Najtrudniejszą częścią budowania agentów AI nie jest nauczenie ich zapamiętywania. To nauczenie ich zapominania. Moja koleżanka i niesamowicie utalentowana pisarka @helloiamleonie właśnie opublikowała to, co może być najbardziej kompleksowym omówieniem pamięci agentów, jakie widziałem - i uwierzcie mi, wszyscy tego potrzebowaliśmy. Oto podstawowe wyzwanie: 𝗟𝗟𝗠𝘀 𝗮𝗿𝗲 𝘀𝘁𝗮𝘁𝗲𝗹𝗲𝘀𝘀. Każda rozmowa to nowe rozpoczęcie. Nie pamiętają, co powiedziałeś pięć minut temu, nie mówiąc już o tym, co powiedziałeś w zeszłym tygodniu. Jak więc stworzyć agentów, którzy naprawdę pamiętają? 𝗧𝘄𝗼 𝗳𝘂𝗻𝗱𝗮𝗺𝗲𝗻𝘁𝗮𝗹 𝗺𝗲𝗺𝗼𝗿𝘆 𝘁𝘆𝗽𝗲𝘀: • 𝗦𝗵𝗼𝗿𝘁-𝘁𝗲𝗿𝗺 𝗺𝗲𝗺𝗼𝗿𝘆: Informacje w oknie kontekstu LLM (aktualna rozmowa) • 𝗟𝗼𝗻𝗴-𝘁𝗲𝗿𝗺 𝗺𝗲𝗺𝗼𝗿𝘆: Informacje przechowywane zewnętrznie (przeszłe rozmowy, preferencje użytkownika, poznane fakty) Ale tutaj robi się interesująco - i myląco. Różne ramy klasyfikują pamięć w różny sposób, na przykład: 𝗖𝗼𝗔𝗟𝗔'𝘀 𝗮𝗽𝗽𝗿𝗼𝗮𝗰𝗵 (inspirowane ludzką kognicją): • Pamięć robocza (aktualna rozmowa) • Pamięć semantyczna (fakty o użytkowniku) • Pamięć epizodyczna (przesłe doświadczenia i działania) • Pamięć proceduralna (instrukcje i zachowania) 𝗟𝗲𝘁𝘁𝗮'𝘀 𝗮𝗽𝗽𝗿𝗼𝗮𝗰𝗵 (skoncentrowana na architekturze): • Bufor wiadomości (niedawne wiadomości) • Pamięć rdzenna (aktywnie zarządzane bloki w kontekście) • Pamięć przypomnienia (surowa historia rozmowy) • Pamięć archiwalna (wyraźnie przechowywana wiedza) 𝗧𝗵𝗲 𝗵𝗮𝗿𝗱𝗲𝘀𝘁 𝗽𝗮𝗿𝘁? 𝗙𝗼𝗿𝗴𝗲𝘁𝘁𝗶𝗻𝗴. Zarządzanie tym, co trafia do pamięci, jest niezwykle skomplikowane. Zarządzanie tym, co zostaje 𝘥𝘦𝘭𝘦𝘵𝘦𝘥, jest jeszcze trudniejsze. Jak zautomatyzować decyzję, co jest przestarzałe? Kiedy stara informacja jest naprawdę nieaktualna, a kiedy nadal jest kontekstowo istotna? To jest miejsce, w którym większość implementacji ma trudności. Leonie omawia wszystko, od różnych typów pamięci (roboczej, semantycznej, epizodycznej, proceduralnej) po praktyczne strategie implementacji i rosnący ekosystem ram pamięci, takich jak mem0, Letta i zep. To jeden z tych postów, które będziesz chciał dodać do zakładek i wrócić do niego, gdy budujesz swoje systemy agentów. Post na blogu Leonie:

Wszyscy mówią o agentycznej AI, ale czy wszyscy mówimy o tym samym? Zauważyłem, że ludzie używają terminów "architektury agentyczne" i "workflow agentyczne" zamiennie. Ale to w rzeczywistości dość różne koncepcje, które współpracują ze sobą. Oto rozróżnienie: 𝗔𝗴𝗲𝗻𝘁𝗶𝗰 𝘄𝗼𝗿𝗸𝗳𝗹𝗼𝘄𝘀 = Seria kroków, które agent podejmuje, aby osiągnąć cel Pomyśl o tym jako o "co" - rzeczywistym procesie Te kroki mogą obejmować: • Używanie LLM do stworzenia planu • Rozbijanie zadań na podzadania • Używanie narzędzi, takich jak wyszukiwanie w internecie • Refleksja nad wynikami i dostosowywanie planu 𝗔𝗴𝗲𝗻𝘁𝗶𝗰 𝗮𝗿𝗰𝗵𝗶𝘁𝗲𝗰𝘁𝘂𝗿𝗲𝘀 = Techniczna struktura i projekt systemu Pomyśl o tym jako o "jak" - podstawowej strukturze Zawsze zawierają: • Co najmniej jednego agenta z możliwościami podejmowania decyzji • Narzędzia, z których agent może korzystać • Systemy pamięci krótkoterminowej i długoterminowej Dlaczego to ma znaczenie? Ponieważ ten sam workflow może być wdrażany przy użyciu różnych architektur. To jak posiadanie wielu sposobów na zbudowanie tego samego przepisu - kroki pozostają podobne, ale układ kuchni się różni. Na przykład, agentyczny workflow RAG (rozbijanie zapytań, pozyskiwanie informacji, ocena istotności) mógłby być zbudowany z architektury routera z jednym agentem lub systemu z wieloma agentami. Ten sam workflow, różna architektura. Zrozumienie tego rozróżnienia pomaga ci: • Projektować bardziej elastyczne systemy • Wybierać odpowiednią architekturę dla swojego konkretnego workflow • Komunikować się jaśniej na temat tego, co właściwie budujesz Jakie agentyczne workflow najbardziej cię ekscytują do wdrożenia? Zasoby: 📌 Darmowy Ebook o Architektach Agentycznych: 📌 Post na blogu o Workflow Agentycznych: