Memorija AI agenata: kako napraviti AI agente sa trajnim kontekstom

Kad biste novog kolegu morali da vodite do štampača svakog jutra šest meseci, počeli biste da se brinete. Kad bi on mogao savršeno detaljno da izrecituje svaku prethodnu šetnju, a da mu i dalje treba pratnja, pamćenje mu je odlično…ali biste vi i dalje morali da ustajete od stola.

Memorija AI agenata trenutno ima svoju verziju ove večite šetnje do štampača. Izvršni direktor kompanije Letta Charles Packer kaže za The New Stack da su benčmarkovi za memoriju zasićeni jer mere prisećanje, koje on smatra rešenim problemom. Otvoreni problem je kako da agent postaje bolji u svom poslu kroz kontekst koji čuva, bez ikakvog ponovnog treniranja.

Njegova suosnivačica Sarah Wooders to poredi s početkom novog posla—benčmarkovi agentu daju sav potreban kontekst—jedan nepovezan zadatak za drugim, što nimalo ne liči na to kako ljudi rade. Novog zaposlenog možda treba odvesti do štampača. Ali posle tri godine, nadali biste se da mu možete dati uputstvo od jedne rečenice, a da ne ustajete od stola.

To je standard kojem treba težiti i cilj na kom počiva Brain, naš samousavršavajući sistem memorije za Perplexity Computer, koji prethodni rad i ispravke organizuje u viki bazu znanja koja se stalno razvija.

Objasnićemo šta agent treba da pamti i kako da testirate da li mu to pomaže da bolje obavlja posao.

Šta je memorija AI agenata?

Memorija AI agenta su informacije koje agent zadržava iz prethodnih interakcija i rada, zajedno sa mehanizmima za njihovo ažuriranje i korišćenje. Trajni memorijski kontekst prenosi te informacije kroz sesije, pa zatvaranje razgovora ne znači da sledeći zadatak počinje od nule.

Većina onoga što se isporučuje pod tim imenom pamti korisnika. Vaše preferencije, vaše kontakte, vašu ulogu, činjenicu da više volite PDF nego PNG datoteke. To je lakša polovina.

Kada smo pravili Brain, sistem memorije koji stoji iza proizvoda Perplexity Computer, usredsredili smo se na sam rad. Koji pristup je uspeo? Koji izvor je protraćio dvadeset minuta? Šta ste morali da ispravite nakon što je agent objavio da je završio? Ta istorija sledećem zadatku daje bolju polaznu tačku.

Brain čuva ove informacije kao datoteke u sandbox okruženju agenta, organizovane u tri sloja:

• sessions/ sadrži neobrađene transkripte i njihove sažetke.
• notes/ sadrži prečišćene informacije organizovane po temama.
• knowledge/ sadrži sam viki: povezane Markdown stranice o ljudima, projektima i konceptima.

Ništa od toga se ne poboljšava samo od sebe. Tokom noći, pozadinski agenti koje zovemo „Dream“ čitaju sesije tog dana, sažimaju ih i revidiraju viki gde god se slika promenila. Te izmene pripremamo i proveravamo pre nego što ih potvrdimo putem Gita, tako da postoji diff koji se može pregledati kada nešto ne izgleda kako treba.

Da li to agenta čini boljim u poslu? U našoj 30-dnevnoj uparenoj evaluaciji, sesije sa uključenim sistemom Brain poboljšale su tačnost za 9,3 procentna poena i prisećanje za 8,9, uz približno 15% manje tokena.

Uvećaj

Izvor: X

Koje vrste agentske memorije postoje?

Postoje dve široke vrste, a podela je slična onoj koju biste primenili na čoveka: ono što trenutno držite u glavi i ono što ćete i dalje znati sledećeg meseca.

Kratkoročna memorija

Kratkoročna memorija čuva kontekst trenutnog razgovora ili zadatka. Vaš zahtev, nedavne poruke, rezultat poziva alata, dokument koji je agent upravo otvorio. Dovoljno informacija da se odluči šta dalje.

Videćete i da se ovo naziva radnom memorijom. Kod LLM-a, kontekstni prozor sadrži informacije dostupne tokom određenog poziva modela. Aplikacija može da održava dodatno stanje zadatka i da odlučuje koje delove da prosledi u svakom koraku.

A kratkoročno ne znači nužno i potrošno. Okvir može da sačuva stanje razgovora i nastavi ga sutra—ono i dalje pripada toj niti. Ali da li drugi zadatak može da koristi te informacije, posebna je odluka o dizajnu.

Dugoročna memorija

Dugoročna memorija čini informacije dostupnim kroz sesije. Rad CoALA je iz kognitivne nauke pozajmio tri kategorije i time kreatorima agenata dao rečnik za iskustva i praktično znanje:

• Epizodna memorija je ono što se dogodilo: ovo obuhvata prethodne sesije, korake koje je agent preduzeo i rezultat koji je dobio. U sistemu Brain, sessions/ pruža ovu istoriju kroz neobrađene transkripte i njihove sažetke.
• Semantička memorija je ono što agent smatra istinitim: to mogu biti činjenice o korisniku, njegovim projektima i njegovom svetu, izdvojene iz razgovora. Viki knowledge/ sistema Brain sadrži ovakve informacije, sa vezama ka dokazima.
• Proceduralna memorija je način na koji se stvari rade: to su promptovi, radni tokovi za višekratnu upotrebu i Skill-ovi koje Perplexity pravi kako bi agentima dao uputstva i alate koje posao zahteva. Možda već imate nešto od ovoga, a da to ne nazivate memorijom.

Zanimljiv rad se odvija između slojeva. Sesija beleži da ste odbili PNG. Vaše uputstvo da koristite PDF postaje preferencija koju agent može da prenese dalje. Ispravka procesa izvoza postaje nešto čega se agent može pridržavati sledeći put.

Ta konverzija, od „ovo se dogodilo“ preko „ovo je istina“ do „ovako to radimo“, deo je problema učenja kojim smo počeli i upravo na nju se troši trud noćnih izvršavanja agenta Dream u sistemu Brain.

Recimo da neko podgreje ribu u mikrotalasnoj u zajedničkoj kuhinji. Stižu žalbe, otvara se prozor. Na kraju se pojavi natpis: BEZ RIBE.

Šest meseci kasnije, krivac se odselio, ali natpis je ostao. To je trajnost. Vrste memorije možete objasniti kroz ono što preživi:

• Radna memorija je ono o čemu vodite računa dok pravite ručak, na primer da supu treba promešati.
• Epizodna memorija je incident sa ribom: miris koji je sve pratio u hodnik.
• Semantička memorija je znanje koje ste iz toga izvukli—podgrevanje ribe može da ostavi miris koji se zadržava u zajedničkoj kuhinji.
• Proceduralna memorija je uputstvo koje određuje šta se dalje dešava. Ovde ne podgrevajte ribu u mikrotalasnoj. Natpis omogućava i nekome ko je propustio ceo incident da poštuje pravilo.

Postoji i još jedna razlika, jer ona menja ono što gradimo. Pregledni rad Memory in the Age of AI Agents, prvi put objavljen u decembru 2025. godine, kaže da podela na kratkoročnu i dugoročnu nije dovoljna—on memoriju razvrstava i po obliku:

• Na nivou tokena: ovo je eksplicitni sadržaj koji agent čita. Datoteke, sačuvani zapisi, pronađeni delovi teksta.
• Parametarska: ovo su informacije kodirane u naučenim težinama. Njihovo ažuriranje zahteva treniranje ili metode uređivanja modela.
• Latentna: ovo su informacije zadržane u internim reprezentacijama, a da nisu zapisane kao čitljiv tekst.

Ovde se fokusiramo na memoriju na nivou tokena, odnosno na informacije koje se čuvaju izvan modela i po potrebi učitavaju u njegov kontekst. Markdown viki sistema Brain je jedan primer.

Uvećaj

Kada ažuriramo stranicu, menjamo ono što agent može da pročita pri sledećem zadatku, ali njegove osnovne težine ostaju iste. To je Packerova poenta iz uvoda: poboljšavanje kroz kontekst koji agent čuva, bez ponovnog treniranja.

