Память агента как файловый формат
Agent Memory as a File Format
Кэл Патерсон предлагает радикально простой подход к памяти ИИ-агентов: вместо сложных систем, использующих графы и базы данных, он описывает «memoryfield» — открытый формат на основе Markdown-файлов и SQLite-индекса для семантического поиска. Автор объясняет, почему существующие системы памяти (привязанные к харнессам, переусложнённые или «высокомодернистские») не работают, и показывает, что агенты лучше всего работают с файлами. Формат позволяет агентам писать воспоминания в прозе, находить их через семантический поиск и масштабироваться с развитием моделей.
Память — особенно для модели — гораздо лучше представлять как данные, а не как процесс.
- dataviz1000
Кто-нибудь ещё не использует память?
Я заметил, что как только появляется одна отравленная строка текста, это негативно влияет на всё остальное ниже по цепочке. Вместо этого я использую папку temp/ с документами и разные файлы для разных агентов и моделей. Затем мне приходится постоянно чистить и удалять файлы. Любая информация, которую можно вывести логически, — это просто шум, который негативно влияет на агента. Если у вас есть определение структуры базы данных и оно реализовано, эта информация не должна содержаться ни в одном текстовом документе — это шум, он будет дрейфовать, и будет невозможно отладить, почему агент продолжает выдавать нежелательное поведение.
У меня есть папка ~/Projects. Например, я использую Playwright с Chrome DevTools Protocol для тестирования производительности и обнаружения утечек. Есть скрипт, который это делает. Мой промпт: "Поищи в ~/Projects тестирование производительности с CDP и Playwright и реализуй здесь". Суть в том, что если мне что-то нужно, я указываю на ресурс или прошу поискать ресурс, и он быстро его находит и, что самое важное, с каждой итерацией улучшает его.
Если бы я был в организации, у меня был бы репозиторий, и я бы просто указал на ресурс и сказал "используй это", а не хранил это в локальной памяти.
- morelandjs
Я был готов написать что-то язвительное, потому что это по сути RAG, но думаю, автор затрагивает некоторые тонкие детали, которые, по-видимому, важны.
- Системы памяти — это особый тип базы знаний, где вы генерируете все документы. Можно генерировать их так, чтобы они были меньше лимита токенов эмбеддинга, чтобы избежать необходимости в чанкинге.
- Модели эмбеддингов становятся лучше и больше не являются просто семантическим усреднением.
- Маленькие модели становятся очень дешёвыми, что делает параллельное чтение управляемым по стоимости.
То, что они описывают, — это, по сути, самая простая архитектура, использующая эти наблюдения. Я верю им, когда они говорят, что это работает хорошо.
Но я подозреваю, что такие вещи, как поиск по ключевым словам, полностью провалятся, если каждая память — это просто вектор. Поэтому гибридный поиск, как в Typesense, всё ещё может быть полезен.
- JohnMakin
> Markdown "страницы", с
> (опционально) YAML frontmatter и
> (опционально) SQLite векторный индекс для семантического поиска
Это в точности то, что я использую в MCP API, который я построил, и это работает довольно хорошо. Можно ещё больше обогатить, если использовать систему хранения, например S3, и использовать метаданные.
"Управляемая харнессом" память — это полный мусор, я убеждён, и я отключаю её немедленно. Главная проблема в том, что со временем она деградирует и вкрадывается в конфликтующую или откровенно ложную информацию. И однажды вы поклянётесь, что она пьяна, и каждый раз, когда я доходил до этого состояния и расследовал, автоматически управляемая память всегда была проблемой.
- Avijit_Thawani
"Нерелевантный материал просто никогда не всплывает при семантическом поиске."
Это довольно оптимистично. Есть много "памяти" или прошлых чатов с агентами, которые следует подавлять и забывать, потому что они искали не там или в конечном итоге были опровергнуты. Тем не менее семантически они выглядели бы очень релевантными для будущего поиска. Вот почему не следует искать одновременно в учебниках и научной фантастике, пытаясь решить экзамен.
- JustFinishedBSG
Это куча текста, чтобы сказать "это markdown".