フェロックション了 10 倍，なぜエージェントは毎日《土拖鼠之日》を持っているのですか? – Swizard

この 2 年間で、基本モデルの能力はさらに高くなり、ロジックとコーディング能力は数倍に向上しました。

しかし、実際に運用環境でエージェントを実行すると、次のような非常に不合理なシナリオに遭遇することになります。

昨日、エージェントは 40 分を費やし、数十のツール呼び出しをデバッグし、データ転送スクリプトに苦労しました。

エージェントの設定ファイルは、心安らかに入手可能なローカル フラッシュの API トークン トークンを更新するために、昨日の坑里を更新します。

これは、映画《土拉鼠之日（グラウンドホッグデー）》の男性主人公のようなもので、毎日一日中です。

会話が終われば完全に放心状態の同僚は、本当の同僚ではなく、毎朝レベルの高いコンサルタントです。

業界の常識は徐々に変わりつつあります。モデルの機能の時点で、プロダクションクラスの制限エージェント进化最好瓶造はもはやモデル智力ではなく、上明最国(メモリアーキテクチャ)です。

01. 算一笔欧：失忆全在这里最最終話？

エージェントに「忘れない」ようにするための、業界の日常的な慣行は非常にシンプルです。报技大学校旅時間：十車の最高の設計、最高の電気効果、および電気効果がプロンプトに股脛を詰まらせます。

このアプローチは、次の 2 つの極めて致命的なコストをもたらしました。

1. トークン：プロダクションクラスのテストデータ表示、無小化時間のエージェントは複雑なタスクを処理するたびに平均して消費されます 26,000以上のトークン；しかし安全な外分山旅行機の後、一度必要な移動の旅行の外学は減少する可能性があります 1,800トークン——トークン消費量 90%、リクエスト遅延 91% 削減。

2. 長いタスク：SWEベンチなどの複雑なエンジニアリングベンチマークテストでは、現状の最新機種であっても20ステップを超えるロングリンクタスクでは完了率は60％程度にとどまります。文脈が希薄化またはカットされる——エージェントが第 15 ステップまで実行されると、早くも第 3 ステップの出力が変更されます。

この問題を解決する唯一の方法は、一連の認知科学を確立することです積層メモリ構造（COALA構造）。

02. エージェントの5層メモリ設計

人間にはすでにつかの間の瞬間があるのと同じように、経験や意識的な操作の筋肉の記憶と同じ、5層の記憶システムもあります。

                    ┌─────────────────────────┐
                    │    工作记忆 (桌子)       │
                    │   Context Window (即时)  │
                    └───────────┬─────────────┘
                                │ 发生溢出 (Overflow)
                                ▼
                    ┌─────────────────────────┐
                    │    情景记忆 (日记本)     │
                    │     What happened       │
                    └───────────┬─────────────┘
                                │ 模式沉淀 (Distill)
                                ▼
                    ┌─────────────────────────┐
                    │    语义记忆 (百科卡片)   │
                    │      What is true       │
                    └───────────┬─────────────┘
                                │ 技能提炼 (Encode)
                                ▼
                    ┌─────────────────────────┐
                    │    程序记忆 (通关秘籍)   │
                    │     How to do things    │
                    └───────────┬─────────────┘
                                ▲
                                │
    ┌───────────────────────────┴───────────────────────────┐
    │              第 5 层：遗忘引擎 (断舍离橡皮擦)           │
    │     主动剪枝过期数据 / 解决事实冲突 / 保证知识一致性     │
    └───────────────────────────────────────────────────────┘

第 1 層: 作業記憶

• 自然：LLM クリックするたびに表示されるコンテキスト ウィンドウ (システム プロンプト、現在のダイアログ、画面の表示)。

• 痛み：空間がすごく高くて、すぐにセリフがこぼれてしまいます。

• 工学の原則：水位ラインを設定（予算の85％に達した時点）、成断前に決定と事実を積極的に抽出し、失われる重要なコンテンツは次のレイヤーに保存されます。

レイヤー2：情景時間间（エピソード記憶）——「可以流水高日记」

• 自然： 記録”何の如く何時に了了老什么」。

• 残ってる: タスクのターゲット、たどったパス、使用したツール、到達したメッセージ、および最終的な解決策

• 使い方: ユーザーが新しいタスクをスローすると、エージェントはすぐには直接応答せず、代わりに先電影電影/图像電影情景库“: “上月月最合演员报报错時，电影是第47行有美写电视”、直接正確なジャンプジャンプジャンプ分の再検査。

