Эпизодическая и Семантическая Память Агента
Архитектурное разделение памяти ИИ-агента на долгосрочную фактическую базу (Semantic Memory) и хронологический журнал событий конкретных рабочих сессий (Episodic Memory).
1. Обзор концепции и системная проблема
Традиционные агенты страдают от двух противоположных крайностей амнезии:
- Либо агент начинает каждую новую сессию с абсолютно чистого листа ("день сурка"): забывает структуру проекта, повторяет ту же ошибку конфигурации, с которой разработчик боролся вчера, и снова спрашивает об очевидных вещах.
- Либо разработчик сбрасывает в историю агента всю переписку за 3 месяца, из-за чего контекст переполняется устаревшими деталями (Context Rot), и модель начинает действовать неадекватно.
Решение этой проблемы заимствовано из когнитивной психологии: двухуровневая архитектура памяти — Семантическая (знание правил) и Эпизодическая (опыт проб и ошибок).
2. Архитектурная таксономия и ментальная модель
┌─────────────────────────────────────────────────────────────┐
│ DUAL-MEMORY AGENT TOPOLOGY │
├─────────────────────────────────────────────────────────────┤
│ 1. SEMANTIC MEMORY (Факты и правила - Long-Term Knowledge) │
│ • "Tech Stack: React 19, TypeScript strict mode" │
│ • "Database: PostgreSQL via Drizzle ORM" │
│ • "Coding rule: No default exports, only named exports" │
├─────────────────────────────────────────────────────────────┤
│ │ │
│ ▼ Interactive Working Loop │
├─────────────────────────────────────────────────────────────┤
│ 2. EPISODIC MEMORY (Хроника опыта - Chronological Events) │
│ • [2026-09-08 10:15] Task: Migrate to Better Auth │
│ • [Attempt 1] Installed v1.1.2 ➔ FAILED (Type conflict) │
│ • [Attempt 2] Applied peer-dependency patch ➔ PASSED │
│ • [Lesson Learned] "Better Auth requires Node >= 20.10" │
├─────────────────────────────────────────────────────────────┤
│ 3. CONTEXT SYNTHESIZER: Впрыскивает только релевантный опыт │
└─────────────────────────────────────────────────────────────┘
3. Технический пайплайн и внутренняя механика
01. Накопление корпоративного опыта (Knowledge Compounding)
Когда агент находит сложный обходной путь для бага во внутренней библиотеке, он записывает эпизод в общую базу памяти команды. На следующий день другой агент другого разработчика, столкнувшись с аналогичной ошибкой, мгновенно находит решение через векторный поиск по эпизодам.
02. Автоматическая генерация навыков (Skills Induction)
Если в эпизодической памяти фиксируется, что агент трижды повторил похожую последовательность действий для деплоя сервиса, фоновый процесс автоматически обобщает этот опыт и создает новый файл навыка skills/deploy-service.md в семантической памяти.
03. Оптимизация рабочего процесса (Agentic Workflow)
Агент использует свою эпизодическую память для анализа предыдущих успешных и неудачных попыток выполнения задач, что позволяет ему оптимизировать текущий рабочий процесс и избегать повторения ошибок.
4. Подводные камни, типовые ошибки и безопасность
- Overfitting to Bad Episodes (Закрепление ошибочного опыта): Если агент случайно однажды решил проблему костылем (
chmod 777илиas any), этот эпизод может стать образцом для подражания. Эпизодическая память должна проходить регулярную кураторскую проверку и валидацию линтерами. - Privacy Leaks между сессиями: Эпизодическая память не должна хранить персональные данные пользователей или токены доступа, которые случайно появлялись во время отладки в конкретной сессии.
5. Стратегический вывод для инженера 2026 года
Разделение памяти на семантическую и эпизодическую превращает агента из временного скрипта в постоянного цифрового сотрудника, который с каждым выполненным заданием становится умнее, быстрее и опытнее.
FAQ: Эпизодическая и Семантическая Память Агента
Связанные термины
Память Агента
Комплексная подсистема хранения, фильтрации и выборки данных, которая преобразует stateless-вызов LLM в stateful-систему: от краткосрочного scratchpad-буфера до мультисессионного хранилища знаний.
Агентские Скиллы (Agent Skills & Custom Workflows)
Архитектурный паттерн динамической подгрузки узкоспециализированных процедурных инструкций, скриптов и шаблонов (SKILL.md) в контекстное окно агента строго по требованию (On-Demand Loading).
Knowledge Compounding (Эффект сложного процента знаний)
Инженерная стратегия непрерывной кристаллизации опыта в структурированные артефакты (Markdown-вики, чеклисты, скиллы для агентов), обеспечивающая экспоненциальный рост личной и командной продуктивности.
Деградация контекста (Context Rot & Attention Decay)
Системное снижение точности, следования инструкциям и логической согласованности LLM по мере накопления в рабочем окне диалогового шума, устаревших черновиков кода и выводов компилятора.
Связанные материалы экосистемы
Практические гайды, терминология и агентские скиллы
Часть II. Архитектура ИИ-агентов: от модели до памяти и инструментов
Глубокое инженерное погружение: токенизация, KV-кэш, детерминизм сэмплинга, тренировочный стек, квантование, контекстная инженерия, стек безопасности, производственный RAG, ReAct и мультиагентные swarm-системы.
Память Агента
Комплексная подсистема хранения, фильтрации и выборки данных, которая преобразует stateless-вызов LLM в stateful-систему: от краткосрочного scratchpad-буфера до мультисессионного хранилища знаний.
Черновик раздумий агента (Scratchpad)
Временная область рабочей памяти в контекстном окне модели, где агент записывает свои промежуточные размышления, планы, сомнения и выводы перед вызовом инструментов. Скрыта от глаз конечного пользователя для сохранения чистоты финального интерфейса.
Часть I. Архитектура ИИ-агентов: фундаментальные блоки
Одиннадцать фундаментальных строительных блоков современного ИИ-агента: таксономия моделей, агентный рантайм, техники промптинга, дистилляция, архитектура навыков (skills), память, function calling и FinOps.
OpenAI предлагает бесплатные сбросы подписчикам
OpenAI будет давать по бесплатному ресету всем подписчикам каждый день, пока нет доступа к Astra.
Модель Astra от OpenAI теперь доступна всем подписчикам
Модель Astra от OpenAI стала доступна для всех подписчиков Plus, Pro, Enterprise и Business.