Смотреть урок

hermes-agent-memory-forgetting-diagnostic-repair-guide.md

Сегодня мы детально разбираем архитектуру памяти AI-агентов на примере моей системы Гермес, отходя от иллюзии, что нейросети просто «помнят» вчерашние диалоги. Главный посыл в том, что для корректной работы агенту нужна строгая иерархия контекста: от первоначального сбора метаданных сессии до использования аналитического поиска RLM и фундаментальных файлов-источников истины (Вики). Этот материал будет полезен разработчикам и энтузиастам, которые строят многосоставные агентские системы и сталкиваются с тем, что их боты теряют контекст, галлюцинируют или плохо выполняют инструкции.

Оглавление с таймкодами:

00:00–05:25 Введение в архитектуру памяти агентов — почему простая история диалогов не работает и из чего состоит память.

05:25–10:30 Формирование контекста сообщения — какие метаданные передаются в Telegram и из чего состоит профиль агента (файлы MD и роли).

10:30–17:06 Управление сессиями агента — как работает виртуальный «рабочий стол», создание новых и восстановление старых сессий.

17:06–22:45 Подключение SQLite — почему базовые MD-файлы не справляются с большими объемами и как работает поиск по базе диалогов.

22:45–34:55 Сжатие транскрипта и первый вызов модели — оценка доступного контекста, экономия токенов…