Der schwierigste Teil beim Aufbau von KI-Agenten besteht nicht darin, ihnen das Erinnern beizubringen. Es besteht darin, ihnen das Vergessen beizubringen. Meine Kollegin und unglaublich talentierte Schriftstellerin @helloiamleonie hat gerade das veröffentlicht, was die umfassendste Analyse des Agentengedächtnisses sein könnte, die ich je gesehen habe - und vertrau mir, wir alle brauchten das. Hier ist die zentrale Herausforderung: 𝗟𝗟𝗠𝘀 𝗮𝗿𝗲 𝘀𝘁𝗮𝘁𝗲𝗹𝗲𝘀𝘀. Jedes Gespräch ist ein neuer Anfang. Sie erinnern sich nicht daran, was du vor fünf Minuten gesagt hast, geschweige denn, was du letzte Woche gesagt hast. Wie schaffen wir es also, Agenten zu entwickeln, die tatsächlich erinnern? 𝗧𝘄𝗼 𝗳𝘂𝗻𝗱𝗮𝗺𝗲𝗻𝘁𝗮𝗹 𝗺𝗲𝗺𝗼𝗿𝘆 𝘁𝘆𝗽𝗲𝘀: • 𝗦𝗵𝗼𝗿𝘁-𝘁𝗲𝗿𝗺 𝗺𝗲𝗺𝗼𝗿𝘆: Informationen im Kontextfenster des LLM (das aktuelle Gespräch) • 𝗟𝗼𝗻𝗴-𝘁𝗲𝗿𝗺 𝗺𝗲𝗺𝗼𝗿𝘆: Extern gespeicherte Informationen (frühere Gespräche, Benutzerpräferenzen, erlernte Fakten) Aber hier wird es interessant - und verwirrend. Verschiedene Frameworks kategorisieren das Gedächtnis unterschiedlich, zum Beispiel: 𝗖𝗼𝗔𝗟𝗔'𝘀 𝗮𝗽𝗽𝗿𝗼𝗮𝗰𝗵 (inspiriert von menschlicher Kognition): • Arbeitsgedächtnis (aktuelles Gespräch) • Semantisches Gedächtnis (Fakten über den Benutzer) • Episodisches Gedächtnis (frühere Erfahrungen und Handlungen) • Prozedurales Gedächtnis (Anweisungen und Verhaltensweisen) 𝗟𝗲𝘁𝘁𝗮'𝘀 𝗮𝗽𝗽𝗿𝗼𝗮𝗰𝗵 (architekturorientiert): • Nachrichtenpuffer (aktuelle Nachrichten) • Kernspeicher (aktiv verwaltete In-Context-Blöcke) • Rückrufgedächtnis (rohe Gesprächshistorie) • Archivgedächtnis (explizit gespeichertes Wissen) 𝗧𝗵𝗲 𝗵𝗮𝗿𝗱𝗲𝘀𝘁 𝗽𝗮𝗿𝘁? 𝗙𝗼𝗿𝗴𝗲𝘁𝘁𝗶𝗻𝗴. Die Verwaltung dessen, was ins Gedächtnis gelangt, ist super komplex. Die Verwaltung dessen, was 𝘥𝘦𝘭𝘦𝘵𝘦𝘥 wird, ist noch schwieriger. Wie automatisierst du die Entscheidung, was obsolet ist? Wann sind alte Informationen wirklich veraltet versus immer noch kontextuell relevant? Hier kämpfen die meisten Implementierungen. Leonie behandelt alles von den verschiedenen Gedächtnistypen (arbeits-, semantisch, episodisch, prozedural) bis hin zu praktischen Implementierungsstrategien und dem wachsenden Ökosystem von Gedächtnis-Frameworks wie mem0, Letta und zep. Das ist einer dieser Beiträge, den du dir als Lesezeichen setzen und zurückkehren möchtest, während du deine Agentensysteme aufbaust. Leonies Blogbeitrag:

Alle reden über agentische KI, aber reden wir alle über dasselbe? Ich habe bemerkt, dass Leute "agentische Architekturen" und "agentische Workflows" austauschbar verwenden. Aber das sind tatsächlich ganz unterschiedliche Konzepte, die zusammenarbeiten. Hier ist die Unterscheidung: 𝗔𝗴𝗲𝗻𝘁𝗶𝗰 𝘄𝗼𝗿𝗸𝗳𝗹𝗼𝘄𝘀 = Die Reihe von Schritten, die ein Agent unternimmt, um ein Ziel zu erreichen Denke daran als das "Was" - der tatsächliche Prozess Diese Schritte könnten Folgendes umfassen: • Verwendung von LLMs zur Erstellung eines Plans • Aufteilen von Aufgaben in Unteraufgaben • Verwendung von Werkzeugen wie Internetsuche • Reflexion über Ergebnisse und Anpassung des Plans 𝗔𝗴𝗲𝗻𝘁𝗶𝗰 𝗮𝗿𝗰𝗵𝗶𝘁𝗲𝗰𝘁𝘂𝗿𝗲𝘀 = Der technische Rahmen und das Systemdesign Denke daran als das "Wie" - die zugrunde liegende Struktur Diese enthalten immer: • Mindestens einen Agenten mit Entscheidungsfähigkeiten • Werkzeuge, die der Agent verwenden kann • Systeme für Kurz- und Langzeitgedächtnis Warum ist das wichtig? Weil derselbe Workflow mit unterschiedlichen Architekturen implementiert werden kann. Es ist wie mehrere Möglichkeiten, dasselbe Rezept zu erstellen - die Schritte bleiben ähnlich, aber die Kücheneinrichtung variiert. Zum Beispiel könnte ein agentischer RAG-Workflow (Aufteilen von Anfragen, Abrufen von Informationen, Bewerten der Relevanz) mit einer Einzel-Agenten-Router-Architektur oder einem Multi-Agenten-System aufgebaut werden. Gleicher Workflow, unterschiedliche Architektur. Das Verständnis dieser Unterscheidung hilft dir: • Flexiblere Systeme zu entwerfen • Die richtige Architektur für deinen spezifischen Workflow auszuwählen • Klarer zu kommunizieren, was du tatsächlich baust Über welche agentischen Workflows bist du am meisten begeistert, sie umzusetzen? Ressourcen: 📌 Agentic Architectures kostenloses Ebook: 📌 Agentic Workflows Blogbeitrag: