Тематическая подборка · 18 материалов и 1 черновик
Организационная и агентская память
Как организации и ИИ-агенты сохраняют опыт, находят нужные знания и пересматривают решения. Исследования, авторские разборы и практические материалы.
Память помогает выбрать действие. Проверка результата может дать основание пересмотреть запись.
Понять, где сохраняется опыт
Чем память агента отличается от знаний
Где пересекаются память и знания и почему сохранённая запись ещё не становится достоверным знанием или действующим правилом.
Агентная память: разработка ПО, персональная AI-ОС и AI-ОС компании
Как определить содержимое, области и ответственность памяти для проекта, человека и компании. Подходы OpenViking, Letta, Honcho, Mem0, Zep/Graphiti и LangMem.
State, context и memory: как управлять состоянием и памятью LLM-агента
Как сохранять ход задачи, собирать контекст модели и переносить полезный опыт между сессиями. Подходы, инструменты и критерии проверки.
Память и поведение агента: что дают модели Анохина и Дубынина
Чем отличаются факты, эпизоды и навыки; как цель направляет выбор действия; зачем сравнивать ожидаемый результат с наблюдаемым.
Как организация помнит: разбираем модель Уолша и Унгсона
Модель Organizational Memory 1991 года: где сохраняется опыт компании, как его используют и почему старые решения переживают своих авторов. Примеры и связь с памятью ИИ-агентов.
Извлекать уроки и выбирать подсказки
Reflexion: как ошибка становится подсказкой для следующей попытки
Как текстовый разбор неудачи меняет следующую попытку и где нужна внешняя проверка.
ExpeL: как агент переносит опыт между задачами
Как сочетать общие выводы с конкретными примерами прошлых решений.
ReasoningBank: как агент превращает ошибки в правила работы
Как извлекать уроки из успехов и неудач, учитывая ошибки самооценки.
AutoGuide: как агенту вспомнить правило в нужный момент
Как связывать рекомендацию с условиями её применения и находить её во время работы.
Сохранять процедуры и навыки
Как сохранять знания для агента
Текстовый разбор, правило, процедура, граф и исполняемый навык на одном условном примере. Как выбрать форму знания и проверить её применимость.
Agent Workflow Memory: как сохранить повторяемый способ работы
Как выделить из опыта повторяемую процедуру с параметрами и проверить её перенос.
SWE-Exp: как агент переносит опыт исправления ошибок
Как использовать прежнюю диагностику при исправлении новой ошибки в коде.
SkillWeaver: как опыт работы с сайтом становится вызываемым навыком
Как превратить освоенную работу с сайтом в вызываемую и проверяемую функцию.
Обновлять память и продолжать работу
ACE: как обновлять память агента, сохраняя полезные детали
Как обновлять рабочий справочник небольшими дополнениями и сохранять полезные условия.
«Бесконечная» сессия AI-агента — это не бесконечный контекст
Какие состояние задачи, договорённости и результаты проверок сохранять, чтобы агент мог продолжить работу в новой сессии.
База знаний для ИИ: файлы, векторный поиск и синхронизация
Инструменты, которые читают файлы и помогают находить знания: способы поиска, синхронизация изменений и удаление устаревших данных.
Как устроены инструменты памяти
Память консольных агентов: Hermes, Pi, Codex, Claude Code и OpenCode
Как агенты запоминают опыт, объединяют записи, забывают устаревшее и возвращают нужное в контекст модели.
Как устроена память Codex: что переносится между проектами
Разбор исходного кода: общая память с проектными условиями, две версии, запись, чтение и пользовательские исправления.
Проверять пользу памяти