/pattern/episodic-memory/

04 · ProductionMemory ArchitectureExperience MemoryTask Episode StoreInteraction Memory

Episodic Memory.
Vergangene Aufgaben, persistiert, damit der Agent sein eigenes Déjà-vu erkennen kann.

Abgeschlossene Interaktionen werden als diskrete, zeitgestempelte Episoden gespeichert — ein natürlichsprachlicher Memory-Stream — und später über einen kombinierten Score aus Aktualität, Wichtigkeit und Relevanz abgerufen, sodass der Agent wiederverwenden kann, was in einer ähnlichen vergangenen Situation funktioniert hat.

In der PraxisEin Software-Debugging-Agent speichert jeden gelösten Fehler als Episode und ruft bei einem neuen Fehler die drei ähnlichsten vergangenen Episoden per Embedding-Ähnlichkeit ab.

Wann man dazu greift

  • Der Agent aus vergangenen Fällen lernen muss.
  • Wiederkehrende Aufgaben ähnlichen Lösungspfaden folgen.
  • Kontext einschließlich Zeit, Ziel und Ergebnis relevant ist.

Wann es nach hinten losgeht

  • Vergangene Fälle schnell obsolet werden.
  • Die Speicherung personenbezogener Daten problematisch ist.
  • Eine statische semantische Wissensbasis genügt.

Die Abwägung

Erfahrungsbasierte Anpassung wird auf Kosten hoher Kurations- und Datenschutzpflege gewonnen.

Die Wirkung

Was es tatsächlich tut.

Vergangene Episoden werden gespeichert und nach Ähnlichkeit abgerufen.

log episodeepisodesrecall episode
Fallstricke

Zwei Wege, wie dieses Pattern Probleme verursachen kann.

Veraltete Episoden führen den Planer in die Irre

Episoden einer veralteten Tool-Schnittstelle bleiben auffindbar. Der Planer wählt eine alte Strategie und führt sie gegen eine API aus, die nicht mehr existiert.

Lösung · Episoden mit einer Versionsnummer der Tool-Schnittstelle versehen. Episoden filtern oder verfallen lassen, wenn sich die referenzierte Schnittstelle ändert.

Ähnlichkeit allein ruft die falsche Episode ab

Wird nur nach Embedding-Ähnlichkeit gerankt, überholt ein oberflächlich ähnlich formulierter Treffer den tatsächlich relevanten jüngeren Erfolg, und der Agent spielt eine Strategie ab, die hier nie zutraf.

Lösung · Den Abruf über Aktualität + Wichtigkeit + Relevanz kombiniert bewerten (gemäß Generative Agents), nicht über Ähnlichkeit allein, und erfolgreiche Ergebnisse höher gewichten als bloße Textübereinstimmung.

Framework-Unterstützung

Wo Episodic Memory nativ ist.

LangGraphStore + ÄhnlichkeitsabrufNativ
AutoGen / AG2Teachability / MemoryNativ
Microsoft Agent FrameworkEpisoden-StoreNativ
CrewAILangzeitgedächtnisNativ

Suche

Patterns, Frameworks und Seiten durchsuchen.