Архитектура памяти для LLM-агентов: от базового SQLite до Graph RAG

Каждый вызов базовой LLM начинается с полной амнезии. Для создания сложных систем моделям нужен внешний контекст. Бывший инженер Google выпустил краткий курс по архитектуре памяти для AI-агентов. Материал занимает 30 минут и разбирает механику хранения данных без лишней теории.

Автор разбирает три формата хранения: обычный текст, реляционные таблицы и графы. Для поиска информации рассматриваются разные подходы. Это базовый поиск по ключевым словам, стандартный RAG и более сложный Graph RAG. Отдельный блок посвящен жизненному циклу данных. Агент должен уметь добавлять факты, удалять устаревшие записи и проводить рефлексию над собранным контекстом.

На практике базовую систему памяти можно собрать без сложных инструментов. В курсе показана реализация на связке обычного текста и базы SQLite. Переход к векторным хранилищам оправдан только при заметном масштабировании. Такой подход сильно снижает порог входа при разработке собственных агентных систем.