Kako vrste memorije agenta funkcionišu zajedno?

Agent može ponovo da pogleda raniji pokušaj, vidi gde je pogrešio i učita uputstva koja ste mu dali nakon toga. U isti zadatak uključeno je nekoliko vrsta memorije i one ne moraju da se smenjuju niti da svaka ima zasebnu bazu podataka.

Ovde trajnost određuje šta ostaje dostupno nakon završetka razgovora, dok pronalaženje određuje da li će agent to ikada ponovo videti.

U sistemu Brain čuvamo taj put od lekcije nazad do dokaza. Recimo da zamolite Computer da nastavi projekat od prošle nedelje:

• Indeks sistema Brain mu govori koje memorijske stranice postoje i gde da ih pronađe.
• Brain otvara stranicu projekta da bi pročitao sačuvane odluke i uputstva.
• Ako u belešci piše da ste odbili neki pristup, agent može da prati njen citat nazad do razgovora i proveri zašto.

Veze ka povezanim stranicama mu omogućavaju da potraži ljude ili druge uključene projekte. Agent to radi čitanjem i pretraživanjem datoteka. grep mu, na primer, omogućava da pronađe pominjanja projekta po imenu.

Testirali smo i šta agenti dobijaju time što mogu da istražuju datoteke. U internom benčmarku od 150 pitanja o finansijskim dokumentima, agent za istraživanje koji koristi standardne alate za datoteke postigao je ocenu odgovora od 0,627, u poređenju sa oko 0,37 za semantičku pretragu nad istim korpusom.

Uvećaj

Izvor: X

Kako poboljšati memoriju AI agenta?

Rad autora Orogata i Mansoura iz maja 2026. identifikuje četiri ponavljajuća neuspeha u memoriji agenata: skladište stalno raste, zastarela uverenja ostaju nerevidirana, informacije se zaboravljaju kada ponestane prostora, a pronalaženje samo čita, ne učeći ništa iz te posete.

Njihovo predloženo rešenje je da se agentska memorija prestane tretirati kao skladište i da se tretira kao „stanje“ koje se razvija kroz četiri operacije: unos, revizija, zaboravljanje, pronalaženje. To je naša kontrolna lista za ovaj odeljak.

Budite selektivni u tome šta se pamti

Kada „loše“ sećanje jednom uđe, svaki korak ga nasleđuje.

Workday AI Research testirao je selektivni pristup na približno 1.500 kandidata za sećanja iz benčmarka LoCoMo, postavljajući pet pitanja pre nego što bi zadržao bilo koje od njih:

• Da li je korisno? Da li će se verovatno ponovo pojaviti?
• Da li je pouzdano? Da li je razgovor zaista to rekao ili je model to sam dopunio?
• Da li je novo ili je već sačuvano?
• Da li je aktuelno?
• Da li je to trajna činjenica ili prolazno stanje?

Samo je za prvo pitanje bio potreban poziv modela. Ostala četiri su se izvršavala kao pravila, ukupno za manje od 65 milisekundi. Metoda je postigla 12% veću preciznost kod odluka o zadržavanju ili odbacivanju, uz zadržavanje 97% relevantnih sećanja.

Najveći doprinos dalo je poslednje pitanje—uklonite razliku između trajnih i privremenih informacija i kvalitet odluka pada za otprilike 18%.

Revidirajte odgovor bez gubljenja istorije

Zabeležite kada je činjenica postala važeća, koji izvor je potkrepljuje i šta je zamenila. Ako se izvori ne slažu, neka to neslaganje ostane vidljivo dok ne bude dovoljno dokaza da se razreši. I najnoviji dokument može biti pogrešan.

Brain ažurira viki pomoću izvornih dokumenata, rezultata konektora i korisničkih ispravki. Svaki unos u memoriji vodi nazad do svog izvora. Potrebno nam je da agent pronađe aktuelni odgovor i da ima gde da proveri ako mu taj odgovor deluje sumnjivo.

Zaboravljajte namerno

Rad jedan oblik neuspeha naziva „zaboravljanjem uslovljenim kapacitetom“: informacije se uklanjaju da bi se ispoštovalo ograničenje skladišta, a ne zato što su prestale da budu korisne.

Vratimo se zajedničkoj kuhinji. Posle šest meseci, nikoga nije briga ko je podgrejao ribu ili koliko dugo je prozor bio otvoren. Ali natpis i dalje ima svoju svrhu.

Ako sledeća osoba bude pravila ručak, pravilo će biti dostupno. Samo arhivirate žalbe.

Provere aktuelnosti i vrste informacija koje primenjuje Workday počinju pre skladištenja i filtriraju šta zaslužuje da postane memorija. U sistemu Brain takođe ponovo pregledamo postojeće znanje kako se izvorni dokumenti menjaju i korisnici unose ispravke. U oba slučaja, sadržaj je taj koji nalaže intervenciju.

Neka pronalaženje doprinosi sledećem ažuriranju

Agent pronađe činjenicu, iskoristi je i ostavi skladište tačno onakvim kakvo ga je zatekao. Sada, osim ako sistem ne zabeleži šta se dalje desilo, ništa ne beleži da li je ta činjenica pomogla ili je agenta odvela u još jedan ćorsokak.

Zabeležite ishod, izvor i svaku ispravku. Kada smo pravili Brain, tu istoriju rada učinili smo delom onoga što on pamti: koji pristup je uspeo, koji izvor nije vodio nikuda i šta je korisnik ispravio nakon što je agent objavio da je završio. Brain to iskustvo uključuje u periodična ažuriranja vikija, kako bi kasniji zadaci mogli da ga koriste.

Ništa od ovoga se, međutim, ne vidi na benčmarku prisećanja. Način da saznate da li petlja funkcioniše jeste da agentu date zadatak koji može da završi samo uz memoriju i izbrojite koliko često ga završi, uz pridružene troškove i latenciju. To radi DolphinBench i zato su najbolji rezultati i dalje između 70 i 80.

Kako napraviti agenta sa trajnom memorijom uz Perplexity

Agent API kompanije Perplexity ne dolazi sa sistemom memorije koji sam sebe održava, poput sistema Brain. Radije bismo to rekli odmah. Ali ono što vam pruža jesu delovi memorije koji su vam potrebni: mesto za čuvanje procedura, način prenošenja konteksta između razmena i alati za čitanje iz skladišta koje vi kontrolišete i upisivanje u njega.

Počnite od proceduralne memorije

Prilagođeni Skill objedinjuje uputstva, procedure i prateće fajlove pod brojem verzije. Platformski tim može jednom da napiše svoje provere primene, kriterijume za vraćanje na prethodnu verziju i format izveštavanja, a zatim aplikacije mogu da referenciraju isti Skill. Kada se procedura promeni, tim otprema novu verziju.

Uvećaj

Izvor: X

Profil ide korak dalje. Profili čuvaju model agenta, uputstva, alate, Skill-ove, konektore i podešavanja izvršavanja pod jednim ID-jem sa verzijom.

Oba smo dodali u septembru, zajedno sa upravljanim konektorima, tako da administrator projekta može jednom da konfiguriše odobrenu GitHub ili Slack vezu i omogući aplikacijama da je referenciraju umesto da čuvaju zasebne akreditive. Kada se pristup promeni, administrator ažurira vezu na jednom mestu.

Zašto se ovo računa kao memorija? Vratimo se još jednom u kuhinju sa ribom podgrejanom u mikrotalasnoj. Ko god sledeći dođe može da se pridržava pravila BEZ RIBE, a da nije prisustvovao žalbama.

Skill obavlja isti posao za agenta, sa prostorom za korake, izuzetke i provere koji ne bi stali na vrata mikrotalasne rerne. Skill-ovi su zapisani, imaju verzije i dostupni su sledeći put kada se zadatak pojavi.

Skill-ove koristimo i da bismo usmerili kako Dream ažurira memoriju. Ali ono što Skill ne radi jeste da sam uči. Uputstva se menjaju kada se otpremi nova verzija, bilo da to uradi osoba ili automatizovani proces.

