Pamäť AI agentov: ako vytvárať AI agentov s trvalým kontextom

Keby ste museli nového kolegu šesť mesiacov každé ráno odprevádzať k tlačiarni, začali by ste sa obávať. Ak by dokázal odrecitovať každú predchádzajúcu cestu do posledného detailu, no stále by potreboval sprievod, jeho pamäť by bola vynikajúca… ale vy by ste stále vstávali od stola.

Pamäť AI agentov má v súčasnosti vlastnú verziu tohto nekonečného odprevádzania k tlačiarni. Ako uvádza v The New Stack Charles Packer, generálny riaditeľ spoločnosti Letta, benchmarky pamäte sú nasýtené, pretože merajú vybavovanie si informácií z pamäte, čo podľa neho je vyriešený problém. Otvoreným problémom je, aby sa agent zlepšoval vo svojej práci prostredníctvom kontextu, ktorý si uchováva, a to bez akéhokoľvek pretrénovania.

Jeho spoluzakladateľka Sarah Wooders to prirovnáva k nástupu do novej práce – benchmarky dávajú agentovi všetok potrebný kontext – úlohu za úlohou, ktoré spolu nesúvisia, čo vôbec nepripomína spôsob, akým pracujú ľudia. Nového zamestnanca možno treba odprevadiť k tlačiarni. No po troch rokoch by ste dúfali, že mu stačí dať jednoriadkové zadanie a nebudete musieť vstávať od stola.

To je štandard, ku ktorému treba smerovať, a cieľ, ktorý stojí za systémom Brain – naším samozdokonaľujúcim sa pamäťovým systémom pre Perplexity Computer, ktorý usporadúva minulú prácu a opravy do neustále sa vyvíjajúcej znalostnej wiki.

Pozrieme sa na to, čo by si mal agent pamätať a ako otestovať, či mu to pomáha odvádzať lepšiu prácu.

Čo je pamäť AI agenta?

Pamäť AI agenta tvoria informácie, ktoré si agent uchováva z predchádzajúcich interakcií a práce, spolu s mechanizmami na ich aktualizáciu a používanie. Kontext perzistentnej pamäte prenáša tieto informácie naprieč reláciami, takže zatvorenie konverzácie neznamená, že ďalšiu úlohu začínate od nuly.

Väčšina toho, čo sa pod týmto názvom ponúka, si pamätá používateľa. Vaše preferencie, kontakty, rolu či to, že chcete PDF, a nie PNG. To je tá ľahšia polovica.

Keď sme vytvárali Brain, pamäťový systém, na ktorom stojí Perplexity Computer, zamerali sme sa na samotnú prácu. Ktorý prístup uspel? Ktorý zdroj premrhal dvadsať minút? Čo ste museli opraviť po tom, ako agent oznámil, že je hotový? Táto história dáva ďalšej úlohe lepší východiskový bod.

Brain ukladá tieto informácie ako súbory v sandboxe agenta, usporiadané do troch vrstiev:

• sessions/ obsahuje nespracované prepisy a ich zhrnutia.
• notes/ obsahuje destilované informácie usporiadané podľa tém.
• knowledge/ obsahuje samotnú wiki – prepojené stránky v Markdowne o ľuďoch, projektoch a konceptoch.

Nič z toho sa nezlepšuje samo. Cez noc agenti na pozadí, ktorých nazývame „Dream“, prečítajú relácie z daného dňa, zhrnú ich a upravia wiki všade, kde sa obraz zmenil. Tieto úpravy pred potvrdením cez Git pripravíme a skontrolujeme, takže keď niečo nesedí, máme k dispozícii diff na kontrolu.

Robí to agenta v práci lepším? V našom 30-dňovom párovom hodnotení zlepšili relácie s povoleným Brain správnosť o 9,3 percentuálneho bodu a vybavovanie z pamäte o 8,9, pričom spotrebovali zhruba o 15 % menej tokenov.

Zväčšiť

Zdroj: X

Aké sú typy agentickej pamäte?

Existujú dva hlavné druhy a rozdelenie je veľmi podobné tomu, ktoré by ste použili u človeka: čo máte práve teraz v hlave a čo budete vedieť aj o mesiac.

Krátkodobá pamäť

Krátkodobá pamäť uchováva kontext aktuálnej konverzácie alebo úlohy. Vašu požiadavku, nedávne správy, výsledok volania nástroja, dokument, ktorý agent práve otvoril. Dosť informácií na to, aby zistil, čo robiť ďalej.

Stretnete sa aj s označením pracovná pamäť. Pri LLM obsahuje kontextové okno informácie dostupné počas konkrétneho volania modelu. Aplikácia môže udržiavať ďalší stav úlohy a rozhodovať, ktoré jeho časti poskytne v jednotlivých krokoch.

A krátkodobá neznamená nevyhnutne jednorazová. Framework dokáže uložiť stav konverzácie a zajtra v nej pokračovať – stále však patrí k danému vláknu. Či tieto informácie môže použiť aj iná úloha, je samostatné návrhové rozhodnutie.

Dlhodobá pamäť

Dlhodobá pamäť sprístupňuje informácie naprieč reláciami. Štúdia CoALA si z kognitívnej vedy požičala tri kategórie, čím dala tvorcom agentov slovník na opis skúseností a know-how:

• Epizodická pamäť je to, čo sa stalo: Patria sem minulé relácie, kroky, ktoré agent urobil, a výsledok, ktorý dosiahol. V Brain túto históriu poskytuje sessions/ prostredníctvom nespracovaných prepisov a ich zhrnutí.
• Sémantická pamäť je to, čo agent považuje za pravdivé: Môžu to byť fakty o používateľovi, jeho projektoch a jeho svete, destilované z konverzácií. Tento druh informácií uchováva wiki knowledge/ v Brain spolu s odkazmi späť na dôkazy.
• Procedurálna pamäť je to, ako veci robiť: Sú to prompty, opakovane použiteľné pracovné postupy či Skills, ktoré Perplexity vytvára, aby agentom poskytli pokyny a nástroje, ktoré si práca vyžaduje. Možno už niečo z toho máte, len to nenazývate pamäťou.

Zaujímavá práca sa odohráva medzi vrstvami. Relácia zaznamená, že ste odmietli PNG. Váš pokyn používať PDF sa stane preferenciou, ktorú si agent môže preniesť ďalej. Oprava procesu exportu sa stane niečím, čím sa môže nabudúce riadiť.

Táto premena – z „toto sa stalo“ na „toto je pravda“ až po „takto to robíme“ – je súčasťou problému učenia, ktorým sme začali, a práve na ňu vynakladajú úsilie nočné behy agenta Dream v Brain.

Povedzme, že niekto v spoločnej kuchynke ohreje v mikrovlnke rybu. Prídu sťažnosti, otvorí sa okno. Nakoniec sa objaví ceduľa: ŽIADNE RYBY.

O šesť mesiacov neskôr sa vinník už odsťahoval, ale ceduľa zostala. To je perzistencia. Typy pamäte môžete vysvetliť podľa toho, čo pretrvá:

• Pracovná pamäť je to, čo sledujete pri príprave obeda, napríklad že treba premiešať polievku.
• Epizodická pamäť je incident s rybou – zápach, ktorý všetkých prenasledoval až na chodbu.
• Sémantická pamäť sú poznatky, ktoré ste si z toho odniesli – ohrievanie ryby môže v spoločnej kuchynke zanechať pretrvávajúci zápach.
• Procedurálna pamäť je pokyn, ktorý určuje, čo sa stane ďalej. Neohrievajte tu ryby v mikrovlnke. Vďaka ceduli sa pravidlom môže riadiť aj niekto, kto celý incident zmeškal.

Je tu ešte jedno rozlíšenie, pretože mení to, čo vytvárame. Prehľadová štúdia Memory in the Age of AI Agents, prvýkrát publikovaná v decembri 2025, uvádza, že rozdelenie na krátkodobú a dlhodobú nestačí – pamäť triedi aj podľa formy:

• Na úrovni tokenov: Ide o explicitný obsah, ktorý agent číta. Súbory, uložené záznamy, získané úseky textu.
• Parametrická: Ide o informácie zakódované v naučených váhach. Ich aktualizácia si vyžaduje trénovanie alebo metódy úpravy modelu.
• Latentná: Ide o informácie uchované vo vnútorných reprezentáciách bez toho, aby boli zapísané ako čitateľný text.

Tu sa zameriavame na pamäť na úrovni tokenov, teda na informácie uložené mimo modelu, ktoré sa v prípade potreby načítajú do jeho kontextu. Jedným z príkladov je wiki v Markdowne v Brain.

