← Каталог

· AI Engineer Europe 2026

Почему агентам нужны следы принятия решений, а не только документы

Why your agents need decision traces, not just documents — Zach Blumenfeld, Neo4j

Агентам для хороших решений нужен граф прошлых решений с причинно-следственными связями, а не только поиск по документам.

  • Decision traces поверх RAG — каждое решение хранится с контекстом и обоснованием и связано с предыдущими; Graph Data Science кодирует эти связи в вектор, поэтому похожие трассы находятся обычным векторным поиском, даже когда в документах они разбросаны.
  • Три слоя памяти — короткая (история сессии), долгая (сущности, которые повторяются и сводятся к одной) и reasoning-память с трассами решений. Извлечение сущностей из текста идёт через spaCy, GLiNER и LLM как запасной вариант.
  • Стартовый стек одной командой — create-context-graph поднимает бэкенд, фронтенд и MCP-сервер для 22 доменов и нескольких фреймворков, включая Pydantic AI и LangGraph; доклад при этом presentation продукта Neo4j.
  • Открытые вопросы — автоматическая запись новых решений и оценка их качества пока не решены: в демо решение сохранялось только по явной просьбе.

Кому полезно: тем, кто проектирует память агентов для задач с прецедентами, например одобрения заявок или поддержки.

Статья по теме

Главы

Ещё доклады: Zach Blumenfeld

Страница спикера →

Похожие доклады