Ako želite da agent primeti da provera vraćanja na prethodnu verziju stalno ne uspeva na jednom servisu i da se prilagodi, to je petlja od sesija do wikija koju smo ranije opisali.

Potrebno je da sačuvate šta se desilo, utvrdite šta treba da se promeni i učinite ispravku dostupnom sledeći put. Za to su potrebna sledeća dva dela.

Prenosite radnu memoriju između koraka razgovora

Agent pokreće proveru primene. Pitate: „Zašto to nije uspelo?“ Razumno dodatno pitanje, pod uslovom da agent i dalje vidi na šta se odnosi „to“.

Naš Agent API podržava dva načina da se kontekst razgovora prenese dalje:

• Sami ponovo pošaljite razgovor: Uključite ranije poruke u ulazni niz sledećeg zahteva. Vi odlučujete šta ćete zadržati, sažeti, redigovati ili odbaciti pre slanja.
• Nastavite od završenog odgovora: Sačuvajte njegov ID i prosledite ga kao previous_response_id uz sledeću poruku. Stanje razgovora čuvamo na serveru, pa vaša aplikacija ne mora ponovo da šalje ranije korake. Možete da nastavite od najnovijeg odgovora u lancu.

Ponovno slanje vam daje kontrolu nad onim što agent vidi, a nastavljanje putem ID-ja vas oslobađa ponovnog sastavljanja razgovora. U oba slučaja navedite sva nova uputstva, alate ili podešavanja modela potrebna za sledeći odgovor.

Koristite sopstveno skladište epizodne i semantičke memorije

Ovaj deo Agent API prepušta vama.

Jedan način je pozivanje funkcija. Vi definišete alate, agent zahteva poziv, a vaša aplikacija ga izvršava i vraća rezultat. Za memoriju je jednostavna polazna tačka operacija čitanja pre nego što agent deluje i operacija pisanja nakon toga.

Ako beležite samo činjenicu koju je agent preuzeo, i dalje ne znate da li je pomogla. Ako beležite ishod, izvor i sve što je korisnik ispravio, imate početak epizodnog sloja.

Naša podrška za MCP pruža vam još jedan način. Ako kompatibilni udaljeni MCP server izlaže operacije koje su vam potrebne, agent može da ih pozove, a da vi ne morate svaku da upakujete u prilagođenu funkciju.

Naši konektori daju agentu pristup dokazima na kojima se zasnivaju sećanja. GitHub, Slack, Google Drive, Datadog, Linear i Notion nalaze se u našem katalogu upravljanih konektora, a za interne sisteme možete da dodate prilagođene konektore.

Na kraju, odlučite kada se istorija pregleda, a trenutna slika stanja revidira.

Testirajte šta opstaje u novoj sesiji

Sada zatvorite razgovor. Pokrenite novi zahtev bez ponovnog slanja starih poruka ili prosleđivanja previous_response_id, ali dajte agentu pristup istom skladištu memorije. Zatražite od njega da obavi srodan posao, a da ne ponavljate ispravku.

Ako mu je potreban podsetnik, još niste završili.

Za agenta za primenu napravite nekoliko testova usmerenih na ono što treba da se prenese dalje:

• Ispravka opstaje: Agent preuzima i koristi proverenu komandu za vraćanje na prethodnu verziju za pogođeni servis.
• Ispravka ostaje u svom opsegu: Agent ne dira procedure drugih servisa.
• Nove informacije zamenjuju stare smernice: Kada se komanda ponovo promeni, agent koristi aktuelnu verziju i može da prati promenu do njenog izvora.

Naš priručnik za regresiono testiranje pokazuje kako da sačuvate izlaze agenta i preuzete dokaze, proverite ih u odnosu na očekivano ponašanje i uporedite izvršavanja nakon promene uputstava ili modela.

Držite verzije modela, Profila i Skill-a fiksnim dok upoređujete izvršavanja sa memorijom i bez nje. Svako poređenje počnite od poznatog snimka stanja skladišta; u suprotnom, jedan test može da nauči agenta odgovoru na sledeći.

