AI-systems minne – bestående kunskap och agentminne

Varaktig kunskap utanför en enskild chatttråd.

Sidinnehåll

Denna sektion samlar guider om bestående kunskap och minne för AI-system — hur assistenter behåller fakta, preferenser och sammanfattad kontext över sessioner utan att stoppa in varje token i en enda prompt. Här innebär minne medveten bevarande (användarfakta, sammanfattningar, pluginbaserade lagringar), inte GPU-minne eller modellvikt.

Den kompletterar den bredare AI-system -klustret — OpenClaw, Hermes, orkestrering — och ligger bredvid RAG för hämtmekanik och LLM-värd för körning av modeller.

Minnet sitter inuti den bredare assistentstacken som beskrivs i AI-assistentarkitektur tillsammans med routing, verktyg och observabilitet.


Minnesdesign för assistenter

Guide över ramverk för korttids-, strukturerat och hämtminne — konsolideringspolicy, vektoravvägningar och mönster från OpenAI, LangGraph, Hermes och OpenClaw.


Leverantörer av agentminne

Infällningsbara bakomdelar som exponeras av ramverk som Hermes Agent och OpenClaw — Honcho, OpenViking, Mem0, Hindsight och andra — med olika avvägningar för LLM, inbäddningar och databaser.

För Hermes-ens begränsat kärnminne (MEMORY.md / USER.md), se Hermes Agent-minnessystem.


Kunskapsgrafer och Cognee

Institutionell och projektbaserad kunskap extraherad till grafer för hämtmedvetna assistenter.

Grafbyggare som Cognee tar vanligt in Markdown-valv, wikier eller exporter som människor redan har redigerat — betydelse, namngivning och “varför detta var viktigt” är till stor del klara innan chunkar träffar inbäddningar. En slarvig uppförs korpus tränar in tvetydighet i assistenten; disciplinerade arbetsflöden för fångst-och-uttryck begränsar denna skada. För den människocentrerade ramar — inklusive hur den skiljer sig från RAG med hämtning först — se Andra hjärnan förklarat för ingenjörer.


Stackkontext

Prenumerera

Få nya inlägg om system, infrastruktur och AI-ingenjörskonst.