Dviguba AI agentų atmintis: kodėl operatyvinė atmintis ir pasaulio žinojimas turi būti atskirti

Dirbdami su AI agentais, kūrėjai ilgai sprendė tą pačią problemą: kaip suteikti agentui atmintį? Kontekstas baigiasi, sesijos keičiasi, ir agentas "pamiršta" viską. Bet dabar atsiranda aiškesnis modelis — ne viena, o dvi atskiros atminties rūšys su skirtingomis funkcijomis.

Šią savaitę @garrytan (Garry Tan, Y Combinator prezidentas) perdalino įžvalgą iš Japonijos kūrėjų bendruomenės, kuri suformulavo tai tiksliai:

OpenClaw memory — tai "agento operatyvinė atmintis". Čia saugomi: nuostatos, darbo taisyklės, einamasis projekto kontekstas. Kaip RAM kompiuteryje — greita, kontekstuali, operatyvinė.

GBrain — tai "išorinis pasaulio žinojimo smegenys". Čia saugoma: informacija apie žmones, įmones, susitikimus, idėjas. Semantinė paieška per jūsų užrašus, dokumentus, ryšių bazę. Kaip ilgalaikė atmintis su inteligentu paieška.

Įsivaizduokite du skirtingus klausimus, kuriuos gali gauti AI agentas:

Klausimas 1: "Kaip aš noriu, kad tu bendrautum su klientais?" — tai veikia per operatyvinę atmintį. Agentas turi žinoti jūsų bendravimo stilių, taisykles, preferencijas.

Klausimas 2: "Ką mes kalbėjome su UAB Baltica per paskutinį susitikimą?" — tai veikia per pasaulio žinojimą. Agentas turi ieškoti konkrečios informacijos apie konkretų subjektą.

Abu klausimai atrodo panašūs, bet jiems reikia skirtingų mechanizmų. Supainiojus — gausi arba lėtą sistemą (jei viską dedi į semantinę paiešką), arba "amnesišką" (jei viską laikosi kontekste ir jis baigiasi).

Pagal @garrytan pasidalintą modelį, abi sistemos veikia per tą patį sąsają — CLI komandas ir MCP serverį. Agentas gali:

1. Tikrinti savo veikimo taisykles (OpenClaw memory) prieš kiekvieną veiksmą
2. Ieškoti kontekstinės informacijos (GBrain) kai reikia konkrečių faktų
3. Atnaujinti abi sistemas po kiekvienos sesijos

Konkretus pavyzdys iš praktikos: kūrėjas @SajiBhai011 paskelbė, kad savo GBrain jungtyje suindeksavo 116 puslapių Obsidian užrašų, sudarytų iš 479 segmentų. Dabar galima užduoti klausimą ir gauti atsakymą iš savo pačio užrašų bazės — ne iš interneto, ne iš modelio žinių, o iš asmeninių dokumentų.

Pasak @kakumaeda (retweetino @garrytan): "OpenClaw memory yra 'agento operatyvinė atmintis', GBrain — 'išorinis pasaulio žinojimo smegenys'... bus galima valdyti tarp agentų per CLI ir MCP serverį." — X

Ši architektūra yra svarbi kiekvienam, kuris šiandien kuria arba planuoja kurti AI agentus verslo procesams. Praktiškai tai reiškia:

• Operatyvinė atmintis: kaip bendrauti, kokie produktai, kokios taisyklės

• Pasaulio žinojimas: konkrečių klientų istorija, ankstesni pokalbiai, susitarimų detalės

• Operatyvinė atmintis: pardavimų scenarijus, atsakymai į prieštaravimus

• Pasaulio žinojimas: specifiniai kontaktai, įmonių informacija, sandorių istorija

• Operatyvinė atmintis: asmeninės nuostatos, darbo stilius

• Pasaulio žinojimas: projekto dokumentai, susitikimų protokolai, idėjų bazė

Dviguba atminties architektūra — tai ne techninis kurioziškumas, o praktinis atsakymas į realią problemą: AI agentai turi ir žinoti, kaip elgtis (taisyklės), ir žinoti, apie ką kalba (faktai). Supainioti šias dvi funkcijas — pagrindinė klaida kuriant ilgalaikius agentus.

WebEdge.dev diegia multi-agentų sistemas Lietuvos ir Europos verslui, įskaitant atminties valdymo architektūrą pagal šiuos principus.

---

Agento operatyvinės atminties sistema — saugo darbo taisykles, nuostatas, einamąjį kontekstą. Veikia per CLI ir MCP serverį.

Semantinės paieškos sistema per asmeninę žinių bazę — užrašus, dokumentus, ryšių informaciją. Garry Tan kuria ją kaip atskirą sluoksnį ant Claude/OpenAI modelių.

Ilgalaikiams verslo agentams — taip. Operatyvinė atmintis užtikrina nuoseklų elgesį. Pasaulio žinojimas — faktinį tikslumą.

Taip — kūrėjai jau indeksuoja savo Obsidian užrašus per GBrain ir kuria agentus, kurie ieško informacijos asmeninėje žinių bazėje.