Меморија АИ агената: како направити АИ агенте са трајним контекстом

Да морате шест мјесеци сваког јутра да водите новог колегу до штампача, почели бисте да се бринете. Ако би могао да изрецитује сваку претходну шетњу до најситнијег детаља, а и даље би му била потребна пратња, његово памћење је одлично…али ви бисте и даље устајали од стола.

Меморија AI агената тренутно има своју верзију ове бескрајне шетње до штампача. Извршни директор компаније Letta, Charles Packer, каже за The New Stack да су бенчмаркови меморије засићени јер мјере присјећање, што он сматра ријешеним проблемом. Отворено питање је како да агент постаје бољи у свом послу кроз контекст који чува, без икаквог поновног тренирања.

Његова суоснивачица Sarah Wooders то пореди са почетком новог посла: бенчмаркови агенту дају сав потребан контекст, задатак за задатком, без икакве међусобне везе, што нимало не личи на то како људи раде. Новом запосленом можда треба показати пут до штампача. Али након три године, надали бисте се да му можете дати упутство од једне реченице, а да не устајете од стола.

То је стандард коме треба тежити и циљ којим смо се водили при изради система Brain – нашег самоунапређујућег меморијског система за Perplexity Computer, који претходни рад и исправке организује у вики знања који се стално развија.

Објаснићемо шта агент треба да памти и како да провјерите да ли му то помаже да ради боље.

Шта је меморија AI агената?

Меморија AI агента обухвата информације које агент задржава из претходних интеракција и рада, као и механизме за њихово ажурирање и коришћење. Трајни меморијски контекст преноси те информације између сесија, па затварање разговора не значи да се сљедећи задатак започиње од нуле.

Већина онога што се нуди под тим називом памти корисника. Ваше преференције, контакте, улогу, чињеницу да више волите PDF фајлове него PNG. То је лакша половина.

Када смо градили Brain, меморијски систем на коме почива Perplexity Computer, усредсредили смо се на сам рад. Који приступ је успио? Који извор је протраћио двадесет минута? Шта сте морали да исправите након што је агент објавио да је готов? Та историја сљедећем задатку даје бољу полазну тачку.

Brain чува ове информације као фајлове у Sandbox окружењу агента, организоване у три слоја:

• sessions/ садржи сирове транскрипте и њихове сажетке.
• notes/ садржи пречишћене информације организоване по темама.
• knowledge/ садржи сам вики: повезане Markdown странице о људима, пројектима и концептима.

Ништа од тога се не побољшава само од себе. Током ноћи, позадински агенти које зовемо „Dream“ читају сесије из тог дана, сажимају их и ажурирају вики гдје год се слика промијенила. Те измјене припремамо и провјеравамо прије него што их унесемо (commit) кроз Git, тако да постоји diff који се може прегледати када нешто не изгледа како треба.

Да ли то агента чини бољим у послу? У нашој 30-дневној упареној евалуацији, сесије са укљученим системом Brain побољшале су тачност за 9,3 процентна поена и присјећање за 8,9, уз приближно 15% мање токена.

Увећај

Извор: X

Које врсте агентске меморије постоје?

Постоје двије основне врсте, а подјела је врло слична оној коју бисте примијенили на човјека: оно што тренутно држите у глави и оно што ћете и даље знати сљедећег мјесеца.

Краткорочна меморија

Краткорочна меморија чува контекст тренутног разговора или задатка. Ваш захтјев, недавне поруке, резултат позива алата, документ који је агент управо отворио. Довољно информација да се закључи шта даље треба урадити.

Ово ћете срести и под називом радна меморија. Код LLM-а, контекстни прозор садржи информације доступне током одређеног позива модела. Апликација може одржавати додатно стање задатка и одлучивати које дијелове да прослиједи у сваком кораку.

А краткорочно не мора нужно значити једнократно. Радни оквир може сачувати стање разговора и наставити га сутра – оно и даље припада том треду. Али да ли неки други задатак може да користи те информације, засебна је одлука у дизајну.

Дугорочна меморија

Дугорочна меморија чини информације доступним између сесија. Рад CoALA преузео је три категорије из когнитивне науке и тиме онима који граде агенте дао рјечник за искуства и практично знање:

• Епизодична меморија је оно што се догодило: Ово обухвата претходне сесије, кораке које је агент предузео и резултат који је добио. У систему Brain, sessions/ пружа ову историју кроз сирове транскрипте и њихове сажетке.
• Семантичка меморија је оно што агент сматра истинитим: То могу бити чињенице о кориснику, његовим пројектима и његовом свијету, извучене из разговора. Вики knowledge/ у систему Brain чува ову врсту информација, уз везе ка доказима.
• Процедурална меморија је како се ствари раде: То су промптови, вишекратно употребљиви токови рада, вјештине које Perplexity гради како би агентима дао упутства и алате потребне за посао. Можда већ имате нешто од тога, а да то не називате меморијом.

Најзанимљивији дио посла одвија се између слојева. Сесија биљежи да сте одбили PNG. Ваше упутство да користите PDF постаје преференција коју агент може да носи даље. Исправка процеса извоза постаје нешто чега се може придржавати сљедећи пут.

Та конверзија, од „ово се догодило“ преко „ово је истина“ до „овако то радимо“, дио је проблема учења којим смо започели, и управо на њу ноћна покретања агента Dream у систему Brain троше свој труд.

Рецимо да неко подгрије рибу у микроталасној пећници у заједничкој кухињи. Стижу жалбе, неко отвори прозор. На крају се појави натпис: БЕЗ РИБЕ.

Шест мјесеци касније, кривац се одселио, али натпис је остао. То је трајност. Врсте меморије можете објаснити кроз оно што опстаје:

• Радна меморија је оно о чему водите рачуна док спремате ручак, на примјер да супу треба промијешати.
• Епизодична меморија је инцидент са рибом; мирис који је све присутне пратио у ходник.
• Семантичка меморија је знање које сте из тога извукли – подгријавање рибе може оставити мирис који се дуго задржава у заједничкој кухињи.
• Процедурална меморија је упутство које одређује шта се дешава даље. Не подгријавајте рибу овдје у микроталасној. Натпис омогућава некоме ко је пропустио цијели инцидент да поштује правило.

Постоји још једна разлика, јер мијења оно што градимо. Преглед литературе први пут објављен у децембру 2025, Memory in the Age of AI Agents, наводи да подјела на краткорочну и дугорочну није довољна – меморију разврстава и према облику:

• На нивоу токена: Ово је експлицитни садржај који агент чита. Фајлови, сачувани записи, преузети фрагменти.
• Параметарска: Ово су информације кодиране у наученим тежинама. Њихово ажурирање захтијева тренирање или методе за уређивање модела.
• Латентна: Ово су информације задржане у интерним репрезентацијама, а да нису записане као читљив текст.

Овдје се фокусирамо на меморију на нивоу токена, односно на информације сачуване изван модела и учитане у његов контекст када затреба. Markdown вики система Brain један је примјер.

Увећај

Када ажурирамо страницу, мијењамо оно што агент може да прочита у сљедећем задатку, али његове основне тежине остају исте. То је поента коју је Packer изнио у уводу: напредовање кроз контекст који агент чува, без поновног тренирања.

Како врсте меморије агента функционишу заједно?

Агент се може вратити на ранији покушај, видјети гдје је погријешио и учитати упутства која сте му дали након тога. У истом задатку учествује неколико врста меморије и ниједна од њих не мора да чека свој ред нити захтијева засебну базу података.

Овдје трајност одређује шта остаје доступно након завршетка разговора, док преузимање одређује да ли ће агент то икада поново видјети.

У систему Brain чувамо тај пут од лекције назад до доказа. Рецимо да тражите да Computer настави пројекат са прошле седмице:

• Индекс система Brain му говори које меморијске странице постоје и гдје их може пронаћи.
• Brain отвара страницу пројекта да би прочитао сачуване одлуке и упутства.
• Ако биљешка каже да сте одбили неки приступ, агент може пратити њен цитат назад до разговора и провјерити зашто.

Везе ка повезаним страницама омогућавају му да пронађе људе или друге пројекте који су укључени. Агент то ради читањем и претраживањем фајлова. Алат grep му, на примјер, омогућава да пронађе помене пројекта по називу.

Тестирали смо и шта агенти добијају када могу да истражују фајлове. На интерном бенчмарку од 150 питања о финансијским документима, агент за истраживање који користи стандардне алате за рад са фајловима постигао је оцјену одговора од 0,627, у поређењу са око 0,37 за семантичку претрагу над истим корпусом.

Увећај

Извор: X

Како побољшати меморију AI агената?

Рад који су Orogat и Mansour објавили у мају 2026. идентификује четири неуспјеха која се понављају у меморији агената: складиште стално расте, застарјела увјерења остају неревидирана, информације се заборављају када понестане простора, док преузимање чита, а из тог приступа ништа не научи.

Њихово предложено рјешење је да се агентска меморија престане третирати као складиште и почне посматрати као „стање“ које се развија кроз четири операције: уношење, ревизију, заборављање и преузимање. То је наша контролна листа за овај одјељак.

Будите селективни у томе шта се памти

Када се „лоше“ сјећање једном нађе у меморији, сваки корак га насљеђује.

Workday AI Research је тестирао селективни приступ на приближно 1.500 потенцијалних сјећања из бенчмарка LoCoMo, постављајући пет питања прије него што задржи било које од њих:

• Да ли је корисно? Да ли ће се вјероватно поново појавити?
• Да ли је поуздано? Да ли је то заиста речено у разговору или је то модел сам допунио?
• Да ли је ново или је већ сачувано?
• Да ли је свјеже?
• Да ли је то трајна чињеница или пролазно стање?

Само је за прво питање био потребан позив модела. Остала четири су се извршавала као правила, укупно за мање од 65 милисекунди. Метода је постигла 12% већу прецизност у одлукама о задржавању или одбацивању, уз задржавање 97% релевантних сјећања.

Највећи допринос дало је посљедње питање – ако се уклони разлика између трајних и привремених информација, квалитет одлука опада за приближно 18%.

Ревидирајте одговор без губљења историје

Забиљежите када је нека чињеница постала важећа, који је извор подржава и шта је замијенила. Ако се извори не слажу, нека то неслагање остане видљиво док не буде довољно доказа да се ријеши. И најновији документ може бити погрешан.

Brain ажурира вики користећи изворне документе, резултате конектора и исправке корисника. Сваки запис у меморији води назад до свог извора. Потребно нам је да агент пронађе актуелни одговор и да има гдје да провјери ако му се тај одговор учини сумњивим.

Заборављајте намјерно

Рад један облик неуспјеха назива „заборављањем изазваним капацитетом“: информације се уклањају да би се испоштовало ограничење складишта, а не зато што су престале да буду корисне.

Вратимо се заједничкој кухињи. Након шест мјесеци, никога није брига ко је подгријао рибу у микроталасној нити колико је дуго прозор био отворен. Али натпис и даље има свој задатак.

Када сљедећа особа буде спремала ручак, правило ће бити доступно. Само архивирате жалбе.

Провјере свјежине и врсте информација које користи Workday почињу прије складиштења и филтрирају оно што заслужује да постане сјећање. У систему Brain поново разматрамо и постојеће знање како се изворни документи мијењају и корисници уносе исправке. У оба случаја, садржај је тај који намеће потребу за интервенцијом.

Нека преузимање храни сљедеће ажурирање

Агент преузме чињеницу, искористи је и остави складиште тачно онаквим каквим га је затекао. Ако систем не забиљежи шта се десило након тога, нигдје неће бити записано да ли је та чињеница помогла или је агента одвела у још једну слијепу улицу.

Забиљежите исход, извор и сваку исправку. Када смо градили Brain, ту историју рада учинили смо дијелом онога што памти: који приступ је успио, који извор није водио никуда и шта је корисник исправио након што је агент објавио да је готов. Brain то искуство уграђује у периодична ажурирања викија, како би га каснији задаци могли користити.

Ништа од овога се, међутим, не види на бенчмарку присјећања. Да бисте знали да ли петља функционише, дајте агенту задатак који може да заврши само уз помоћ меморије и пребројте колико га често заврши, уз трошак и латенцију. То ради DolphinBench, и зато се најбољи резултати и даље крећу тек у распону од 70 до 80.

Како изградити агента са трајном меморијом помоћу платформе Perplexity

Agent API компаније Perplexity не долази са меморијским системом који се сам одржава, попут система Brain. То радије кажемо одмах. Али оно што вам даје јесу дијелови меморије који су вам потребни: мјесто за чување процедура, начин да се контекст преноси између кругова разговора и алати за читање из складишта које контролишете и уписивање у њега.

