Архітектура пам’яті AI-агентів: сесії, знання та довготривалі уроки

Агент не отримує корисної пам’яті лише тому, що розмова довга. Корисну пам’ять відбирають, зберігають, знаходять і виправляють поза окремим викликом моделі. Без цього життєвого циклу більша історія може означати більше шуму, застарілих припущень і ризиків приватності.

Розділяйте чотири види стану

Working context містить те, що модель бачить зараз. Він тимчасовий та обмежений.

Session state зберігає повідомлення, результати інструментів і прогрес завдання між кроками однієї роботи.

Knowledge зберігає факти з джерелами, документи й структуровані записи, які можуть підтримувати багато майбутніх завдань.

Experience memory зберігає повторно використовувані уроки: уподобання користувача, виправлення, правило проєкту або перевірену процедуру відновлення.

Документація OpenAI щодо sandbox чітко відокремлює conversational session memory від sandbox memory, яка узагальнює повторно використовувані уроки у файлах. Так повна стенограма не перетворюється на постійну модель знань.

Проєктуйте шлях запису перед retrieval

Системи пам’яті часто починають із пошуку, але найскладніші рішення виникають під час запису. Яке observation варто зберегти? Це факт, уподобання чи випадковість конкретного завдання? Чи містить воно приватні дані? Яке джерело його підтверджує? Коли воно має втратити актуальність?

Використовуйте структурований запис із джерелом, датою, рівнем упевненості, контекстом, приватністю, статусом і повноваженнями. Зберігайте виправлення як зміни з provenance, а не непомітну заміну історії. Коли два джерела суперечать одне одному, зберігайте конфлікт, доки його не усунуть переконливіші докази або рішення уповноваженої особи.

Завантажуйте пам’ять поступово

Спочатку завантажуйте компактний індекс. Шукайте подробиці лише за їхньої релевантності. OpenAI документує progressive memory layout, де зведення завантажується перед глибшими файлами та rollout histories. Конкретна реалізація залежить від продукту, але принцип переносний: metadata для пошуку мають бути дешевими, а докази — доступними на вимогу.

Retrieval також має поважати приватність. Дозвіл зберігати запис не робить його автоматично безпечним для кожного агента, користувача або output. Застосовуйте правила доступу до того, як вміст потрапляє в контекст моделі.

Консолідуйте поза поточним виконанням

Не дозволяйте кожній успішній або невдалій дії негайно переписувати довготривалі інструкції. Збирайте докази під час роботи, а потім переглядайте їх пакетами. Об’єднуйте дублікати, зберігайте умови застосовності, позначайте застарілі записи та перевіряйте запропоновані оновлення як на випадках поліпшення, так і на випадках збереження наявної поведінки.

Пам’ять може погіршити роботу агента

Неправильні уподобання перетворюються на повторювані помилки. Старі поради щодо API можуть витіснити актуальну документацію. Великі індекси можуть знайти правдоподібний, але нерелевантний спогад. Персональні дані можуть з’явитися в завданні, де їм не місце.

Установлюйте обмеження обсягу, правила актуальності та процедури видалення або архівування. За можливості зберігайте сире джерело, щоб стиснену пам’ять можна було перевірити.

Коли пам’ять не потрібна

Stateless-завдання з повними inputs має залишатися stateless. Не зберігайте інформацію користувача лише тому, що платформа це дозволяє. Пам’ять виправдана, коли майбутня робота виграє від погодженого уроку, який можна перевірити й який не можна безпечніше надати під час самого запиту.

Продовжуйте з матеріалами про систему знань для AI зі збереженням provenance, Context Engineering та Continual Improvement.

Першоджерела

• OpenAI: Sandbox agents and persistent memory
• OpenAI Agents API architecture
• A Survey on the Memory Mechanism of LLM-based Agents

Примітка про адаптацію: статтю підготовлено з урахуванням розділів про пам’ять і бази знань з AI Agents in Depth: Design Principles and Engineering Practice авторства Bojie Li та співавторів, Apache License 2.0. Структуру, термінологію й рекомендації незалежно переписано та доповнено для Stariy.com.