplossen. Die oorspronkelijke keuze moet dan nog meetellen. Een zoekbare eerdere afspraak kan daarbij helpen; alleen een korte samenvatting kan de reden achter de volgorde missen. Dit is een voorbeeld van het probleem, geen gemeten testresultaat. ## Minder opnieuw uitleggen is de goede reden om dit te proberen Ik vind dit vooral interessant voor opdrachten die langer duren dan één kleine wijziging. Wie met AI bouwt, wil dat afgewezen oplossingen afgewezen blijven en dat eerdere afspraken terug te vinden zijn. Daar heb je in de praktijk meer aan dan aan een indrukwekkend besparingsgetal zonder vergelijkbare test. Het zwakke punt van dat enthousiasme: meer geschiedenis maakt een fout besluit niet goed. Als je aan het begin een onduidelijke opdracht geeft, kan Codex ook die onduidelijkheid bewaren. Een concrete opdracht blijft nodig. In de uitleg over [betere prompts schrijven](https://promptcoaching.nl/betere-prompts-schrijven/) staat hoe je grenzen en gewenste uitkomsten vastlegt. ## Hoe zet je de instelling aan zonder dubbele configuratie? Open je persoonlijke bestand `~/.codex/config.toml` en maak eerst een kopie. Gebruik je de Codex-extensie in je editor, dan beschrijft OpenAI de route via het tandwiel: **Codex Settings → Open config.toml**. De [uitleg over configuratie](https://learn.chatgpt.com/docs/config-file/config-basic) vermeldt ook dat projectinstellingen je persoonlijke standaard kunnen overschrijven. Zoek eerst op `context_management`. Staat de instelling al op `true`, voeg dan niets toe. Ontbreekt hij, dan kun je dit blok gebruiken: ``` [features.context_management] experimental_mode = true ``` Heb je al een blok `[features]`, dan kun je daar ook deze ene regel onder zetten: ``` context_management.experimental_mode = true ``` Kies één schrijfwijze. TOML, het bestandsformaat van deze configuratie, accepteert geen dubbele definitie van dezelfde instelling. De korte regel hoort binnen `[features]`, vóór het volgende blok tussen vierkante haken. Plak hem dus niet zomaar onderaan het bestand. Sla het bestand op en begin een nieuwe taak om de instelling te proberen. Meldt je client dat hij de instelling niet kent, controleer dan of er een update beschikbaar is. Alleen een API-key voldoet niet aan de door OpenAI genoemde ChatGPT-loginvoorwaarde. Wil je terug, zet dezelfde waarde op `false`. ## Een vinkje bewijst nog geen lager verbruik Op 6 september 2026 hebben we de eigen Codex-configuratie gecontroleerd. De instelling stond al op `true`. Daarmee is vastgesteld dat de optie aanstond. We hebben geen vergelijking van het verbruik met en zonder deze functie uitgevoerd. Wil je zelf vergelijken, gebruik dan twee kopieën van dezelfde beginversie van een klein project. Geef dezelfde opdracht met hetzelfde model en dezelfde denkstand, één keer met de functie uit en één keer aan. Noteer het zichtbare verbruik én of het resultaat werkt. Eén poging per stand is hooguit een eerste aanwijzing: modelgedrag kan tussen runs verschillen. Je eerste handeling kan nog kleiner: controleer vandaag of de instelling al in je bestand staat. Bij een volgende langere bouwklus kun je vervolgens letten op een concrete afspraak die Codex eerder vergat. Blijft die behouden en hoef je minder te corrigeren, dan merk je waar deze functie nuttig kan zijn. Voor een eerste oefenproject kun je de stappen voor [vibe coding leren](https://promptcoaching.nl/vibe-coding-leren/) gebruiken. Een herhaalde vergelijking moet daarna uitwijzen of ook het verbruik daalt. Geschreven door [Sam](https://promptcoaching.nl/over-sam/). Instelling en documentatie gecontroleerd op 6 september 2026.