Partea cea mai dificilă în construirea agenților AI nu este să-i înveți să-și amintească. Îi învață să uite. Colegul meu și scriitorul incredibil de talentat tocmai @helloiamleonie publicat ceea ce ar putea fi cea mai cuprinzătoare analiză a memoriei unui agent pe care am văzut-o vreodată – și crede-mă, toți aveam nevoie de asta. Iată provocarea principală: LLM-urile sunt fără stat. Fiecare conversație este un nou început. Nu-și amintesc ce ai spus acum cinci minute, cu atât mai puțin ce ai spus săptămâna trecută. Deci, cum facem agenți care chiar își amintesc? Două tipuri fundamentale de memorie: • Memorie pe termen scurt: Informații din fereastra de context a LLM-ului (conversația curentă) • Memorie pe termen lung: Informații stocate extern (conversații anterioare, preferințe ale utilizatorului, fapte învățate) Dar aici devine interesant – și confuz. Cadrele diferite categorizează memoria în mod diferit, de exemplu: Abordarea CoALA (inspirată de cogniția umană): • Memorie de lucru (conversație curentă) • Memorie semantică (fapte despre utilizator) • Memorie episodică (experiențe și acțiuni trecute) • Memorie procedurală (instrucțiuni și comportamente) Abordarea lui Letta (axată pe arhitectură): • Buffer de mesaje (mesaje recente) • Memorie de bază (blocuri în context gestionate activ) • Recall Memory (istoricul brut al conversațiilor) • Memorie arhivistivă (cunoștințe stocate explicit) Partea cea mai grea? Uita. Gestionarea a ceea ce intră în memorie este extrem de complexă. Gestionarea a ceea ce se șterge este și mai dificilă. Cum automatizezi decizia asupra a ceea ce este depășit? Când este informația veche cu adevărat depășită versus cea mai relevantă din punct de vedere contextual? Aici se confruntă cu dificultăți majoritatea implementărilor. Leonie acoperă totul, de la diferitele tipuri de memorie (de lucru, semantică, episodică, procedurală) până la strategii practice de implementare și ecosistemul în creștere al cadrelor de memorie precum mem0, Letta și zep. Acesta este unul dintre acele postări pe care ar trebui să le salvezi la favorite și la care te întorci pe măsură ce îți construiești sistemele agenților. Postarea de blog a Leoniei:

Toată lumea vorbește despre AI agentică, dar vorbim cu toții despre același lucru? Am observat oameni care folosesc "arhitecturi agentice" și "fluxuri de lucru agentice" interschimbabil. Dar de fapt sunt concepte destul de diferite care funcționează împreună. Iată distincția: Fluxuri de lucru agentice = Seria de pași pe care îi face un agent pentru a atinge un obiectiv Gândiți-vă la asta ca la "ce" - procesul propriu-zis Acești pași pot include: • Utilizarea LLM-urilor pentru a crea un plan • Împărțirea sarcinilor în subsarcini • Utilizarea instrumentelor precum căutarea pe internet • Reflectarea asupra rezultatelor și ajustarea planului Arhitecturi agentice = Cadrul tehnic și proiectarea sistemului Gândiți-vă la asta ca la "cum" - structura de bază Acestea conțin întotdeauna: • Cel puțin un agent cu capacități de luare a deciziilor • Instrumente pe care agentul le poate folosi • Sisteme pentru memorie pe termen scurt și lung De ce contează acest lucru? Pentru că același flux de lucru poate fi implementat folosind arhitecturi diferite. Este ca și cum ai avea mai multe moduri de a construi aceeași rețetă - pașii rămân similari, dar configurația bucătăriei variază. De exemplu, un flux de lucru RAG agentic (descompunerea interogărilor, preluarea informațiilor, evaluarea relevanței) ar putea fi construit cu o arhitectură de router cu un singur agent sau un sistem cu mai mulți agenți. Același flux de lucru, arhitectură diferită. Înțelegerea acestei distincții vă ajută: • Proiectați sisteme mai flexibile • Alegeți arhitectura potrivită pentru fluxul de lucru specific • Comunicați mai clar despre ceea ce construiți de fapt Ce fluxuri de lucru agentice sunteți cel mai entuziasmat să implementați? Resurse: 📌 Cartea electronică gratuită Agentic Architectures: 📌 Postare pe blogul Agentic Workflows: