Память действительно меняет правила игры для агентов ИИ. Как только я правильно настроил память для своих проактивных агентов, их способность к рассуждению, навыкам и использованию инструментов значительно улучшилась. Я использую комбинацию семантического поиска и поиска по ключевым словам (хранилища Obsidian). Вот отчет с полезной рамкой для всех, кто строит с памятью и многопользовательскими системами. В нем предлагается рассматривать память многопользовательских агентов как проблему компьютерной архитектуры. Статья различает парадигмы общей и распределенной памяти, предлагает трехуровневую иерархию памяти (ввод/вывод, кэш и память) и определяет два критических пробела в протоколах: совместное использование кэша между агентами и структурированный контроль доступа к памяти. Системы памяти агентов сегодня напоминают человеческую память тем, что они неформальны, избыточны и трудны для контроля. По мере того как агенты развиваются в совместные многопользовательские системы, их требования к памяти быстро растут в сложности. Контекст больше не является статическим запросом. Это динамическая система памяти с ограничениями по пропускной способности, кэшированию и согласованности. Самой большой открытой проблемой, выявленной в статье, была согласованность памяти многопользовательских агентов. Несколько агентов, одновременно читающих и записывающих в общую память, поднимает классические проблемы видимости, порядка и разрешения конфликтов, Память не следует рассматривать как сырые байты, а как семантический контекст, используемый для рассуждений. Статья: Научитесь строить эффективных агентов ИИ в нашей академии: