Memoria agenților
Un model de limbaj nu ține minte nimic de la o cerere la alta. Ponderile modelului nu se schimbă în timpul folosirii, iar tot ce „știe” modelul despre conversația curentă vine din textul primit în fereastra de context. Când un asistent pare să-și amintească numele nostru sau o decizie luată acum o oră, de fapt harnașamentul a pus din nou acea informație în prompt. Documentația Claude Code o spune direct: fiecare sesiune începe cu o fereastră de context goală.
Memoria unui agent (agent memory) este deci, înainte de toate, o problemă de inginerie a harnașamentului. Trebuie să decidem ce păstrăm, unde păstrăm, cum regăsim informația și când o aducem înapoi în context. Răspunsurile depind de cât timp trebuie să trăiască informația și de cât de exactă trebuie să rămână.
Tipuri de memorie
Secțiune intitulată „Tipuri de memorie”Lucrarea Cognitive Architectures for Language Agents (Sumers și colaboratorii, 2023) a preluat din științele cognitive o împărțire care a devenit uzuală și pentru agenți.
- Memoria de lucru (working memory): ce se află acum în fereastra de context.
- Memoria episodică (episodic memory): ce s-a întâmplat, adică sesiunile anterioare, pașii încercați și erorile întâlnite.
- Memoria semantică (semantic memory): fapte despre lume, despre utilizator sau despre proiect, de exemplu „proiectul folosește PostgreSQL 16”.
- Memoria procedurală (procedural memory): cum se face un lucru. Aici intră instrucțiunile din promptul de sistem, codul harnașamentului și, la nivelul cel mai de jos, ponderile modelului.
Împărțirea spune ce fel de informație păstrăm. Tehnic, aceeași informație poate sta în locuri foarte diferite.
| Mecanism | Unde stă | Cât trăiește | Cum este regăsită |
|---|---|---|---|
| Memoria din context | Fereastra de context | O sesiune | Modelul o vede direct, la fiecare pas |
| Fișiere text | Pe disc, de obicei lângă cod | Oricât | Încărcate la începutul sesiunii sau citite cu un instrument |
| Depozit cheie-valoare | O bază de date obișnuită | Oricât | După cheia exactă |
| Bază de date vectorială | Un index de vectori | Oricât | După asemănarea de sens |
| Memoria arhitecturală | Ponderile sau stările interne ale modelului | De la o cerere până la toată viața modelului | Implicit, la calculul fiecărui token |
Memoria din context (in-context memory)
Secțiune intitulată „Memoria din context (in-context memory)”Cea mai simplă memorie este chiar fereastra de context. Modelul vede tot ce se află acolo, cu toate detaliile, la fiecare pas. Limitele sunt cunoscute. Fereastra are un număr maxim de tokenuri, fiecare token se plătește la fiecare apel, iar modelele folosesc mai slab informația îngropată la mijlocul unui context lung decât pe cea de la început sau de la sfârșit, efect descris de Liu și colaboratorii în lucrarea Lost in the Middle (2023).
Nici ferestrele de context foarte mari nu fac memoria inutilă. Chroma a testat 18 modele în iulie 2025 și a constatat că performanța scade constant pe măsură ce intrarea se lungește, iar textul care distrage atenția agravează scăderea. Pe setul LongMemEval, prompturile scurte, de aproximativ 300 de tokenuri, cu doar informația relevantă, au dat rezultate mai bune decât prompturile complete, de aproximativ 113.000 de tokenuri. Fenomenul a primit numele de context rot, degradarea contextului.
O bună parte din gestionarea memoriei înseamnă, așadar, să alegem ce intră în context și în ce formă.
Ingineria contextului (context engineering)
Secțiune intitulată „Ingineria contextului (context engineering)”În iunie 2025, termenul ingineria contextului (context engineering) a început să înlocuiască ingineria prompturilor în discuțiile despre agenți. Tobi Lütke, directorul Shopify, a descris-o ca arta de a oferi tot contextul de care modelul are nevoie ca sarcina să poată fi rezolvată, iar Andrej Karpathy ca „arta și știința delicată” de a umple fereastra de context cu exact informațiile potrivite pentru pasul următor. Simon Willison a strâns ambele formulări.
Anthropic (septembrie 2025) tratează contextul ca pe o resursă finită, cu randament descrescător: fiecare token în plus consumă din „bugetul de atenție” al modelului. Tehnicile recomandate sunt cele de pe această pagină: compactarea, notițele structurate păstrate în afara contextului, subagenții care întorc rezumate de 1.000–2.000 de tokenuri și aducerea informației exact când este nevoie, prin căi de fișiere sau legături. LangChain grupează aceleași tehnici în patru verbe: a scrie în afara contextului, a selecta, a comprima și a izola.
Echipa Manus (Yichao Ji, iulie 2025) adaugă câteva lecții practice. Rata de reutilizare a memoriei cache pentru chei și valori este, în experiența echipei, cea mai importantă metrică a unui agent în producție. Sistemul de fișiere este „contextul suprem”. Iar agentul își rescrie obiectivele într-un fișier todo.md, ca să le aibă mereu la sfârșitul contextului.
Promptul ca memorie
Secțiune intitulată „Promptul ca memorie”Privită așa, ingineria prompturilor (prompt engineering) este o formă de memorie scrisă de mână. Promptul de sistem reține identitatea agentului, regulile pe care trebuie să le respecte și convențiile proiectului. Multe harnașamente încarcă automat, la începutul fiecărei sesiuni, un fișier de instrucțiuni din directorul proiectului, de exemplu AGENTS.md sau CLAUDE.md (vezi Fișierele de instrucțiuni). Agentul „își amintește” ce scrie acolo în fiecare sesiune, fără niciun mecanism de regăsire.
Locul din prompt contează și din alt motiv. Furnizorii de modele păstrează în cache începutul promptului care se repetă de la un apel la altul (prompt caching). Un prompt de sistem stabil, pus la început, costă mai puțin la apelurile următoare, așa că informațiile care se schimbă des sunt puse mai spre final.
Rezumarea (summarization)
Secțiune intitulată „Rezumarea (summarization)”Când conversația se lungește, mesajele vechi pot fi înlocuite de un rezumat. Varianta clasică este rezumatul cumulativ (rolling summary): la câteva schimburi de mesaje, un apel separat către model actualizează rezumatul cu ce s-a întâmplat între timp, iar mesajele rezumate ies din context. Ultimele mesaje rămân întregi, pentru că sunt de obicei cele de care depinde pasul următor.
Compactarea (context compaction)
Secțiune intitulată „Compactarea (context compaction)”Compactarea este rezumarea aplicată întregii sesiuni de lucru, atunci când contextul se apropie de limită. Harnașamentul îi cere modelului un rezumat structurat: obiectivul, deciziile luate, fișierele modificate, ce a eșuat și ce a rămas de făcut. Apoi pornește un context nou, care conține promptul de sistem, rezumatul și ultimele mesaje.
Harnașamentele de azi fac compactarea în moduri ușor diferite.
- Claude Code compactează automat când contextul se apropie de limită și permite compactarea la cerere, cu indicații despre ce să păstreze. După compactare,
CLAUDE.mddin rădăcina proiectului și memoria automată sunt citite din nou de pe disc, dar instrucțiunile date doar în conversație se pot pierde (documentația). - OpenClaw, înainte de compactare, face un pas pe care utilizatorul nu îl vede, în care îi cere agentului să noteze în jurnalul zilei ce este important (documentația).
- API-ul OpenAI oferă compactare pe server, dar elementul compactat este criptat și, potrivit documentației, opac și negândit pentru a fi citit de oameni. Rezumatele din Claude Code și OpenClaw sunt, în schimb, text pe care îl putem citi.
O variantă mai ieftină este curățarea rezultatelor de instrumente (tool result clearing). Ieșirile lungi ale comenzilor deja procesate, cum ar fi jurnalele de compilare sau conținutul fișierelor citite, sunt înlocuite cu o mențiune scurtă, de exemplu „[rezultat eliminat, 4.200 de linii]”. Dacă agentul are din nou nevoie de acele ieșiri, rulează comanda încă o dată. Anthropic a raportat în septembrie 2025, pe o evaluare internă de căutare făcută de agenți, o îmbunătățire de 29% numai din curățarea contextului și de 39% când curățarea a fost combinată cu un instrument de memorie bazat pe fișiere.
Subagenții, ca izolare a contextului
Secțiune intitulată „Subagenții, ca izolare a contextului”O altă cale de a păstra contextul curat este să nu lăsăm munca de detaliu să intre deloc în contextul principal. Un subagent primește propria fereastră de context, cu prompt de sistem, instrumente și permisiuni proprii, și îi întoarce agentului principal doar un rezumat (documentația Claude Code). Fișierele citite, căutările eșuate și jurnalele lungi rămân în contextul subagentului.
Anthropic a descris în iunie 2025 un sistem de cercetare în care un agent principal (Claude Opus 4) coordona subagenți (Claude Sonnet 4) care lucrau în paralel, fiecare în propriul context. Pe o evaluare internă, sistemul a fost cu 90,2% mai bun decât un singur agent Opus 4. Prețul se plătește în tokenuri: potrivit aceleiași analize, un agent folosește de aproximativ 4 ori mai multe tokenuri decât o conversație obișnuită, iar un sistem cu mai mulți agenți de aproximativ 15 ori mai multe. Pagina Orchestrare și sisteme multi-agent descrie împărțirea sarcinilor între agenți.
Depozitul cheie-valoare (key-value store)
Secțiune intitulată „Depozitul cheie-valoare (key-value store)”Când informația trebuie să supraviețuiască sesiunii, o scriem în afara contextului. Cea mai directă soluție este un depozit cheie-valoare (key-value store): o bază de date obișnuită (SQLite, PostgreSQL, Redis), în care fiecare informație are o cheie unică.
Harnașamentul îi dă modelului câteva instrumente simple, de exemplu save_memory(key, value), read_memory(key) și delete_memory(key). Dacă utilizatorul cere ca de acum înainte răspunsurile să fie în română, modelul poate face un apel de felul acesta.
{ "name": "save_memory", "arguments": { "key": "user/preferred_language", "value": "română" }}Cheile sunt organizate de obicei pe spații de nume (namespaces): pe utilizator, pe proiect sau pe sarcină. Așa, preferințele unui utilizator nu ajung în conversațiile altuia, iar harnașamentul poate încărca la începutul sesiunii toate cheile dintr-un anumit spațiu.