Kada nešto ne uspe, sačuvajte taj slučaj. Sledeća promena mora da ga prođe.

Ili preskočite pravljenje: Brain u Computer-u

Ako vam je potrebna gotova petlja, a ne delovi, to je Computer. Brain radi u njegovoj pozadini, učeći iz četiri izvora: vaših sesija, povezanih alata, fajlova i artefakata koje pravite i vaših ispravki. Ažuriranja koja Brain obavlja u pozadini potvrđuju ono što i dalje važi, revidiraju ono što se promenilo i označavaju zastarele informacije.

Ne morate sami da pravite tu petlju. Samo radite svoj posao.

Memorija čuva preferencije i detalje koje ste podelili. Brain povezuje projekte, ljude, odluke i nedovršen posao sa dokazima na kojima se zasnivaju.

Ono što je naučio možete da pregledate u prikazu Memorija, da pratite unose do njihovih izvora i da ih uredite ili izbrišete. Brain koristi vašu sopstvenu aktivnost, isključuje inkognito sesije i ima sopstveni prekidač.

Uvećaj

U kompaniji Rho, na primer, odluke o projektu fakturisanja bile su raštrkane po alatima Slack, Notion, Jira, Figma i Google Docs. Tim je podesio Computer da preko noći pregleda izmene, označava nedoslednosti i objavljuje jutarnji sažetak u alatu Slack.

Njihov softverski inženjer Oktawian Jurkiewicz primetio je da Computer pravi i memoriju za projekat. „Nismo je mi definisali“, kaže on. „Computer je sam shvatio koje podatke treba da čuva iz svakog izvora.“

Tim navodi da je skratio vreme nedeljnih sastanaka sa 2,5 sata na 15 minuta i procenjuje da je uštedeo 120 radnih sati tokom projekta od 12 nedelja.

Tih 120 sati pripisuje se celom radnom toku: konektorima, noćnim izvršavanjima i sažetku u alatu Slack. Koliko je ušteđenog vremena došlo samo od memorije? To još ne možemo da kvantifikujemo.

Ali ono što možemo da savetujemo jeste da se, za sopstveno rešenje, vratite na raniji test – pokrenite ekvivalentne zadatke sa uključenim i isključenim slojem memorije, a zatim uporedite stope dovršavanja, troškove i vreme, uključujući vreme koje neko potroši na ispravljanje rezultata.

Najčešća pitanja o memoriji AI agenata

Mogu li AI agenti da imaju memoriju?

Da. AI agenti mogu da zadrže informacije između sesija putem sačuvanih razgovora, činjenica, preferencija i procedura za višekratnu upotrebu. Sistem mora da preuzme te informacije kada su relevantne i da ih ažurira kada se okolnosti promene.

Brain u Perplexity Computer-u, na primer, gradi radni kontekst iz sesija, povezanih alata, fajlova i korisničkih ispravki.

Koliko RAM memorije koristi AI agent?

Ne postoji jedinstven zahtev. Ako vaš agent poziva hostovani model putem Perplexity Agent API-ja, ne morate da učitavate taj model u sopstveni RAM. Vašoj aplikaciji i lokalnim alatima i dalje je potrebna memorija.

Pokretanje lokalnog modela je drugačije. Sa četiri bita po parametru, osam milijardi parametara iznosi otprilike 4 GB sirovih podataka o težinama. Stvarno potrebna memorija je veća kada se uračunaju dodatno opterećenje kvantizacije, obrada konteksta i softver koji pokreće model.

Koja je najbolja memorija za AI agenta?

Najbolja postavka zavisi od toga šta agent treba da prenese dalje. Stanje razgovora podržava dodatna pitanja; epizodni zapisi čuvaju ono što se desilo; semantička memorija sadrži aktuelno znanje; proceduralna memorija pruža uputstva za višekratnu upotrebu.

Većini tekućih poslova koristi kombinacija. Za Brain koristimo povezani wiki zasnovan na izvorima. Za sopstveno rešenje testirajte da li postavka pomaže agentu da dovršava zadatke, primenjuje ispravke i povlači zastarele smernice.