レイヤー3：语义上来（意味記憶）—— 「客观世界安全库」

• 自然：沉洉”客观って本当？」は、通常、ナレッジ グラフ (Knowledge Graph) またはスキーマ構造化データベース (SQLite など) として表現されます。

• 残ってる：「ユーザー更好好 TypeScript 非 Python」、「电影电影上ダウンロード下ダウンロード AWS us-east-1 パーティション」。

• 娱乐国家：凇别把做语义上天成無序的歌詞电影桶！工业电影（如Snowflakeチームチーム研研究星研究．．エージェントの正解率は最大 20%。

第4層：电影最机（手続き記憶）—— 「最作通关秘簿（SOP）」

• 自然：沉洉”特定のタスクを実行する方法「メソッドの流れ」。

• スキル 晋升機構：偶然の成功は単なる「情景出来事」であり、直接スキルにアップグレードすることはできません。これは方法安全门门です(例: 同じクラスのタスクが高頻度で発生し、連続成功が 3 回以上、次以上、頻度が高く、連続成功、標準的な技術構成 (YAML/JSON で定義されたトリガー条件、実行ステップ、プリセット条件、リターン戦略など) に統合されます。

• バージョン管理: 導入プロセスが変更されたため、古いスキルをバージョンアップする必要があります。

レイヤー 5：遗忘れ電影（エンジンを忘れる）—— 最原前の午没人作成の「节皮撦」

多くのチームはメモリは「保存される」だけだと考えていますが、それを無視しています。上電子マシンの機能は、バグではなく、非常に重要な機能です。

03. 七个单作「安全反歌机」(踇坑自查朋友)

エージェントのメモリ システムをセットアップするときに、次のエラーによりシステム全体がクラッシュすることがよくあります。

04. 7 天过进式落地電影

既存のエージェント システムに階層化メモリを導入する場合は、最初から複雑な分散地図データベースを作成しようとしないでください。次のリズムに従ってください。

• 1-2日目：先做情景日期（エピソードショップ）

  コストが非常に安いため、地元で使用されています .jsonl 追加のエントリを追加できます。タスクの記録、実行の詳細、および結果。各タスクを開始する前に、最新の類似レコードを検索します。先握“绝不贸昨昨上明坑”话技术跑通。

• 3-4日目：抽象语义语与与最小オントロジー（セマンティックストア）

  シンプルな SQLite データベースの導入、ソリッド エンティティとリレーションシップ テーブルの設計 (例 entity、 relation、 value、 status).セッション後、ユーザーの設定、システムコア構成、および永続性を抽出します。

• 5-6日目：手机電視手机と去動遗忘れ戦略（スキルと忘却）

  上記の 3 倍以上の成功には、YAML 形式の標準手順が含まれています。同時に、毎日のスケジュールと毎日のスケジュールを追加します。

• 7 日目: パイプラインを完了してテストする

  形成：任务进入 ➔ 匹配技能 ➔ 检索历史 ➔ 注入事实 ➔ 执行 ➔ 沉淀日记 ➔ 提炼事实 ➔ 晋升技能 自動ライフサイクル。

最後に書きました

過去 2 年間、技術界の注目はほぼ完全に「モデル ベンチマーク テストのスコアとコンテキスト ウィンドウの数」に集中していました。

しかし、それはコンピュータを停止してより強力な CPU を接続するようなものですが、それでも本物のソリッド ステート ハードディスクをそれに与えるつもりはありません。

别再生乐的AI毎日目覚め来都信过《土拉鼠之日》了。 それには、一連の記録、事実、要約、さらには記憶システムを与えます。