Avantajele vin tocmai din faptul că este o bază de date obișnuită.
- Exactitate: valoarea citită este exact cea scrisă, fără aproximări.
- Control: o informație greșită sau învechită se modifică ori se șterge printr-o singură operație. Contează și pentru confidențialitate, de exemplu când un utilizator cere ștergerea datelor sale.
- Stare structurată: se potrivește pentru starea unei sarcini lungi, cu pașii terminați, identificatorii resurselor create și contoare.
Limita este că agentul trebuie să știe ce cheie caută. Întrebarea „ce a spus utilizatorul luna trecută despre buget?” nu are o cheie evidentă. Pentru astfel de întrebări este nevoie de căutare după sens.
Lucrarea MemGPT (Packer și colaboratorii, 2023) a dus ideea mai departe, cu o analogie din sistemele de operare. Fereastra de context joacă rolul memoriei RAM, iar depozitele externe pe cel al discului. Modelul își gestionează singur memoria, prin instrumente care mută informații între cele două niveluri, la fel cum un sistem de operare mută pagini între RAM și disc.
Memoria în baze de date vectoriale
Secțiune intitulată „Memoria în baze de date vectoriale”Mecanismul este cel de la generarea augmentată prin regăsire (RAG): textul este transformat în reprezentări vectoriale (embeddings), salvate într-o bază de date vectorială, iar la nevoie căutăm fragmentele cele mai apropiate ca sens de situația curentă. Diferența ține de sursa datelor. RAG caută de obicei într-o colecție de documente scrise de oameni, care se schimbă rar. Memoria vectorială a unui agent este scrisă chiar de agent, tot timpul: rezumate de sesiuni, fapte despre utilizator, încercări reușite sau eșuate.
De aici apar câteva probleme pe care RAG-ul clasic le are mai rar.
-
Relevanța nu ține doar de sens. Lucrarea Generative Agents (Park și colaboratorii, 2023) ordonează amintirile după un scor care adună trei criterii: recența, importanța și relevanța. Recența scade exponențial cu timpul trecut, importanța este o notă de la 1 la 10 dată chiar de model când salvează amintirea, iar relevanța este asemănarea cosinus cu situația curentă.
Pentru curioșiScorul unei amintiri
În lucrare, toți coeficienții , și sunt egali cu 1.
-
Contradicțiile. Dacă utilizatorul s-a mutat din Cluj în București, ambele fapte pot ajunge în baza de date, iar căutarea după asemănare le găsește pe amândouă. Sistemul trebuie să știe care este valabil acum.
-
Duplicatele. Același fapt, salvat de zece ori în formulări puțin diferite, ocupă primele locuri din rezultate și împinge afară informațiile utile.
În practică, căutarea după sens se combină des cu căutarea după cuvinte. OpenClaw, de exemplu, folosește în sistemul de memorie implicit o bază SQLite cu căutare text BM25 și cu vectori, iar rezultatele celor două căutări sunt îmbinate, cu o penalizare pentru amintirile vechi (documentația).
Sisteme de memorie din cercetare
Secțiune intitulată „Sisteme de memorie din cercetare”Mai multe sisteme de cercetare și produse open-source au propus feluri diferite de a organiza memoria externă.
- Generative Agents (Park și colaboratorii, 2023): 25 de agenți într-un oraș simulat, fiecare cu un flux de amintiri în limbaj natural, regăsite după scorul de mai sus. Periodic, agenții scriu reflecții care rezumă amintirile recente în concluzii mai generale.
- MemGPT (Packer și colaboratorii, 2023), continuat de platforma Letta: memoria gestionată ca de un sistem de operare. Letta păstrează în context blocuri de memorie editabile, de exemplu despre utilizator și despre persona agentului, care pot fi împărțite între agenți. Varianta mai nouă, Letta Code, ține memoria ca fișiere Markdown într-un repozitoriu git.
- A-MEM (Xu și colaboratorii, 2025): notițe în stilul Zettelkasten, cu cuvinte-cheie, etichete și context, legate automat de notițele înrudite. O amintire nouă poate actualiza amintirile vechi, proces numit de autori „evoluția memoriei”.
- Zep și Graphiti (Rasmussen și colaboratorii, 2025): un graf de cunoștințe temporal (temporal knowledge graph), în care fiecare fapt are o perioadă de valabilitate. Un fapt învechit, cum ar fi orașul din exemplul de mai sus, poate fi marcat ca nevalabil de la o anumită dată, fără să dispară din istoric. Pe LongMemEval, autorii raportează o acuratețe cu până la 18,5% mai mare și o latență cu până la 90% mai mică decât variantele de referință.
- Mem0 (Chhikara și colaboratorii, 2025): extragerea faptelor-cheie, descrisă mai jos, cu o variantă opțională care păstrează și un graf. Autorii raportau, pe LoCoMo, un scor cu 26% mai mare decât memoria OpenAI, după evaluarea unui model folosit ca arbitru.
Memoria arhitecturală
Secțiune intitulată „Memoria arhitecturală”Până aici, memoria a stat în afara modelului, iar harnașamentul a adus-o în context sub formă de text. O altă familie de abordări pune memoria chiar în arhitectura rețelei.
- Ponderile sunt cea mai veche formă, adică memoria parametrică. Ce a învățat modelul la preantrenare stă comprimat acolo. Putem adăuga cunoștințe prin ajustare fină, dar procesul este scump, nu se face separat pentru fiecare utilizator, iar modelul riscă să uite ce știa înainte (uitare catastrofală, catastrophic forgetting).
- Memoria cache pentru chei și valori (KV cache) este memoria pe termen scurt a arhitecturii Transformer: cheile și valorile tokenurilor deja procesate, păstrate cât durează o cerere.
- Memorie externă citită prin atenție. Memorizing Transformers (Wu și colaboratorii, 2022) păstrează cheile și valorile din textul deja citit într-o memorie mare, în care un strat de atenție caută cei mai apropiați vecini. Seamănă cu un RAG făcut în interiorul modelului, pe vectori, nu pe text.
- Stare recurentă. Recurrent Memory Transformer (Bulatov și colaboratorii, 2022) adaugă tokenuri speciale de memorie, care trec de la un segment de text la următorul și duc mai departe un rezumat învățat. Modelele cu spațiul stărilor (state space models), precum Mamba, comprimă tot istoricul într-o stare de dimensiune fixă.
- Straturi de memorie. Memory Layers at Scale (Berges și colaboratorii, Meta, 2024) înlocuiește unele rețele feed-forward cu tabele mari de chei și valori antrenabile, din care fiecare token citește doar câteva intrări. Modelul poate stoca mai multe fapte fără ca, la fiecare token, costul computațional să crească în aceeași măsură.
- Memorie care învață la inferență. Titans (Behrouz și colaboratorii, Google, 2024) adaugă un modul neuronal de memorie pe termen lung, ale cărui ponderi se actualizează chiar în timpul inferenței, cu atât mai mult cu cât informația nouă îl „surprinde” mai tare.
Aceste abordări sunt promițătoare, dar, în afară de ponderi și de KV cache, rămân în mare parte în zona de cercetare. Memoria arhitecturală nu poate fi citită sau corectată de un om, nu poate fi ștearsă selectiv pentru un singur utilizator și cere de obicei un model antrenat special pentru acest tip de memorie. Din aceste motive, în produsele de azi memoria pe termen lung stă aproape întotdeauna în afara modelului.
Memoria ca text în harnașamentele de azi
Secțiune intitulată „Memoria ca text în harnașamentele de azi”Dacă ne uităm la asistenții conversaționali și la agenții de programare folosiți azi, observăm că cele mai multe harnașamente aleg varianta cea mai simplă: memoria este text, pus în context. Bazele de date vectoriale apar mai rar decât ne-am aștepta, iar memoria arhitecturală aproape deloc. Formele obișnuite sunt următoarele.
- Fișiere de instrucțiuni ale proiectului:
AGENTS.md,CLAUDE.mdsau alte fișiere de reguli, scrise de oameni și încărcate automat la începutul sesiunii. - Notițe scrise de agent: un director cu fișiere Markdown în care agentul notează ce a aflat (comenzile de build, capcanele proiectului, preferințele utilizatorului) și pe care le citește în sesiunile următoare.
- Fapte-cheie despre utilizator: asistenții conversaționali de tipul ChatGPT, Gemini sau Claude au funcții de memorie care păstrează informații între conversații, de exemplu „lucrează ca inginer de date” sau „preferă exemple în Python”. Implementarea exactă a acestor funcții nu este publică, dar principiul general este cel descris mai jos.
- Planuri și jurnale de progres: pentru sarcinile lungi, agentul ține un fișier cu planul și cu pașii terminați, ca să poată relua lucrul după o compactare sau într-o sesiune nouă.
Fișierele de instrucțiuni
Secțiune intitulată „Fișierele de instrucțiuni”Aproape fiecare harnașament de programare are un fișier de instrucțiuni, iar diferențele țin mai ales de cum sunt găsite și combinate fișierele. Tabelul descrie situația din noiembrie 2026.
| Harnașament | Fișiere | Cum se încarcă |
|---|---|---|
| Claude Code | CLAUDE.md la nivel de organizație, de utilizator (~/.claude/CLAUDE.md) și de proiect, CLAUDE.local.md (personal, nepus în git), reguli în .claude/rules/ | Toate nivelurile se adaugă unele după altele, nu se înlocuiesc. Fișierele din directorul curent și din directoarele părinte se încarcă la pornire, cele din subdirectoare când agentul lucrează acolo. Importurile cu @cale merg cel mult patru niveluri. |
| Codex | AGENTS.md global (în ~/.codex/) și AGENTS.md de la rădăcina repozitoriului până la directorul curent | Cel mult un fișier pe director. Fișierele mai apropiate de directorul curent au prioritate, iar totalul este limitat implicit la 32 KiB. |
| Gemini CLI | GEMINI.md global, din spațiul de lucru și din directoarele părinte, plus fișierele găsite când un instrument ajunge într-un director nou | Toate se adaugă unele după altele și se trimit cu fiecare prompt. Numele fișierului se poate schimba, de exemplu în AGENTS.md. |
| Cursor | Reguli în .cursor/rules/ (fișiere .mdc), reguli ale utilizatorului și ale echipei, AGENTS.md | Fiecare regulă se aplică mereu, când agentul decide după descrierea regulii, doar pentru anumite fișiere sau doar la cerere. |
| GitHub Copilot | .github/copilot-instructions.md, .github/instructions/*.instructions.md, AGENTS.md | Fișierele din instructions/ se aplică doar căilor date în câmpul applyTo. Dintre fișierele AGENTS.md, contează cel mai apropiat. |
AGENTS.md a apărut în august 2025, dintr-o colaborare între OpenAI Codex, Amp, Google Jules, Cursor și Factory. Este un fișier Markdown obișnuit, fără câmpuri obligatorii, descris ca un „README pentru agenți”. Din 9 decembrie 2025, formatul este administrat de Agentic AI Foundation, parte a Linux Foundation, alături de MCP. Site-ul formatului afirmă că peste 60.000 de proiecte open-source îl folosesc, o cifră declarată de proiect. Claude Code citește direct AGENTS.md din versiunea 2.1.277 (septembrie 2026), dar implicit doar dacă nu există un CLAUDE.md în directorul curent sau mai sus.