Zväčšiť

Keď aktualizujeme stránku, meníme to, čo si agent môže prečítať pri ďalšej úlohe, no jeho základné váhy zostávajú rovnaké. To je Packerova myšlienka z úvodu: zlepšovať sa prostredníctvom kontextu, ktorý si agent uchováva, bez pretrénovania.

Ako typy pamäte agenta spolupracujú?

Agent sa môže vrátiť k predchádzajúcemu pokusu, zistiť, kde urobil chybu, a načítať pokyny, ktoré ste mu dali potom. Pri tej istej úlohe sa uplatňuje niekoľko druhov pamäte a žiadny z nich nepotrebuje vlastné kolo ani samostatnú databázu.

Perzistencia tu určuje, čo zostane k dispozícii po skončení konverzácie, zatiaľ čo vyhľadávanie určuje, či to agent ešte niekedy uvidí.

V Brain zachovávame túto cestu od ponaučenia späť k dôkazom. Povedzme, že požiadate Computer, aby pokračoval v projekte z minulého týždňa:

• Index v Brain mu povie, ktoré stránky pamäte existujú a kde ich nájsť.
• Brain otvorí stránku projektu, aby si prečítal uložené rozhodnutia a pokyny.
• Ak poznámka uvádza, že ste nejaký prístup odmietli, agent môže sledovať jej citáciu späť ku konverzácii a overiť si prečo.

Odkazy na súvisiace stránky mu umožňujú vyhľadať zúčastnených ľudí alebo iné projekty. Agent to robí čítaním a prehľadávaním súborov. Napríklad grep mu umožňuje nájsť zmienky o projekte podľa názvu.

Testovali sme aj to, čo agentom prináša schopnosť preskúmavať súbory. V internom benchmarku so 150 otázkami k finančným dokumentom dosiahol prieskumný agent so štandardnými nástrojmi na prácu so súbormi skóre odpovedí 0,627 v porovnaní s približne 0,37 pri sémantickom vyhľadávaní v rovnakom korpuse.

Zväčšiť

Zdroj: X

Ako zlepšiť pamäť AI agenta?

Štúdia Orogata a Mansoura z mája 2026 identifikuje štyri opakujúce sa zlyhania pamäte agentov: úložisko neustále rastie, zastarané presvedčenia sa nerevidujú, informácie sa pri nedostatku miesta zabúdajú a vyhľadávanie číta bez toho, aby sa z danej návštevy čokoľvek naučilo.

Ich navrhovaným riešením je prestať vnímať agentickú pamäť ako úložisko a vnímať ju ako „stav“, ktorý sa vyvíja prostredníctvom štyroch operácií: prijatie, revízia, zabudnutie, vyhľadanie. To je náš kontrolný zoznam pre túto časť.

Buďte selektívni v tom, čo sa zapamätá

Keď sa do pamäte raz dostane „zlý“ záznam, zdedí ho každý ďalší krok.

Workday AI Research otestoval selektívny prístup na približne 1 500 kandidátskych záznamoch pamäte z benchmarku LoCoMo, pričom pred uchovaním ktoréhokoľvek z nich položil päť otázok:

• Je to užitočné? Je pravdepodobné, že sa to znova objaví?
• Je to dôveryhodné? Naozaj to zaznelo v konverzácii, alebo si to model domyslel?
• Je to nové, alebo už uložené?
• Je to aktuálne?
• Je to trvalý fakt, alebo prechodný stav?

Iba prvá otázka si vyžadovala volanie modelu. Ostatné štyri bežali ako pravidlá a spolu trvali menej ako 65 milisekúnd. Metóda dosiahla o 12 % vyššiu presnosť pri rozhodovaní, či záznam ponechať, alebo zahodiť, a zároveň zachovala 97 % relevantných záznamov pamäte.

Najväčší podiel mala posledná otázka – keď sa odstránilo rozlišovanie medzi trvalými a dočasnými informáciami, kvalita rozhodnutí klesla zhruba o 18 %.

Revidujte odpoveď bez straty histórie

Zaznamenajte, odkedy fakt platí, ktorý zdroj ho podporuje a čo nahradil. Ak sa zdroje nezhodujú, nechajte tento nesúlad viditeľný, kým nebude dostatok dôkazov na jeho vyriešenie. Aj najnovší dokument sa môže mýliť.

