Wann man dazu greift
- Der Agent aus vergangenen Fällen lernen muss.
- Wiederkehrende Aufgaben ähnlichen Lösungspfaden folgen.
- Kontext einschließlich Zeit, Ziel und Ergebnis relevant ist.
/pattern/episodic-memory/
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
Wann es nach hinten losgeht
Die Abwägung
Erfahrungsbasierte Anpassung wird auf Kosten hoher Kurations- und Datenschutzpflege gewonnen.
Vergangene Episoden werden gespeichert und nach Ähnlichkeit abgerufen.
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.
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.
Weitermachen
Patterns, Frameworks und Seiten durchsuchen.