Как превратить память агента в работающие навыки
Turning Agent Memory Into Skills That Work — Will Lyon, Neo4j
Память агентов можно превращать в навыки, где каждый шаг привязан к реальным вызовам инструментов и сущностям, и тогда навык можно проверять и отмечать устаревшим по данным.
- Канонические сущности вместо одного embedding-поиска — три написания одного врача дают три разные записи, а граф с entity resolution и общей онтологией сводит их к одной сущности с типизированными связями.
- Decision traces как общая память — для каждого решения хранятся доказательства, политики, вызовы инструментов, результаты, расход токенов и время, и такие трассы могут читать другие агенты.
- Шаги навыка как граф исполнения — AIP расширяет Agent Skills схемой для шагов; по словам авторов, это повысило долю успешно выполненных задач на SkillsBench, но конкретных цифр в докладе нет.
- Проверка навыков по данным — система проверяет, опираются ли шаги на данные, покрывают ли они навык и не смешаны ли в нём разные темы; если исходные данные меняются, удаляются или противоречат друг другу, навык помечается устаревшим.
Кому полезно: тем, кто хранит логи агентов и хочет генерировать из них навыки, которые можно проверить и обновить. Доклад во многом презентация продукта Neo4j.
Статья по теме
Главы
Ещё доклады: William Lyon
Страница спикера →Маллет графа знаний: как упростить GraphRAG
AI Engineer World's Fair 2025
Похожие доклады
Связывая точки с помощью контекстных графов
AI Engineer Europe 2026
Близко по содержанию
От 36% до 100%: как самоулучшающиеся агенты создают собственные навыки
AI Engineer World's Fair 2026
Близко по содержанию
Тотальное запоминание: память агентов и harness engineering
AI Engineer World's Fair 2026
Близко по содержанию
Не используйте RAG как память
AI Engineer World's Fair 2025
Близко по содержанию