Brain aktualizuje wiki pomocou zdrojových dokumentov, výsledkov konektorov a opráv od používateľov. Každý záznam v pamäti odkazuje späť na svoj zdroj. Potrebujeme, aby agent našiel aktuálnu odpoveď a mal kde hľadať, ak sa mu táto odpoveď zdá podozrivá.

Zabúdajte zámerne

Štúdia nazýva jeden typ zlyhania „zabúdanie vynútené kapacitou“: informácie sa odstraňujú, aby sa dodržal limit úložiska, a nie preto, že prestali byť užitočné.

Späť do spoločnej kuchynky. Po šiestich mesiacoch už nikoho nezaujíma, kto ohrieval rybu v mikrovlnke ani ako dlho zostalo otvorené okno. Ceduľa však stále plní svoju úlohu.

Keď bude ďalší človek pripravovať obed, pravidlo bude k dispozícii. Sťažnosti jednoducho archivujete.

Kontroly aktuálnosti a typu informácií v prístupe Workday prebiehajú ešte pred uložením a filtrujú, čo si zaslúži stať sa záznamom v pamäti. V Brain sa navyše vraciame k existujúcim znalostiam, keď sa menia zdrojové dokumenty a používatelia robia opravy. V oboch prípadoch si zásah vyžaduje samotný obsah.

Nechajte vyhľadávanie napájať ďalšiu aktualizáciu

Agent vyhľadá fakt, použije ho a úložisko nechá presne také, aké ho našiel. Ak systém nezachytí, čo sa stalo potom, nič nezaznamená, či ten fakt pomohol, alebo agenta zaviedol do ďalšej slepej uličky.

Zaznamenajte výsledok, zdroj a akúkoľvek opravu. Keď sme vytvárali Brain, urobili sme z tejto pracovnej histórie súčasť toho, čo si pamätá: ktorý prístup uspel, ktorý zdroj nikam neviedol a čo používateľ opravil po tom, ako agent oznámil, že je hotový. Brain túto skúsenosť zapracúva do pravidelných aktualizácií wiki, aby ju mohli využiť neskoršie úlohy.

Nič z toho sa však v benchmarku vybavovania z pamäte neprejaví. Ak chcete zistiť, či slučka funguje, dajte agentovi úlohu, ktorú dokáže splniť len s pamäťou, a spočítajte, ako často ju splní, vrátane nákladov a latencie. Presne to robí DolphinBench, a preto sa najvyššie skóre stále pohybujú medzi 70 a 80.

Ako vytvoriť agenta s perzistentnou pamäťou pomocou Perplexity

Agent API od Perplexity neobsahuje samoudržiavací pamäťový systém ako Brain. Radšej to povieme hneď na začiatku. Poskytuje vám však stavebné prvky pamäte, ktoré potrebujete: miesto na uchovávanie postupov, spôsob, ako prenášať kontext medzi kolami, a nástroje na čítanie z úložiska, ktoré máte pod kontrolou, a na zápis doň.

Začnite procedurálnou pamäťou

Vlastný Skill balí pokyny, postupy a podporné súbory pod číslom verzie. Platformový tím môže raz napísať svoje kontroly nasadenia, kritériá na vrátenie zmien a formát hlásení a potom nechať aplikácie odkazovať na ten istý Skill. Keď sa postup zmení, tím nahrá novú verziu.

Zväčšiť

Zdroj: X

Profil ide o úroveň vyššie. Profily ukladajú model agenta, pokyny, nástroje, Skills, konektory a nastavenia spúšťania pod jedným verzovaným ID.

Obe sme pridali v septembri spolu so spravovanými konektormi, takže správca projektu môže raz nakonfigurovať schválené pripojenie GitHub alebo Slack a nechať aplikácie, aby naň odkazovali, namiesto ukladania samostatných prihlasovacích údajov. Keď sa prístup zmení, správca aktualizuje pripojenie na jednom mieste.

Prečo sa to počíta ako pamäť? Vráťme sa ešte raz do kuchyne, kde niekto ohrieval rybu v mikrovlnke. Ktokoľvek príde ako ďalší, môže dodržiavať pravidlo ŽIADNE RYBY bez toho, aby bol svedkom sťažností.

Skill robí pre agenta to isté, pričom má priestor aj na kroky, výnimky a kontroly, ktoré by sa na dvierka mikrovlnky nezmestili. Skills sú zapísané, verzované a dostupné, keď sa úloha objaví nabudúce.

