Агент помнит всё, но ничего не понимает. Zep это исправил

МЕНЮ


Главная страница

ТЕМЫ


Новости ИИРазработка ИИВнедрение ИИРабота разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика

Авторизация



2026-10-26 13:09

примеры ии

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: