Jun 11, 2026, 10:46 AM
This commit is contained in:
@@ -0,0 +1,33 @@
|
||||
---
|
||||
title: "Three-Tier Memory (Trójwarstwowy Model Pamięci)"
|
||||
type: "concept"
|
||||
tags: [agent-ai, memory-systems, system-design]
|
||||
created: 2026-06-09
|
||||
updated: 2026-06-09
|
||||
sources: ["[[summaries/5-mental-models-for-ai-agents]]", "[[summaries/building-personal-ai-assistant-sqlite-gtd]]"]
|
||||
confidence: high
|
||||
---
|
||||
|
||||
# Three-Tier Memory (Trójwarstwowy Model Pamięci)
|
||||
|
||||
## Definition
|
||||
Wzorzec architektoniczny dzielący pamięć agenta AI na trzy odrębne, fizycznie odseparowane warstwy poznawcze, co zapobiega przepełnieniu okna kontekstowego i gwarantuje stabilność operacyjną w długich horyzontach czasowych.
|
||||
|
||||
## The Three Cognitive Tiers
|
||||
Wytrawni inżynierowie unikają wrzucania wszystkich informacji do jednego "worka" (np. prostej bazy wektorowej). Zamiast tego wdrażają trzy poziomy pamięci:
|
||||
1. **Tier 1: Pamięć Krótkoterminowa / Robocza (Short-term / Working memory)**:
|
||||
- *Rola*: Odpowiednik pamięci RAM. Obsługuje aktualną sesję czatu, przechowuje lokalne zmienne, aktywne pod-zadania i przejściowy stan operacyjny.
|
||||
- *Realizacja*: Okno kontekstowe bieżącej rozmowy, pliki wejściowe i zmienne środowiskowe.
|
||||
2. **Tier 2: Pamięć Epizodyczna / Operacyjna (Episodic / Operational memory)**:
|
||||
- *Rola*: Chronologiczna księga zdarzeń. Zapisuje historię wykonanych operacji, sukcesy i błędy z przeszłości. Pozwala agentowi na analizę wsteczną (retrospekcja) i odtwarzanie ścieżek decyzji (tracing).
|
||||
- *Realizacja*: Append-only dziennik zmian (np. plik `log.md` w bazie wiedzy).
|
||||
3. **Tier 3: Pamięć Długoterminowa / Semantyczna (Long-term / Semantic memory)**:
|
||||
- *Rola*: Odpowiednik dysku twardego / SSD. Przechowuje niezmienne reguły zachowania, preferencje użytkownika, przewodniki stylu, schematy danych oraz zakumulowaną, skompilowaną wiedzę.
|
||||
- *Realizacja*: Kontrakty agentów (np. `CLAUDE.md`, `GEMINI.md`), trwałe ustrukturyzowane notatki o preferencjach (`memory.md`) oraz cała baza pojęć i podmiotów (`knowledge/`).
|
||||
|
||||
## Why It Matters
|
||||
Taki podział pozwala agentowi AI działać w sposób wysoce zorganizowany i precyzyjny. Chroni model przed gubieniem wątków podczas długich sesji i pozwala na precyzyjną, długofalową akumulację wiedzy (compounding knowledge).
|
||||
|
||||
## Sources
|
||||
- [[summaries/5-mental-models-for-ai-agents]]
|
||||
- [[summaries/building-personal-ai-assistant-sqlite-gtd]]
|
||||
Reference in New Issue
Block a user