Skills používame aj na usmerňovanie aktualizácií pamäte v Dream. Skill sa však neučí sám. Pokyny sa menia, keď sa nahrá nová verzia, či už ju nahrá človek, alebo automatizovaný proces.

Ak chcete, aby si agent všimol, že kontrola vrátenia zmien pri jednej službe opakovane zlyháva, a prispôsobil sa, ide o slučku od relácií k wiki, o ktorej sme hovorili skôr.

Musíte si uchovať, čo sa stalo, zistiť, čo by sa malo zmeniť, a sprístupniť opravu nabudúce. Na to sú potrebné ďalšie dve časti.

Prenášajte pracovnú pamäť medzi kolami konverzácie

Agent spustí kontrolu nasadenia. Opýtate sa: „Prečo to zlyhalo?“ Je to rozumná doplňujúca otázka, pokiaľ agent stále vidí, na čo sa „to“ vzťahuje.

Naše rozhranie Agent API podporuje dva spôsoby, ako prenášať kontext konverzácie ďalej:

• Prehrajte konverzáciu sami: Zahrňte skoršie správy do vstupného poľa ďalšej požiadavky. Pred odoslaním sa rozhodnete, čo ponecháte, zhrniete, anonymizujete alebo vynecháte.
• Pokračujte od dokončenej odpovede: Uložte si jej ID a odovzdajte ho ako previous_response_id s ďalšou správou. Stav konverzácie uchovávame na strane servera, takže vaša aplikácia nemusí znova posielať skoršie kolá. Pokračovať môžete od najnovšej odpovede v reťazci.

Prehrávanie vám dáva kontrolu nad tým, čo agent vidí, a pokračovanie podľa ID vám ušetrí prácu s opätovným skladaním konverzácie. V oboch prípadoch zadajte všetky nové pokyny, nástroje alebo nastavenia modelu potrebné pre ďalšiu odpoveď.

Použite vlastné úložisko epizodickej a sémantickej pamäte

Túto časť necháva Agent API na vás.

Jednou z ciest je volanie funkcií. Vy definujete nástroje, agent požiada o volanie a vaša aplikácia ho vykoná a vráti výsledok. Pri pamäti je jednoduchým východiskom operácia čítania predtým, ako agent začne konať, a operácia zápisu potom.

Ak zaznamenáte len fakt, ktorý agent získal, stále neviete, či pomohol. Ak zaznamenáte výsledok, zdroj a všetko, čo používateľ opravil, máte základ epizodickej vrstvy.

Naša podpora MCP vám ponúka ďalšiu cestu. Ak kompatibilný vzdialený server MCP sprístupňuje operácie, ktoré potrebujete, agent ich môže volať bez toho, aby ste každú z nich museli obaliť ako vlastnú funkciu.

Naše konektory dávajú agentovi prístup k podkladom, z ktorých spomienky vychádzajú. GitHub, Slack, Google Drive, Datadog, Linear a Notion sú v našom katalógu spravovaných konektorov a pre interné systémy môžete pridať vlastné konektory.

Nakoniec rozhodnite, kedy sa história skontroluje a aktuálny stav poznatkov sa upraví.

Otestujte, čo pretrvá v novej relácii

Teraz konverzáciu ukončite. Spustite novú požiadavku bez prehrávania starých správ a bez odovzdania previous_response_id, ale poskytnite agentovi prístup k rovnakému úložisku pamäte. Požiadajte ho o súvisiacu prácu bez toho, aby ste opravu zopakovali.

Ak potrebuje pripomenutie, ešte ste neskončili.

Pre agenta nasadenia vytvorte niekoľko testov zameraných na to, čo by sa malo prenášať ďalej:

• Oprava pretrvá: Agent načíta a použije overený príkaz na vrátenie zmien pre dotknutú službu.
• Oprava zostáva v rámci svojho rozsahu: Postupy ostatných služieb nechá bez zmeny.
• Nové informácie nahrádzajú staré pokyny: Keď sa príkaz znova zmení, agent použije aktuálnu verziu a dokáže zmenu vystopovať až k jej zdroju.

Naša príručka regresného testovania ukazuje, ako ukladať výstupy agenta a získané podklady, overovať ich voči očakávanému správaniu a porovnávať behy po zmene pokynov alebo modelov.

Pri porovnávaní behov s pamäťou a bez nej ponechajte model, Profil a Skill v pevne stanovených verziách. Každé porovnanie začnite zo známej snímky úložiska; inak môže jeden test naučiť agenta odpoveď na ďalší.

