Agenten-Gedächtnis
Agenten-Gedächtnis ist die Fähigkeit eines KI-Agenten, Informationen aus vergangenen Interaktionen, Beobachtungen und Handlungen zu speichern, abzurufen und für zukünftiges Verhalten zu nutzen – und so einen beständigen Kontext über mehrere Sitzungen hinweg zu ermöglichen.
Verstehen Agenten-Gedächtnis
Ein zustandsloser Agent, der zwischen Gesprächen alles vergisst, ist stark eingeschränkt. Agenten-Gedächtnis verwandelt eine rein sitzungsgebundene KI in einen dauerhaften digitalen Kollegen, der Ihre Präferenzen kennt, sich an frühere Diskussionen erinnert und kontinuierlich ein immer umfassenderes Modell Ihrer Arbeit und Beziehungen erstellt. Das Agenten-Gedächtnis arbeitet über verschiedene Zeitspannen und Typen hinweg. Das Kurzzeitgedächtnis hält den aktuellen Gesprächskontext innerhalb der laufenden Sitzung. Das Langzeitgedächtnis bleibt über Sitzungen hinweg bestehen und speichert Fakten, Präferenzen und erlernte Muster. Das episodische Gedächtnis dokumentiert spezielle Ereignisse und Interaktionen aus der Vergangenheit. Das semantische Gedächtnis speichert allgemeines Wissen über Entitäten, Beziehungen und Konzepte. Das Arbeitsgedächtnis ist jener aktive Teil, der gerade im Denkprozess genutzt wird. Verschiedene Speichertypen erfüllen je nach Gedächtnisart unterschiedliche Aufgaben. Das Kontextfenster des LLM stellt das kurzfristige Arbeitsgedächtnis bereit. Vektor-Datenbanken wie ChromaDB ermöglichen semantisches Langzeitgedächtnis durch Einbettung und Abruf. Strukturierte Datenbanken wie PostgreSQL speichern episodische Einträge. Wissensgraphen erfassen Entitätsbeziehungen. Der Abruf ist ebenso wichtig wie die Speicherung. Ein Agent, der über eine Million Fakten gespeichert hat, ist nur dann hilfreich, wenn er die relevanten Informationen für jede Situation effizient auffinden kann. Semantische Suche, Graph-Traversierung und nach Aktualität gewichtete Abrufstrategien sind gängige Methoden, um passende Erinnerungen aus großen Speichern bereitzustellen.
Wie GAIA verwendet Agenten-Gedächtnis
GAIA verwaltet persistentes Gedächtnis über mehrere Speicherebenen hinweg. Der kurzfristige Kontext wird während jedes Workflows im Zustand von LangGraph verwaltet. Langzeitgedächtnis wird in ChromaDB für semantisches Abrufen, in PostgreSQL für strukturierte Datensätze und in MongoDB für flexible Dokumentenspeicherung gespeichert. GAIA merkt sich Ihre Kommunikationspräferenzen, frühere Projektkontexte, wichtige Beziehungen und Arbeitsmuster und baut so mit der Zeit ein umfassenderes Modell Ihrer Arbeit auf.
Verwandte Konzepte
Graphbasierter Speicher
Graphbasierter Speicher ist eine KI-Speicherarchitektur, die Informationen als miteinander verbundene Knoten und Beziehungen speichert. Dadurch wird ein reiches Kontextverständnis und dauerhaftes Wissen über verschiedene Interaktionen hinweg ermöglicht.
Vektor-Datenbank
Eine Vektor-Datenbank ist ein Datenbanksystem, das darauf ausgelegt ist, hochdimensionale Vektor-Embeddings in großem Maßstab zu speichern, zu indexieren und abzufragen. So ermöglicht sie eine schnelle Ähnlichkeitssuche in großen Sammlungen eingebetteter Daten.
Wissensgraph
Ein Wissensgraph ist eine strukturierte Darstellung von Informationen, bei der Daten als Entitäten, deren Attribute und die Beziehungen zwischen ihnen organisiert werden – damit Maschinen vernetzte Informationen verstehen und daraus Schlüsse ziehen können.
Kontextbewusstsein
Kontextbewusstsein bei KI bedeutet, die vollständige Situation rund um eine Aufgabe oder Interaktion zu erfassen, einschließlich der beteiligten Personen, vorausgegangener Ereignisse, zugehöriger Projekte, Fristen sowie der Vorlieben und Muster des Nutzers.
LangGraph
LangGraph ist ein Framework zum Aufbau zustandsbehafteter, mehragentiger KI-Anwendungen, die komplexe Workflows mit Wiederholungszyklen, Verzweigungen, bedingter Logik sowie dauerhafter Zustandsverwaltung unterstützen.