Documentația Claude Code recomandă sub 200 de rânduri pentru fiecare CLAUDE.md și avertizează că, la instrucțiuni contradictorii, modelul poate alege la întâmplare una dintre instrucțiuni. Tot acolo scrie că aceste fișiere sunt tratate drept context, nu drept configurație impusă. O acțiune care trebuie blocată sigur se blochează din harnașament, nu din CLAUDE.md.
Memoria scrisă de agent
Secțiune intitulată „Memoria scrisă de agent”Din 2025, tot mai multe harnașamente îl lasă pe agent să-și scrie singur notițele, tot ca fișiere Markdown.
- Claude Code are din versiunea 2.1.59 (februarie 2026) o memorie automată: un director separat pentru fiecare repozitoriu, cu un fișier index
MEMORY.md(câte un rând pentru fiecare amintire) și fișiere pe teme. La fiecare sesiune se încarcă primele 200 de rânduri sau 25 KB dinMEMORY.md, iar fișierele pe teme sunt citite doar la nevoie. Memoria stă pe calculatorul utilizatorului și poate fi oprită. Subagenții nu primesc memoria automată a agentului principal, dar pot avea una proprie. - Codex are o funcție de memorie oprită implicit. Când este pornită, un proces în fundal transformă sesiunile mai vechi în fișiere Markdown de memorie și elimină secretele din câmpurile generate.
- Gemini CLI, potrivit documentației din mai 2026, păstrează faptele durabile editând direct fișiere Markdown de memorie:
GEMINI.mdal proiectului, un director privat pentru proiect sau fișierul global. - OpenClaw, un asistent personal open-source (vezi Asistenți personali), formulează principiul cel mai clar: modelul își amintește doar ce este salvat pe disc, iar starea ascunsă nu există.
MEMORY.mdpăstrează fapte și decizii durabile („nu o transcriere”),memory/AAAA-LL-ZZ.mdeste jurnalul fiecărei zile, iarUSER.mddescrie utilizatorul. Instrumentelememory_searchșimemory_getcaută și citesc în aceste fișiere. Un proces de consolidare în fundal mută înMEMORY.mdnotițele scurte folosite des. - GitHub Copilot Memory păstrează fapte despre repozitoriu, cu trimiteri la cod verificate față de ramura curentă, plus preferințele utilizatorului. Potrivit documentației actuale, faptele expiră implicit după 90 de zile.
- API-ul Claude oferă din septembrie 2025 un instrument de memorie care lucrează tot cu fișiere: modelul cere operații precum citirea, crearea, înlocuirea de text sau ștergerea într-un director
/memories, iar codul dezvoltatorului le execută pe stocarea proprie.
Asistenții conversaționali au adăugat memoria pe aceeași perioadă. Claude are memorie între conversații din septembrie 2025 pentru planurile Team și Enterprise și din octombrie 2025 pentru Pro și Max, cu o memorie separată pentru fiecare proiect și un mod incognito care nu salvează nimic. ChatGPT folosește, pe lângă memoriile salvate explicit, informații deduse din conversațiile anterioare. Simon Willison a criticat această memorie implicită în mai 2025, după ce un detaliu personal fără legătură cu cererea a apărut într-o imagine generată: utilizatorul nu mai controlează exact ce context primește modelul.
Un fișier de memorie al unui agent de programare poate arăta, de exemplu, așa.
# Memorie: proiectul facturare-api
## Comenzi- Testele rulează cu `make test`, nu cu `pytest` direct (au nevoie de variabilele din `.env.test`).
## Decizii- 2026-10-12: rapoartele folosesc interogări SQL scrise de mână, nu ORM-ul (de 5 ori mai rapide).
## Preferințele utilizatorului- Mesajele de commit se scriu în engleză.- Fișierele din `migrations/` nu se modifică fără confirmare.Extragerea faptelor-cheie
Secțiune intitulată „Extragerea faptelor-cheie”Când nu este scrisă de mână, memoria se construiește prin extragerea faptelor-cheie (key fact extraction). Ciclul are de obicei patru pași.