Keď niečo zlyhá, uložte daný prípad. Ďalšia zmena ním bude musieť prejsť.

Alebo preskočte vývoj: Brain v Computer

Ak chcete namiesto jednotlivých častí hotovú slučku, to je Computer. Pod ním beží Brain, ktorý sa učí zo štyroch zdrojov: z vašich relácií, pripojených nástrojov, súborov a artefaktov, ktoré vytvoríte, a z vašich opráv. Aktualizácie, ktoré Brain vykonáva na pozadí, posilňujú to, čo stále platí, upravujú to, čo sa zmenilo, a označujú zastarané informácie.

Túto slučku nemusíte budovať sami. Jednoducho robíte svoju prácu.

Pamäť uchováva preferencie a podrobnosti, ktoré ste zdieľali. Brain prepája projekty, ľudí, rozhodnutia a nedokončenú prácu s podkladmi, z ktorých vychádzajú.

To, čo sa naučil, si môžete prezrieť v zobrazení Pamäť, sledovať záznamy späť k ich zdrojom a upravovať ich alebo mazať. Brain využíva vašu vlastnú aktivitu, vynecháva relácie v režime inkognito a má vlastný prepínač.

Zväčšiť

Napríklad v spoločnosti Rho boli rozhodnutia projektu fakturácie roztrúsené v nástrojoch Slack, Notion, Jira, Figma a Google Docs. Tím nastavil Computer tak, aby cez noc kontroloval zmeny, označoval nezrovnalosti a ráno zverejňoval prehľad v nástroji Slack.

Ich softvérový inžinier Oktawian Jurkiewicz si všimol, že Computer zároveň vytváral pre projekt pamäť. „Nedefinovali sme ju,“ hovorí. „Computer sám zistil, ktoré dátové body by mal z každého zdroja ukladať.“

Tím uvádza, že skrátil čas týždenných porád z 2,5 hodiny na 15 minút, a odhaduje, že počas 12-týždňového projektu ušetril 120 pracovných hodín.

Týchto 120 hodín sa pripisuje celému pracovnému postupu: konektorom, nočným behom a prehľadu v nástroji Slack. Koľko z ušetreného času pripadá len na pamäť? To zatiaľ nevieme vyčísliť.

Čo však môžeme odporučiť: pri vlastnom riešení sa vráťte k testu spomínanému skôr – spustite rovnocenné úlohy so zapnutou a vypnutou vrstvou pamäte a potom porovnajte mieru dokončenia, náklady a čas vrátane času, ktorý niekto strávi opravovaním výsledku.

Časté otázky o pamäti AI agentov

Môžu mať AI agenti pamäť?

Áno. AI agenti si môžu uchovávať informácie naprieč reláciami prostredníctvom uložených konverzácií, faktov, preferencií a opakovane použiteľných postupov. Systém musí tieto informácie načítať, keď sú relevantné, a aktualizovať ich, keď sa okolnosti zmenia.

Brain v Perplexity Computer napríklad vytvára pracovný kontext z relácií, pripojených nástrojov, súborov a opráv od používateľov.

Koľko pamäte RAM spotrebuje AI agent?

Neexistuje jedna univerzálna požiadavka. Ak váš agent volá hostovaný model cez Perplexity Agent API, nemusíte tento model načítavať do vlastnej pamäte RAM. Vaša aplikácia a lokálne nástroje však pamäť stále potrebujú.

Spustenie lokálneho modelu je iná vec. Pri štyroch bitoch na parameter predstavuje osem miliárd parametrov približne 4 GB surových dát váh. Skutočne potrebná pamäť je vyššia, keď započítate réžiu kvantizácie, spracovanie kontextu a softvér, ktorý model spúšťa.

Aká pamäť je pre AI agenta najlepšia?

Najlepšie nastavenie závisí od toho, čo musí agent prenášať ďalej. Stav konverzácie podporuje doplňujúce otázky; epizodické záznamy uchovávajú to, čo sa stalo; sémantická pamäť obsahuje aktuálne znalosti; procedurálna pamäť poskytuje opakovane použiteľné pokyny.

Väčšine priebežnej práce prospieva kombinácia. Pre Brain používame prepojenú wiki podloženú zdrojmi. Pri vlastnom riešení otestujte, či nastavenie pomáha agentovi dokončovať úlohy, uplatňovať opravy a vyraďovať zastarané pokyny.