Joerg Hiller
22 февраля 2026 г. 04:38
LangChain подробно рассказывает, как система памяти Agent Builder использует метафоры файловой системы и фреймворк COALA для создания постоянных, обучающихся ИИ-агентов без кода.
LangChain приоткрыла завесу тайны над архитектурой памяти, лежащей в основе LangSmith Agent Builder, раскрывая подход, основанный на файловой системе, который позволяет ИИ-агентам обучаться и адаптироваться между сеансами без необходимости писать код пользователям.
Компания сделала нестандартную ставку: приоритет памяти с первого дня, а не добавление ее позже, как большинство ИИ-продуктов. Их обоснование? Agent Builder создает агентов для конкретных задач, а не универсальные чат-боты. Когда агент повторно обрабатывает один и тот же рабочий процесс, уроки вторничного сеанса должны автоматически применяться в среду.
Файлы как память
Вместо создания пользовательской инфраструктуры памяти команда LangChain опиралась на то, что LLM уже хорошо понимают — файловые системы. Система представляет память агента как набор файлов, хотя на самом деле они хранятся в Postgres и предоставляются агентам в виде виртуальной файловой системы.
Архитектура напрямую соответствует трем категориям памяти исследовательской работы COALA. Процедурная память — правила, управляющие поведением агента — находится в файлах AGENTS.md и конфигурациях tools.json. Семантическая память, охватывающая факты и специализированные знания, размещается в файлах навыков. Команда намеренно пропустила эпизодическую память (записи прошлого поведения) для первоначального выпуска, предполагая, что для их случая использования она менее важна.
Стандартные форматы победили там, где это возможно: AGENTS.md для основных инструкций, навыки агента для специализированных задач и формат, вдохновленный Claude Code, для подагентов. Единственное исключение? Пользовательский файл tools.json вместо стандартного mcp.json, позволяющий пользователям открывать только определенные инструменты с серверов MCP и избегать переполнения контекста.
Память, которая создает сама себя
Практический результат: агенты, которые совершенствуются через исправление, а не через конфигурацию. LangChain привела пример суммаризатора встреч, где простой отзыв пользователя «используйте вместо этого маркеры» автоматически обновил файл AGENTS.md агента. К третьему месяцу агент накопил предпочтения форматирования, правила обработки типов встреч и инструкции для конкретных участников — все без ручной настройки.
Создание этого было непростым. Команда выделила одного человека на полный рабочий день только для подсказок, связанных с памятью, решая такие проблемы, как запоминание агентами того, чего не следует, или запись в неправильные типы файлов. Ключевой урок: агенты отлично справляются с добавлением информации, но с трудом консолидируют ее. Один почтовый помощник начал перечислять всех поставщиков, которых нужно игнорировать, вместо того чтобы обобщить до «игнорировать все холодные обращения».
Требуется одобрение человека
Все изменения памяти по умолчанию требуют явного одобрения человека — мера безопасности против атак инъекции подсказок. Пользователи могут отключить этот «режим yolo», если они менее обеспокоены враждебными входными данными.
Подход файловой системы обеспечивает переносимость, с которой не могут сравниться закрытые DSL. Агенты, созданные в Agent Builder, теоретически могут работать на Deep Agents CLI, Claude Code или OpenCode с минимальными трудностями.
Что грядет
LangChain обозначила несколько запланированных улучшений: эпизодическую память через предоставление истории разговоров в виде файлов, фоновые процессы памяти, выполняющиеся ежедневно для выявления пропущенных знаний, явную команду /remember, семантический поиск помимо базового grep и иерархии памяти на уровне пользователя или организации.
Для разработчиков, создающих ИИ-агентов, технические решения здесь имеют значение. Метафора файловой системы обходит сложность пользовательских API памяти, оставаясь родной для LLM. Остается открытым вопрос, масштабируется ли этот подход, когда агенты обрабатывают более сложные, длительные задачи, — но LangChain делает ставку на то, что файлы превосходят фреймворки для создания агентов без кода.
Источник изображения: Shutterstock
Источник: https://blockchain.news/news/langchain-agent-builder-memory-system-architecture
