Сучасні AI‑агенти дедалі більше схожі на програмні «працівники», а не просто на розумні чат‑боти. Вони мають не лише відповідати на запити, а й виконувати складні послідовні завдання, пам’ятати контекст проєкту, вчитись на помилках і не повторювати їх. У свіжому роз’ясненні від IBM Technology розбирають, яку саме пам’ять для цього потребують агентні системи — і як вона вже реалізована на практиці.
Від людської до машинної пам’яті
Зручна аналогія починається з людини. Наше запам’ятовування умовно ділиться на:
- короткочасну пам’ять — те, що «тримаємо в голові» прямо зараз;
- фактичні знання — правила, факти, політики, які можемо відтворити;
- навички — «як робити», від друку до керування авто;
- особистий досвід — конкретні епізоди, з яких ми робимо висновки.
Добре спроєктований AI‑агент потребує аналогічного набору. У дослідженні Princeton під назвою CoALA (Cognitive Architectures for Language Agents) пропонується чотири типи пам’яті для мовних агентів: робоча (working), семантична (semantic), процедурна (procedural) та епізодична (episodic). Разом вони формують «когнітивну архітектуру» системи.
Робоча пам’ять: контекстне вікно як оперативка
Робоча пам’ять — це контекстне вікно моделі. Усе, що агент «бачить» у поточний момент:
- поточний діалог;
- системні інструкції;
- завантажені файли й дані.
Це фактично «чернетка» або аналог оперативної пам’яті (RAM): швидкий доступ, але повна втрата після завершення сесії. Навіть із контекстними вікнами на рівні мільйона токенів існує жорстка стеля: якщо намагатися вмістити надто багато, модель починає «забувати» те, що заховано в середині контексту, і якість відповіді падає.
Робоча пам’ять є у будь‑якого чат‑бота. Але для агентів цього недостатньо: їм потрібні стійкіші шари пам’яті, що переживають окремі сесії.
Семантична пам’ять: знання, які завжди під рукою
Семантична пам’ять — це база знань агента: факти, правила, документація, конвенції. У наукових роботах її часто описують через:
- векторні бази даних;
- графи знань.
Але в реальних продакшн‑системах це нерідко значно простіше — звичайні Markdown‑файли. Наприклад, у деяких код‑агентах у корені проєкту лежить файл Claude.md, де описано:
- архітектуру проєкту;
- код‑стайл і конвенції;
- команди збірки;
- дозволені й небажані фреймворки;
- типові заборони («чого не робити»).
Такий файл щоразу підвантажується в контекст на старті сесії. Семантична пам’ять відповідає за «що потрібно знати загалом». Без неї агент буде знову й знову припускатися тих самих помилок, бо не матиме постійної бази знань, до якої можна звернутися.
Процедурна пам’ять: як агент вміє «робити речі»
Процедурна пам’ять — це знання «як виконувати завдання». Для неї вже з’являються стандарти. Один із підходів — система Agent Skills зі структурою skill.md.
Суть така:
- Skill — це папка з Markdown‑файлом, де описано:
- що це за навичка;
- що вона робить;
- покрокові інструкції виконання.
- Приклади навичок:
- створення презентації;
- проведення структурованого code review;
- запуск певного пайплайну.
Щоб не «забити» робочу пам’ять, використовується прогресивне розкриття:
- У контексті спочатку є лише легкий індекс навичок — назва й короткий опис (приблизно сотня токенів на навичку).
- Коли надходить завдання, яке відповідає опису певного skill, агент підвантажує повні інструкції.
- Якщо навичка посилається на інші файли, шаблони чи скрипти, вони теж підтягуються лише за потреби, під час виконання.
Це відрізняється від семантичної пам’яті, де знання постійно присутні в контексті. Процедурна пам’ять активується точково — коли агенту потрібно щось зробити, а не просто щось знати.
Епізодична пам’ять: досвід, що перетворюється на навчання
Епізодична пам’ять — це історія попередніх взаємодій, рішень і висновків. Найпростіша реалізація — зберігати всі транскрипти сесій і шукати по них. Формально це вже епізодична пам’ять, але практично — малокорисна.
У продакшн‑системах застосовують дистиляцію досвіду:
- агент під час роботи між сесіями накопичує нотатки для себе;
- зберігається не все, а лише те, що може бути корисним у майбутньому;
- результат — стиснутий досвід, на кшталт:
- «минулого разу, коли дебажили модуль авторизації, проблема була в middleware».
Це вже дуже схоже на навчання: агент реально стає кращим із часом. Але саме епізодична пам’ять — найскладніший тип з інженерної точки зору:
- що видаляти як застаріле;
- коли інформація втрачає актуальність;
- чи варто зберігати спогади про старі проєкти, якщо користувач змінив роботу.
Люди природно забувають, і це часто корисно. Для агентів же «забування» — окрема інженерна задача, яку потрібно явно проєктувати.
Не всім агентам потрібні всі чотири типи
Не кожна система потребує повного стеку пам’яті.
-
Простий рефлекс‑агент
Наприклад, термостат або базовий роутинг‑бот.
Йому достатньо робочої пам’яті (контекстного вікна) — жодних складних навичок чи досвіду не потрібно. -
Вузький агент підтримки
Наприклад, бот для скидання паролів.
Потрібні: - робоча пам’ять для поточної взаємодії;
-
процедурна пам’ять — навичка «скинути пароль» із чіткими кроками.
Семантична чи епізодична пам’ять можуть бути зайвими. -
Код‑агент або складний помічник
Для агента, який працює з кодом і проєктами, зазвичай потрібні всі чотири: - робоча пам’ять — поточний діалог і файли;
- семантична — знання про продукт, архітектуру, політики;
- процедурна — навички на кшталт «зробити code review», «оновити модуль»;
- епізодична — досвід попередніх сесій, типові помилки, контекст проєкту.
Саме наявність продуманої системи пам’яті відрізняє чат‑бота від повноцінного агента. Чат‑бот просто відповідає на запит. Агент відповідає, спираючись на стале знання, накопичений досвід, пам’ятає проєкт і вподобання користувача — і, в ідеалі, власні минулі помилки.
Джерело
The Four Types of Memory Every AI Agent Needs — IBM Technology