- Extragerea: după o conversație, sau periodic, în fundal, un apel separat către model citește mesajele și scoate o listă de fapte scurte, care se înțeleg și singure, de exemplu „Utilizatorul lucrează pe macOS.”, „Proiectul Atlas are termen pe 1 decembrie.”
- Compararea: fiecare fapt nou este comparat cu faptele deja salvate, de obicei după asemănarea de sens, ca să găsim faptele înrudite.
- Decizia: pentru fiecare fapt, modelul alege o operație. Îl adaugă, actualizează un fapt vechi, șterge un fapt contrazis sau nu face nimic. Sistemul Mem0 (Chhikara și colaboratorii, 2025) descrie exact acest ciclu, cu operațiile ADD, UPDATE, DELETE și NOOP.
- Folosirea: în conversațiile următoare, faptele relevante (sau toate, dacă sunt puține) sunt puse în promptul de sistem.
Observăm că, și atunci când la pasul 2 se folosesc vectori, rezultatul final rămâne tot o listă de propoziții, pe care modelul o citește ca pe orice alt text din prompt.
De ce text
Secțiune intitulată „De ce text”- Modelul citește deja foarte bine text. Nu este nevoie de antrenare specială sau de altă arhitectură, iar aceeași memorie funcționează cu orice model, de la orice furnizor.
- Oamenii o pot citi și corecta. Un fișier Markdown poate fi deschis, editat, șters sau pus în git, alături de cod. O greșeală din memorie se repară în câteva secunde.
- Comportamentul este previzibil. Ce este scris în fișier ajunge în context de fiecare dată. La căutarea vectorială, o amintire importantă poate rata primele rezultate.
- De obicei, este suficient. Pentru un proiect sau un utilizator, faptele cu adevărat utile încap adesea în câteva sute sau câteva mii de tokenuri, care intră ușor într-o fereastră de context modernă.
- Rezultatele nu sunt mai slabe. Pe LoCoMo, un agent care folosea doar fișiere și căutare text a obținut un scor mai mare decât cel raportat de un sistem specializat (vezi Cum se măsoară memoria).
Cum se măsoară memoria
Secțiune intitulată „Cum se măsoară memoria”Câteva seturi de evaluare (benchmarks) au devenit referințe pentru memoria agenților.
- LoCoMo (Maharana și colaboratorii, 2024): conversații foarte lungi, purtate în mai multe sesiuni, cu întrebări care cer un singur fapt, mai multe fapte legate, raționament în timp, bun-simț sau refuzul unei întrebări înșelătoare. Dimensiunea diferă între versiuni. Rezumatul de pe arXiv vorbește de 300 de replici și 9.000 de tokenuri în medie, pe până la 35 de sesiuni, iar versiunea publicată la ACL de 600 de replici și 16.000 de tokenuri, pe până la 32 de sesiuni.
- LongMemEval (Wu și colaboratorii, 2025): 500 de întrebări despre cinci capacități: extragerea informației, raționamentul pe mai multe sesiuni, raționamentul temporal, actualizarea cunoștințelor și abținerea atunci când răspunsul nu există. Asistenții comerciali și modelele cu context lung testate de autori au avut o scădere de 30% a acurateței.
- MemoryAgentBench (Hu, Wang și McAuley, 2025) adaugă învățarea în timpul testului și uitarea selectivă. Concluzia autorilor: metodele actuale nu stăpânesc toate cele patru capacități testate, iar uitarea și rezolvarea conflictelor sunt cele mai slabe.
- BEAM (Tavakoli și colaboratorii, 2025): 100 de conversații și 2.000 de întrebări, cu conversații de la 100.000 la 10 milioane de tokenuri. Chiar și modelele cu context de un milion de tokenuri au dificultăți.
Cifrele sunt contestate
Secțiune intitulată „Cifrele sunt contestate”Rezultatele pentru sistemele de memorie vin adesea chiar de la firmele care le vând, iar scorurile depind mult de configurare.
- Lucrarea Mem0 (aprilie 2025) îi dădea lui Zep 65,99% pe LoCoMo. Zep a răspuns în mai 2025 că Mem0 configurase greșit sistemul Zep și a raportat, după corectare, 75,14%. Zep a mai argumentat că LoCoMo este prea scurt: conversațiile de 16.000–26.000 de tokenuri încap întregi în context, iar varianta care pune toată conversația în context a obținut aproximativ 73%, peste rezultatul de aproximativ 68% al Mem0.
- Letta (august 2025) a rulat pe LoCoMo un agent cu gpt-4o-mini care avea doar instrumente pentru fișiere: căutare cu
grep, căutare în fișiere, deschiderea și închiderea unui fișier. Agentul a obținut 74,0%, față de 68,5% raportat de Mem0 pentru cea mai bună variantă a sa, cea cu graf. Concluzia Letta: seturile de evaluare actuale pentru memorie s-ar putea să nu fie foarte relevante, iar felul în care agentul folosește instrumentele contează mai mult decât mecanismul de regăsire. - Mem0 a publicat în 2026 un algoritm rescris, cu rezultate declarate de 92,5 pe LoCoMo și 94,4 pe LongMemEval. Cifrele sunt ale firmei și nu au fost verificate independent.
