Architektura agentów AI — ReAct, pamięć, planowanie i systemy wieloagentowe · Pamięć agenta — od kontekstu do vector store
Long-term memory — embeddingi, vector store i semantic retrieval
Pamięć agenta — od kontekstu do vector store
Wprowadzenie
Long-term memory agenta to biblioteka przypomnień do której context window sięga przez retrieval. Fundamentem jest embedding — gęsty wektor numeryczny reprezentujący semantykę tekstu. Vector store przechowuje miliony takich wektorów i umożliwia błyskawiczne wyszukiwanie najbardziej podobnych (ANN search). Lekcja rozbiera: jak działają embeddingi, dlaczego cosine similarity, jak buduje się indeks w vector store, jakie są kluczowe parametry retrieval i typowe pułapki.