Почните од процедуралне меморије

Прилагођена вјештина пакује упутства, процедуре и пратеће датотеке под бројем верзије. Платформски тим може једном да напише своје провјере за деплој, критеријуме за враћање измјена и формат извјештавања, а затим да омогући апликацијама да упућују на исту вјештину. Када се процедура промијени, тим отпрема нову верзију.

Увећај

Извор: X

Профил иде корак даље. Профили чувају модел агента, упутства, алате, вјештине, конекторе и подешавања покретања под једним верзионисаним ID-јем.

Обје функције смо додали у септембру, заједно са управљаним конекторима, тако да администратор пројекта може једном да конфигурише одобрену GitHub или Slack везу и омогући апликацијама да упућују на њу умјесто да чувају засебне акредитиве. Када се приступ промијени, администратор ажурира везу на једном мјесту.

Зашто се ово рачуна као меморија? Вратимо се још једном у кухињу са рибом подгријаном у микроталасној. Ко год сљедећи дође, може да поштује правило БЕЗ РИБЕ, а да није присуствовао притужбама.

Вјештина обавља исти посао за агента, уз простор за кораке, изузетке и провјере који не би стали на врата микроталасне пећнице. Вјештине су записане, верзионисане и доступне сљедећи пут када се задатак појави.

Вјештине користимо и за усмјеравање ажурирања меморије у систему Dream. Али оно што вјештина не ради јесте самостално учење. Упутства се мијењају када се отпреми нова верзија, било да то уради човјек или аутоматизовани процес.

Ако желите да агент примијети да провјера враћања измјена стално не пролази на једном сервису и да се прилагоди, то је петља од сесија до викија коју смо раније описали.

Потребно је да задржите оно што се догодило, утврдите шта треба да се промијени и учините исправку доступном сљедећи пут. За то су потребна сљедећа два дијела.

Преносите радну меморију између корака разговора

Агент покреће провјеру за деплој. Питате: „Зашто то није успјело?“ Разумно додатно питање, под условом да агент и даље види на шта се „то“ односи.

Наш Agent API подржава два начина за даље преношење контекста разговора:

• Сами поново пошаљите разговор: Укључите раније поруке у низ input сљедећег захтјева. Ви одлучујете шта ћете задржати, сажети, редиговати или одбацити прије слања.
• Наставите од довршеног одговора: Сачувајте његов ID и прослиједите га као previous_response_id уз сљедећу поруку. Стање разговора чувамо на серверу, па ваша апликација не мора поново да шаље раније кораке разговора. Можете наставити од најновијег одговора у ланцу.

Поновно слање вам даје контролу над оним што агент види, а настављање преко ID-ја штеди вам посао поновног састављања разговора. У сваком случају, наведите сва нова упутства, алате или подешавања модела потребна за сљедећи одговор.

Користите сопствено складиште епизодне и семантичке меморије

Ово је дио који Agent API препушта вама.

Један пут је позивање функција. Ви дефинишете алате, агент захтијева позив, а ваша апликација га извршава и враћа резултат. За меморију, једноставна почетна тачка је операција читања прије него што агент дјелује и операција уписа након тога.

Ако евидентирате само чињеницу коју је агент преузео, и даље не знате да ли је помогла. Евидентирајте исход, извор и све што је корисник исправио, и имаћете почетак епизодног слоја.

Наша подршка за MCP вам даје још један пут. Ако компатибилни удаљени MCP сервер излаже операције које су вам потребне, агент може да их позове, а да ви не морате сваку да омотате као прилагођену функцију.

Наши конектори дају агенту приступ доказима на којима се сјећања заснивају. GitHub, Slack, Google Drive, Datadog, Linear и Notion налазе се у нашем каталогу управљаних конектора, а можете додати и прилагођене конекторе за интерне системе.

На крају, одлучите када се историја прегледа, а актуелно стање ствари ревидира.

Тестирајте шта опстаје у новој сесији

Сада затворите разговор. Покрените нови захтјев без поновног слања старих порука и без навођења previous_response_id, али дајте агенту приступ истом складишту меморије. Затражите од њега да уради сродан посао, а да не понављате исправку.

Ако му је потребан подсјетник, још нисте завршили.

