Агенты с состоянием
Stateful Agents — Full Workshop with Packer of Letta and MemGPT
Агенту нужен постоянный состояние вне процесса приложения, потому что LLM не хранит память между вызовами, а сама модель может управлять своей памятью через tool calls.
- Блоки памяти в контексте — память агента хранится как редактируемые строки в базе; агент переписывает их сам через инструменты, а блок можно расшарить между несколькими агентами, и запись сразу видна всем.
- Вынос вместо обрезки — при приближении к лимиту контекста (спикер приводит 4K токенов) сервер переносит старые сообщения во внешнее хранилище истории и запускает суммаризацию, поэтому payload не растёт бесконечно.
- Продолжение цикла по флагу — каждый вызов LLM оформлен как tool call, включая отправку сообщения, а агент продолжает работу, сам выставляя флаг
request_heartbeat. По наблюдению спикера, на небольших моделях качество падает при больше чем 12–15 инструментах. - Reasoning не возвращается в API — модели вроде R1 не получают собственные рассуждения на следующем шаге, и агент забывает план, который только что построил.
Кому полезно: тем, кто строит агентов с долгой историей взаимодействий и борется с разрастанием контекста.
Статья по теме
Главы
Похожие доклады
Проблема памяти агентов решена. А обучения — нет.
Heather Downing, Karthik Ranganathan
AI Engineer World's Fair 2026
Близко по содержанию
Создание agents с Amazon Nova Act и MCP
Du’An Lightfoot, Banjo Obayomi
AI Engineer World's Fair 2025
Близко по содержанию
Как создать обучающуюся память для AI agents
AI Engineer World's Fair 2026
Близко по содержанию
От контекста к памяти: вашим agents нужен полноценный слой памяти
AI Engineer World's Fair 2026
Близко по содержанию
