Mémoire d'agent
La mémoire d'agent est la capacité d'un agent IA à stocker, retrouver et utiliser des informations issues d'interactions, d'observations et d'actions passées pour orienter son comportement futur, assurant ainsi un contexte persistant entre les sessions.
Comprendre Mémoire d'agent
Un agent sans mémoire, qui oublie tout entre les conversations, est très limité. La mémoire d'agent transforme une IA limitée à la session en un collègue numérique persistant, capable de connaître vos préférences, de se rappeler les discussions passées, et de construire un modèle de plus en plus riche de votre travail et de vos relations. La mémoire d'agent fonctionne à différents niveaux temporels et types. La mémoire à court terme conserve le contexte de la conversation en cours lors de la session active. La mémoire à long terme persiste au fil des sessions, stockant faits, préférences et schémas appris. La mémoire épisodique archive des événements ou interactions spécifiques. La mémoire sémantique contient les connaissances générales sur les entités, relations et concepts. La mémoire de travail correspond au sous-ensemble actuellement utilisé pendant une étape de raisonnement. Différents mécanismes de stockage servent chaque type de mémoire. La fenêtre de contexte du LLM fournit la mémoire de travail à court terme. Les bases de données vectorielles comme ChromaDB assurent une mémoire sémantique à long terme via l'indexation et la recherche par embeddings. Les bases de données structurées comme PostgreSQL stockent les souvenirs épisodiques. Les graphes de connaissances capturent les relations entre entités. La récupération des souvenirs est aussi essentielle que leur stockage. Un agent possédant un million de faits enregistrés n'est utile que s'il peut en extraire rapidement les plus pertinents selon la situation. Recherche sémantique, exploration de graphe et récupération pondérée par récence sont des stratégies courantes pour retrouver les souvenirs utiles dans de grandes quantités de données.
Comment GAIA utilise Mémoire d'agent
GAIA maintient une mémoire persistante sur plusieurs couches de stockage. Le contexte à court terme est géré au sein de l'état de LangGraph lors de chaque flux de travail. La mémoire à long terme est stockée dans ChromaDB pour la recherche sémantique, PostgreSQL pour les enregistrements structurés, et MongoDB pour le stockage flexible de documents. GAIA se souvient de vos préférences de communication, du contexte de vos projets passés, des relations clés et des schémas de travail, construisant ainsi au fil du temps un modèle plus riche de votre manière de travailler.
Concepts liés
Mémoire basée sur les graphes
La mémoire basée sur les graphes est une architecture de mémoire IA qui stocke les informations sous forme de nœuds interconnectés et de relations, permettant une compréhension contextuelle riche et une persistance des connaissances à travers les interactions.
Base de données vectorielle
Une base de données vectorielle est un système de base de données conçu pour stocker, indexer et interroger des embeddings vectoriels de haute dimension à grande échelle, permettant une recherche de similarité rapide sur de vastes ensembles de données embarquées.
Graphe de connaissances
Un graphe de connaissances est une représentation structurée de l'information qui organise les données sous forme d'entités, de leurs attributs et des relations entre elles, permettant aux machines de comprendre et de raisonner sur des informations connectées.
conscience du contexte
La conscience du contexte dans l’IA est la capacité de comprendre l’ensemble de la situation entourant une tâche ou une interaction, y compris les personnes impliquées, ce qui s’est passé auparavant, les projets connexes, les échéances, ainsi que les préférences et habitudes de l’utilisateur.
LangGraph
LangGraph est un framework permettant de créer des applications IA multi-agents avec état, prenant en charge des flux de travail complexes incluant des cycles, des embranchements, une logique conditionnelle et une gestion persistante des états.