Pe seturile de evaluare de azi, un sistem simplu, cu fișiere și căutare text, plus un model capabil, este deci competitiv cu depozitele de memorie specializate. Rezultatul se potrivește cu drumul ales de harnașamentele de programare, care au ajuns la fișiere Markdown.
Memoria ca suprafață de atac
Secțiune intitulată „Memoria ca suprafață de atac”Tot ce face memoria utilă o face și periculoasă: un text salvat azi ajunge în context în fiecare sesiune de mâine. Lista OWASP din 2026 spune că o injecție de prompt ajunsă în memoria persistentă afectează fiecare sesiune care citește ulterior din acea memorie. Pagina Securitatea agenților: atacuri descrie incidentele în detaliu. Căile documentate sunt trei.
- Fișierele de instrucțiuni vin odată cu repozitoriul. Un
CLAUDE.md, unAGENTS.mdsau un fișier de reguli dintr-un repozitoriu străin este text scris de altcineva, încărcat automat în prompt. Rules File Backdoor (Pillar Security, martie 2025) a ascuns instrucțiuni în astfel de fișiere, cu caractere Unicode invizibile. Claude Code cere o aprobare separată pentru importurile din afara directorului de lucru, tocmai ca protecție față de fișierele pe care le comit alții. - Memoria scrisă de agent poate fi scrisă de un atacator, prin agent. SpAIware (Johann Rehberger, 2024) a salvat în memoria ChatGPT o instrucțiune care trimitea fiecare conversație viitoare spre atacator. În Windsurf (2025), instrumentul de memorie rula fără aprobare, deci un comentariu din cod putea planta instrucțiuni permanente. Microsoft a găsit în februarie 2026 legături „Rezumă cu AI” de la 31 de companii, care cereau asistentului să țină minte o firmă ca sursă de încredere. În cercetare, MINJA (Dong și colaboratorii, 2025) a plantat înregistrări malițioase într-o memorie comună doar prin întrebări obișnuite, cu 98,2% succes la injectare, iar AgentPoison (Chen și colaboratorii, 2024) a obținut peste 80% succes cu mai puțin de 0,1% intrări otrăvite.
- Memoria poate fi și furată. În iulie 2026, Ayush Paul a arătat cum o pagină web pregătită l-a făcut pe Claude să dezvăluie, legătură cu legătură, informații din memorie. Anthropic a eliminat urmărirea legăturilor din paginile descărcate.
Harnașamentele au început să adauge apărări specifice memoriei.
- Codex poate lăsa pe dinafară, prin opțiunea
memories.disable_on_external_context, conversațiile care au folosit MCP, căutare pe web sau căutare de instrumente, adică exact cele în care agentul a citit text nesigur. - Claude Code, din versiunea 2.1.284 (septembrie 2026), neutralizează în
MEMORY.mdși în notițele recuperate caracterele invizibile și etichetele care imită marcajele harnașamentului (jurnalul de modificări). - OpenClaw nu încarcă
MEMORY.mdîn conversațiile de grup, ci doar în sesiunea privată principală, iar notițele venite din surse nesigure nu ajung niciodată în procesul care le mută în memoria permanentă. Documentația adaugă că memoria poate păstra contextul unei aprobări, dar nu impune nicio regulă. - Microsoft recomandă utilizatorilor să verifice periodic memoriile salvate și să le șteargă pe cele pe care nu le recunosc.
Regula generală este aceeași ca pentru orice text citit de agent: memoria este date, nu instrucțiuni de încredere. Modificările memoriei ar trebui să poată fi văzute și aprobate de un om, de preferat ca diferență între versiunea veche și cea nouă, iar acțiunile cu adevărat periculoase se blochează prin permisiuni și prin medii izolate, nu prin ce scrie în memorie.
Bibliografie
Secțiune intitulată „Bibliografie”- AGENTS.md (2025). AGENTS.md: a simple, open format for guiding coding agents. ↩︎
- Anthropic (2025). Bringing memory to teams. Blogul Claude. ↩︎
- Anthropic (2025). Effective context engineering for AI agents. Blogul Anthropic. ↩︎
- Anthropic (2025). How we built our multi-agent research system. Blogul Anthropic. ↩︎
- Anthropic (2025). Managing context on the Claude Developer Platform. Blogul Anthropic. ↩︎
- Anthropic (f.a.). Claude Code changelog. GitHub. ↩︎
- Anthropic (f.a.). Create custom subagents. Documentația Claude Code. ↩︎
- Anthropic (f.a.). Explore the context window. Documentația Claude Code. ↩︎
- Anthropic (f.a.). How Claude remembers your project. Documentația Claude Code. ↩︎
- Anthropic (f.a.). Memory tool. Documentația Claude Platform. ↩︎
