Агент помнит всё, но ничего не понимает. Zep это исправил |
||
|
МЕНЮ Главная страница ТЕМЫ Новости ИИ Голосовой помощник Разработка ИИГородские сумасшедшие ИИ в медицине ИИ проекты Искусственные нейросети Искусственный интеллект Слежка за людьми Угроза ИИ Атаки на ИИ Внедрение ИИИИ теория Компьютерные науки Машинное обуч. (Ошибки) Машинное обучение Машинный перевод Нейронные сети начинающим Психология ИИ Реализация ИИ Реализация нейросетей Создание беспилотных авто Трезво про ИИ Философия ИИ Big data Работа разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика
Генетические алгоритмы Капсульные нейросети Основы нейронных сетей Промпты. Генеративные запросы Распознавание лиц Распознавание образов Распознавание речи Творчество ИИ Техническое зрение Чат-боты Авторизация |
2026-10-26 13:09 Память ИИ-агентов сейчас напоминает аналитику десятилетней давности: система отдаёт ровно то, что вы попросили, и больше ничего. Аналитика давно научилась сама показывать, какая метрика сдвинулась и почему. Память агентов к этому только подходит. Большинство систем памяти для агентов делают одно и то же: сохраняют факты и достают нужные по запросу. Хранение и поиск давно не проблема. Проблема в том, что агент не видит закономерностей между фактами. Простой пример. ИИ-ассистент менеджера проекта читает статусы инженеров. За неделю трое сообщают о блокерах, и каждый отчёт точный. Агент сохранит все три и выдаст любой по запросу, но не заметит, что все три блокера растут из одной задержанной задачи. Новичок-менеджер увидит в трёх статусах три проблемы. Опытный увидит одну проблему с тремя симптомами, потому что пересидел достаточно стендапов. Современная память агентов ведёт себя как новичок: всё записала, всё нашла, связи упустила. Улучшением поиска это не лечится. Нужен отдельный шаг, который смотрит на сохранённые факты как на структуру и записывает, что она показывает. Результат такого шага называют наблюдением (observation). Это контекст, собранный из связей между фактами из разных разговоров, и каждое наблюдение привязано к конкретным сообщениям, из которых оно получено. Как Zep хранит знания Одна из платформ, где это уже работает, это Zep с open-source движком Graphiti. Функция называется Observations. Zep строит граф знаний из диалогов и бизнес-данных. Сущности в нём описывают людей, продукты, задачи и сервисы. Факты связывают две сущности подписанным ребром, например «Майя купила стоячий стол». Эпизоды хранят сырые данные: сообщения, JSON, документы, и любой факт можно проследить до его эпизода. Граф бывает личным или общим для команды. Пример общего графа проекта. В понедельник Алиса пишет, что миграция API стоит, потому что она ждёт рефакторинг сервиса авторизации от бэкенд-команды. В среду Боб сообщает, что интеграция платежей застряла по той же причине. В пятницу Клара говорит, что checkout не двигается, пока Боб не доделает интеграцию платежей. Zep разбирает каждый апдейт как эпизод и достраивает граф. Все факты верны и доступны по отдельности, но формы, которую они образуют вместе, в графе нет. Почему поиск не спасает На вопрос «что тормозит команду» агент вернёт шесть корректных строк о том, кто заблокирован и чего ждёт. Ни одна не скажет, что разблокировка одной задачи освободит всех троих. Тюнинг реранкера и расширение выдачи не помогут: нужный вывод никогда не хранился отдельным куском, он живёт в связях между тремя разговорами. Типичный костыль звучит как правило «подсвечивать задачу, которую трое и больше назвали блокером». Оно покажет, что команда буксует, но не подскажет, что разблокировать первым, и сработает только на прямых упоминаниях. Клара сервис авторизации вообще не упоминает, её проблема в двух шагах от причины. С тремя апдейтами человек разберётся сам, с тридцатью в неделю уже нет, и именно тогда цепочка важнее всего. Что выдают Observations Для этого графа Zep генерирует наблюдение «Рефакторинг сервиса авторизации блокирует несколько направлений». Там сказано, что рефакторинг бэкенда стал корневым блокером: миграция Алисы и интеграция Боба ждут его напрямую, checkout Клары застрял ниже по цепочке, и его завершение освобождает всех. Такого факта в графе нет. Наблюдение охватывает трёх людей, четыре задачи и три разговора, каждое утверждение подкреплено фактами и эпизодами, а вручную создать, изменить или удалить его нельзя. Как это устроено Сначала детерминированный алгоритм кластеризует данные, потом LLM пишет описание. Что с чем группировать, модель не решает. Фоновый процесс следит за новыми данными и, когда граф устаканился, запускает анализ. Каждый факт превращается в сигнатуру: две сущности и тип связи. У Алисы получаются пары (Алиса, миграция API), (миграция API, сервис авторизации), (сервис авторизации, бэкенд). У Боба (сервис авторизации, бэкенд), (интеграция платежей, сервис авторизации), (Боб, интеграция платежей). У Клары (Боб, интеграция платежей), (checkout, интеграция платежей), (Клара, checkout). Пара «сервис авторизации и бэкенд» общая у Алисы и Боба, пара «Боб и интеграция платежей» общая у Боба и Клары. У Алисы и Клары общих пар нет. Затем Zep строит граф эпизодов, где узлы это разговоры, а рёбра это общие сигнатуры. Эпизод Боба соединяет оба края, и все три апдейта оказываются в одной компоненте связности, хотя у Алисы и Клары нет ни одной общей сущности. Цепочка, по которой идёт алгоритм, совпадает с цепочкой зависимостей в проекте. На этом этапе нет эмбеддингов и семантической близости, только топология графа. Кластеризация по эмбеддингам сложила бы в одну кучу все статусы недели просто потому, что они про инженерную работу. Сигнатуры объединяют эпизоды, которые ссылаются на одни и те же отношения между одними и теми же сущностями, поэтому конкретная цепочка и проявляется. После этого один ограниченный вызов LLM получает ключевые сущности кластера, разговоры в хронологическом порядке и типы связей. Модель пишет название и описание с упором на решения, ограничения, зависимости и изменения состояния, не выходя за рамки подтверждённых данных. Сущности, разговоры и временное окно определяет алгоритм, модель только превращает структуру в текст. Поэтому наблюдения доступны только для чтения. Новые подходящие разговоры пересобирают наблюдение, противоречащие данные отправляют его в архив. Если бэкенд выкатит рефакторинг, картина перестроится вокруг того, что тормозит работу теперь. Что меняется для агента Менеджер спрашивает, на чём сосредоточиться на этой неделе. Без наблюдений агент перечислит блокеры, и приоритеты придётся расставлять самому. С наблюдениями агент сразу говорит, что корневой блокер в рефакторинге авторизации, его завершение освобождает Алису и Боба сразу и Клару следом, а лучший ход недели дать бэкенду ресурсы. Запрос тот же, данные те же, но второй ответ подсказывает действие. В Zep контекст устроен слоями: эпизоды хранят сырые разговоры, факты превращают их в утверждения с метками времени, саммари сущностей описывают историю узлов, наблюдения находят закономерности в кластерах. Вместе они двигают агентов от припоминания к пониманию. Graphiti на GitHub: https://github.com/getzep/graphiti Документация Zep Observations: https://help.getzep.com/observations Статья на uproger: https://uproger.com/pamyat-ii-agentov-zep-observations/ Телеграм: t.me/ainewsline Источник: uproger.com Комментарии: |
|