За агента за деплој направите неколико тестова око онога што треба да се пренесе даље:

• Исправка опстаје: Агент преузима и користи провјерену команду за враћање измјена за погођени сервис.
• Исправка остаје у свом опсегу: Агент не дира процедуре других сервиса.
• Нове информације замјењују старе смјернице: Када се команда поново промијени, агент користи тренутну верзију и може да прати промјену до њеног извора.

Наш приручник за регресионо тестирање показује како да сачувате излазе агента и преузете доказе, провјерите их у односу на очекивано понашање и упоредите покретања након промјене упутстава или модела.

Држите верзије модела, профила и вјештине фиксним док упоређујете покретања са меморијом и без ње. Свако поређење почните од познатог снимка складишта; у супротном, један тест може агента да научи одговору на сљедећи.

Када нешто не успије, сачувајте тај случај. Сљедећа промјена мора да га прође.

Или прескочите изградњу: Brain у оквиру Computer

Ако желите готову петљу, а не њене дијелове, онда вам треба Computer. Brain ради у његовој основи, учећи из четири извора: ваших сесија, повезаних алата, датотека и артефаката које правите и ваших исправки. Brain у позадини ажурира податке: потврђује оно што и даље важи, ревидира оно што се промијенило и означава застареле информације.

Ту петљу не морате сами да градите. Ви само радите свој посао.

Меморија чува преференције и детаље које сте подијелили. Brain повезује пројекте, људе, одлуке и недовршени посао са доказима на којима се заснивају.

Оно што је Brain научио можете да прегледате у приказу меморије, да пратите уносе до њихових извора и да их уређујете или бришете. Brain користи вашу сопствену активност, изузима инкогнито сесије и има сопствени прекидач.

Увећај

У компанији Rho, на примјер, одлуке о пројекту фактурисања биле су расуте по алатима Slack, Notion, Jira, Figma и Google Docs. Тим је подесио Computer да преко ноћи прегледа измјене, означава недосљедности и објављује јутарњи преглед на Slack-у.

Њихов софтверски инжењер Oktawian Jurkiewicz примијетио је да Computer гради и меморију за пројекат. „Нисмо је дефинисали“, каже он. „Computer је сам схватио које податке треба да чува из сваког извора.“

Тим наводи да је вријеме недјељних састанака смањено са 2,5 сата на 15 минута и процјењује уштеду од 120 радних сати током пројекта који је трајао 12 недјеља.

Тих 120 сати приписује се цијелом току рада: конекторима, ноћним покретањима и прегледу на Slack-у. Колико је уштеђеног времена дошло само од меморије? То још не можемо да квантификујемо.

Али оно што можемо да савјетујемо јесте да се за сопствено рјешење вратите на ранији тест – покрените еквивалентне задатке са укљученим и искљученим слојем меморије, а затим упоредите стопе довршавања, трошкове и вријеме, укључујући вријеме које неко потроши на исправљање резултата.

Најчешћа питања о меморији АИ агената

Могу ли АИ агенти да имају меморију?

Да. АИ агенти могу да задрже информације између сесија путем сачуваних разговора, чињеница, преференција и процедура за вишекратну употребу. Систем мора да преузме те информације када су релевантне и да их ажурира када се околности промијене.

Brain у Perplexity Computer, на примјер, гради радни контекст из сесија, повезаних алата, датотека и корисничких исправки.

Колико RAM меморије користи АИ агент?

Не постоји јединствен захтјев. Ако ваш агент позива хостовани модел преко Perplexity Agent API, не морате да учитавате тај модел у сопствени RAM. Вашој апликацији и локалним алатима ипак је потребна меморија.

Локално покретање модела је другачије. При четири бита по параметру, осам милијарди параметара износи отприлике 4 GB сирових података тежина. Стварно потребна меморија је већа када се урачунају додатни трошкови квантизације, обрада контекста и софтвер који покреће модел.

Која је најбоља меморија за АИ агента?

Најбоља поставка зависи од тога шта агент треба да пренесе даље. Стање разговора омогућава додатна питања; епизодни записи чувају оно што се догодило; семантичка меморија садржи тренутно знање; процедурална меморија пружа упутства за вишекратну употребу.

Већини текућих послова користи комбинација. За Brain користимо повезани вики заснован на изворима. За сопствено рјешење тестирајте да ли поставка помаже агенту да довршава задатке, примјењује исправке и одбацује застареле смјернице.