- Behrouz, A., Zhong, P. și Mirrokni, V. (2024). Titans: Learning to Memorize at Test Time. Preprint arXiv:2501.00663. ↩︎
- Berges, V.-P. et al. (2024). Memory Layers at Scale. Preprint arXiv:2412.09764. ↩︎
- Bulatov, A., Kuratov, Y. și Burtsev, M. S. (2022). Recurrent Memory Transformer. NeurIPS 2022. ↩︎
- Chen, Z. et al. (2024). AgentPoison: Red-teaming LLM Agents via Poisoning Memory or Knowledge Bases. Preprint arXiv:2407.12784. ↩︎
- Chhikara, P. et al. (2025). Mem0: Building Production-Ready AI Agents with Scalable Long-Term Memory. Preprint arXiv:2504.19413. ↩︎↩︎2
- Chroma (2025). Context Rot: How Increasing Input Tokens Impacts LLM Performance. Chroma Research. ↩︎
- Cursor (f.a.). Rules. Documentația Cursor. ↩︎
- Dong, S. et al. (2025). Memory Injection Attacks on LLM Agents via Query-Only Interaction. Preprint arXiv:2503.03704. ↩︎
- GitHub (f.a.). About GitHub Copilot Memory. GitHub Docs. ↩︎
- GitHub (f.a.). Adding repository custom instructions for GitHub Copilot. GitHub Docs. ↩︎
- Google (f.a.). Memory files. Documentația Gemini CLI. ↩︎
- Google (f.a.). Provide context with GEMINI.md files. Documentația Gemini CLI. ↩︎
- Hu, Y., Wang, Y. și McAuley, J. (2025). Evaluating Memory in LLM Agents via Incremental Multi-Turn Interactions. Preprint arXiv:2507.05257. ↩︎
- Ji, Y. (2025). Context Engineering for AI Agents: Lessons from Building Manus. Blogul Manus. ↩︎
- Karliner, Z. (2025). New Vulnerability in GitHub Copilot and Cursor: How Hackers Can Weaponize Code Agents. Blogul Pillar Security. ↩︎
- LangChain (2025). Context Engineering. Blogul LangChain. ↩︎
- Letta (2025). Benchmarking AI Agent Memory: Is a Filesystem All You Need?. Blogul Letta. ↩︎
- Letta (f.a.). Introduction to Stateful Agents. Documentația Letta. ↩︎
- Letta (f.a.). MemFS. Documentația Letta. ↩︎
- Linux Foundation (2025). Linux Foundation Announces the Formation of the Agentic AI Foundation (AAIF). Comunicat de presă. ↩︎
- Liu, N. F. et al. (2024). Lost in the Middle: How Language Models Use Long Contexts. Transactions of the Association for Computational Linguistics, 12, 157–173. ↩︎
- Maharana, A. et al. (2024). Evaluating Very Long-Term Conversational Memory of LLM Agents. ACL 2024. ↩︎
- Mem0 (2026). The Token-Efficient Memory Algorithm Now Has Temporal Reasoning. Blogul Mem0. ↩︎
- Microsoft (2026). Manipulating AI memory for profit: The rise of AI Recommendation Poisoning. Microsoft Security Blog. ↩︎
- OpenAI (f.a.). Compaction. Documentația API-ului OpenAI. ↩︎
- OpenAI (f.a.). Custom instructions with AGENTS.md. Documentația Codex. ↩︎
- OpenAI (f.a.). Memories. Documentația Codex. ↩︎
- OpenClaw (f.a.). Builtin memory engine. Documentația OpenClaw. ↩︎
- OpenClaw (f.a.). Memory overview. Documentația OpenClaw. ↩︎
- OWASP (2026). OWASP GenAI LLM Top 10 2026. OWASP GenAI Security Project. ↩︎
- Packer, C. et al. (2023). MemGPT: Towards LLMs as Operating Systems. Preprint arXiv:2310.08560. ↩︎
- Park, J. S. et al. (2023). Generative Agents: Interactive Simulacra of Human Behavior. UIST 2023. ↩︎
- Paul, A. (2026). The Memory Heist. Blogul lui Ayush Paul. ↩︎
- Rasmussen, P. et al. (2025). Zep: A Temporal Knowledge Graph Architecture for Agent Memory. Preprint arXiv:2501.13956. ↩︎
- Rehberger, J. (2024). Spyware Injection Into Your ChatGPT’s Long-Term Memory (SpAIware). Blogul Embrace The Red. ↩︎
- Rehberger, J. (2025). Windsurf: Memory-Persistent Data Exfiltration (SpAIware Exploit). Blogul Embrace The Red. ↩︎
- Sumers, T. R. et al. (2024). Cognitive Architectures for Language Agents. Transactions on Machine Learning Research. ↩︎
- Tavakoli, M. et al. (2025). Beyond a Million Tokens: Benchmarking and Enhancing Long-Term Memory in LLMs. Preprint arXiv:2510.27246. ↩︎
- Willison, S. (2025). Context engineering. Blogul lui Simon Willison. ↩︎
- Willison, S. (2025). I really don’t like ChatGPT’s new memory dossier. Blogul lui Simon Willison. ↩︎
- Wu, D. et al. (2025). LongMemEval: Benchmarking Chat Assistants on Long-Term Interactive Memory. ICLR 2025. ↩︎
- Wu, Y. et al. (2022). Memorizing Transformers. ICLR 2022. ↩︎
- Xu, W. et al. (2025). A-MEM: Agentic Memory for LLM Agents. NeurIPS 2025. ↩︎
- Zep (2025). Is Mem0 Really SOTA in Agent Memory?. Blogul Zep. ↩︎
Cookie-uri
Site-ul folosește Google Analytics pentru statistici de trafic. Cookie-urile de analiză se activează doar după acceptare. Detalii în politica de cookie-uri.