← Каталог

· AI Engineer World's Fair 2025

Мастер-класс по памяти: научите AI-агентов помнить, что они делают!

Memory Masterclass: Make Your AI Agents Remember What They Do! — Mark Bain, AIUS

Daniel Chalef, Alex Gilmore и ещё 2 спикераВсе 4Свернуть

Память агентов строят на доменных сущностях и связях в графе, потому что похожесть по смыслу не равна релевантности, а оценивать такую память предлагают симуляцией, а не бенчмарком.

  • Доменная схема вместо сырых фактов — разработчик описывает сущности и поля, например финансовую цель, долг или источник дохода, через Pydantic, Zod или Go structs, а Zep строит по ним граф. По словам Daniel Chalef, так из выдачи уходят нерелевантные факты, которые векторный поиск возвращал вместе с нужными.
  • Граф в Neo4j как память для нескольких клиентов — MCP-сервер памяти ставится из PyPI и подключается к Claude Desktop, сущности хранят наблюдения, а связи между ними записываются после каждого ответа благодаря короткому системному промпту. Тот же граф могут читать Cursor и Windsurf, а доступ ограничивают ролями через RBAC.
  • Шум снижают связями — по словам Mark Bain, слабо связанные узлы чаще оказываются ошибочными, а шум уменьшают избыточностью и связями. Vasilije Markovic предлагает задавать веса рёбер и узлов в Pydantic-моделях, например временной вес, чтобы устаревшие факты теряли значимость.
  • Симуляция вместо бенчмарка — Mark Bain утверждает, что для эволюционирующей графовой памяти бенчмарка не будет, и показывает арену, где Mem0, Graphiti, Cognee и Neo4j MCP работают поверх одного графа Neo4j.

Кому полезно: тем, кто строит долгую память для агентов и выбирает между Mem0, Graphiti, Cognee и MCP-сервером Neo4j.

Статья по теме

Главы

Ещё доклады: Daniel Chalef

Страница спикера →

Похожие доклады