LangChain Dezvăluie Arhitectura de Memorie Din Spatele Platformei Agent Builder

Joerg Hiller
22 Feb 2026 04:38

LangChain detaliază modul în care sistemul de memorie Agent Builder folosește metafore de sistem de fișiere și framework-ul COALA pentru a crea agenți AI persistenți și capabili să învețe, fără cod.

LangChain a ridicat cortina asupra arhitecturii de memorie care alimentează LangSmith Agent Builder, dezvăluind o abordare bazată pe sistem de fișiere care permite agenților AI să învețe și să se adapteze între sesiuni, fără a solicita utilizatorilor să scrie cod.

Compania a făcut o pariuri neconvențională: prioritizarea memoriei din prima zi, mai degrabă decât adăugarea ei ulterior, ca majoritatea produselor AI. Raționamentul lor? Agent Builder creează agenți specifici sarcinilor, nu chatbot-uri generale. Când un agent gestionează același flux de lucru în mod repetat, lecțiile din sesiunea de marți ar trebui să se aplice automat miercuri.

Fișiere ca Memorie

Mai degrabă decât să construiască o infrastructură de memorie personalizată, echipa LangChain s-a bazat pe ceva ce LLM-urile înțeleg deja bine—sistemele de fișiere. Sistemul reprezintă memoria agentului ca o colecție de fișiere, deși acestea sunt de fapt stocate în Postgres și expuse agenților ca un sistem de fișiere virtual.

Arhitectura se mapează direct pe cele trei categorii de memorie din lucrarea de cercetare COALA. Memoria procedurală—regulile care ghidează comportamentul agentului—se află în fișierele AGENTS.md și configurațiile tools.json. Memoria semantică, care acoperă faptele și cunoștințele specializate, rezidă în fișierele de abilități. Echipa a sărit deliberat peste memoria episodică (înregistrări ale comportamentului trecut) pentru lansarea inițială, pariind că contează mai puțin pentru cazul lor de utilizare.

Formatele standard au câștigat acolo unde a fost posibil: AGENTS.md pentru instrucțiuni de bază, abilități de agent pentru sarcini specializate și un format inspirat de Claude Code pentru subagenți. Singura excepție? Un fișier tools.json personalizat în loc de mcp.json standard, permițând utilizatorilor să expună doar instrumente specifice de pe serverele MCP și să evite supraîncărcarea contextului.

Memorie Care Se Construiește Singură

Rezultatul practic: agenți care se îmbunătățesc prin corecție, mai degrabă decât prin configurare. LangChain a parcurs un exemplu de sumarizator de întâlniri în care feedback-ul simplu al unui utilizator „folosește puncte marcante în schimb" a actualizat automat fișierul AGENTS.md al agentului. Până în luna a treia, agentul acumulase preferințe de formatare, reguli de gestionare a tipurilor de întâlniri și instrucțiuni specifice participanților—toate fără configurare manuală.

Construirea acestuia nu a fost banală. Echipa a dedicat o persoană cu normă întreagă doar pentru prompting-ul legat de memorie, rezolvând probleme precum agenții care își amintesc când nu ar trebui sau scriu în tipuri greșite de fișiere. O lecție cheie: agenții excelează la adăugarea de informații, dar se luptă să consolideze. Un asistent de email a început să enumere fiecare furnizor de ignorat, mai degrabă decât să generalizeze la „ignoră toate abordările la rece".

Aprobare Umană Necesară

Toate editările de memorie necesită aprobare umană explicită în mod implicit—o măsură de securitate împotriva atacurilor de injectare de prompt. Utilizatorii pot dezactiva acest „mod yolo" dacă sunt mai puțin preocupați de intrările adverse.

Abordarea sistemului de fișiere permite portabilitate pe care DSL-urile blocate nu o pot egala. Agenții construiți în Agent Builder pot teoretic rula pe Deep Agents CLI, Claude Code sau OpenCode cu fricțiune minimă.

Ce Urmează

LangChain a deliniat mai multe îmbunătățiri planificate: memorie episodică prin expunerea istoricului conversațiilor ca fișiere, procese de memorie în fundal care rulează zilnic pentru a surprinde învățăturile ratate, o comandă explicită /remember, căutare semantică dincolo de grep de bază și ierarhii de memorie la nivel de utilizator sau organizație.

Pentru dezvoltatorii care construiesc agenți AI, alegerile tehnice de aici contează. Metafora sistemului de fișiere evită complexitatea API-urilor de memorie personalizate, rămânând în același timp nativă pentru LLM. Dacă această abordare scalează pe măsură ce agenții gestionează sarcini mai complexe și mai lungi rămâne o întrebare deschisă—dar LangChain pariază că fișierele bat framework-urile pentru construirea de agenți fără cod.

Sursa imaginii: Shutterstock