agent-memory-systems
Naucz agentów AI pamiętać — architektura pamięci dla inteligentnych systemów
Instalacja
Wybierz klienta i sklonuj repozytorium do odpowiedniego katalogu skilli.
Instalacja
O skillu
Skill do budowania systemów pamięci dla agentów AI. Obejmuje architekturę pamięci krótkoterminowej (okno kontekstu), długoterminowej (wektorowe bazy danych) i strategie kognitywne, które je organizują. Kluczowa zasada: pamięć to nie magazyn, to wyszukiwanie. Milion przechowywanych faktów nic nie warte, jeśli nie potrafisz znaleźć właściwego. Nauczysz się chunking, embeddingu i strategii retrieval, które decydują, czy agent pamiętuje czy zapomina.
Jak używać
Zainstaluj skill agent-memory-systems z repozytorium davila7. Skill zawiera szablony i komponenty do budowania systemów pamięci dla agentów Claude.
Wybierz typ pamięci odpowiedni dla Twoich danych — pamięć krótkoterminową (context window) dla bieżącej konwersacji, długoterminową (vector store) dla faktów i historii, lub specjalistyczne typy jak pamięć episodyczna, semantyczna czy proceduralna.
Zdecyduj się na strategię chunking — jak dzielić dokumenty na fragmenty. Testuj różne rozmiary i upewnij się, że fragmenty są rzeczywiście wyszukiwalne. Pamiętaj, że chunking bez testowania retrieval to częsty błąd.
Wybierz bazę wektorową (vector store) pasującą do Twojego przypadku użycia. Skill zawiera wzorce do porównania opcji dostępnych na rynku.
Implementuj retrieval — najważniejsza część. Filtruj wyniki po metadanych, dodaj temporal scoring, aby świeże wspomnienia miały wyższą wagę. Pamiętaj, że problemy z pamięcią agenta to prawie zawsze problemy z retrieval, nie z magazynowaniem.
Unikaj anty-wzorców: nie przechowuj wszystkiego na zawsze, nie używaj jednego typu pamięci dla wszystkich danych, zawsze testuj retrieval przed wdrożeniem.