sayzardRohit Ghumare (@ghumare64)
agent-memory.dev가 정상적으로 동작한다는 짧은 업데이트로, 에이전트 메모리 관련 도구 또는 프로젝트의 작동 가능성을 알린다.
Avi Chawla (@_avichawla)
에이전트 메모리가 많아질수록 오히려 더 적게 아는 것처럼 보인다는 관점을 제시하며, 현재의 에이전트 메모리 구조가 기억 저장소의 성질을 그대로 따르기 때문에 vector DB 기반 기억의 한계를 설명하는 트윗이다.
Avi Chawla (@_avichawla) on X
The more your agent remembers, the less it knows. This sounds counterintuitive, but it is actually a direct result of how agent memory is built today. Agent memory inherits the cognitive shape of its store. - A vector DB gives it associative memory to recognize familiar
Akshay (@akshay_pachaar)
에이전트 메모리 시스템은 단순히 더 많이 저장하는 것보다 무엇을 잊을지 결정하는 것이 더 어렵고 중요하다는 내용입니다. 문서, 임베딩, 엔티티를 계속 쌓는 방식은 오래된 정보와 불필요한 연결을 남겨 실제 유용성을 떨어뜨릴 수 있다고 지적합니다.
Akshay 🚀 (@akshay_pachaar) on X
Knowing what to forget is harder! Most agent memory systems focus on ingestion. Add more documents, build more embeddings, extract more entities. The graph only grows. But a memory that never forgets isn't actually useful. Stale nodes and unused connections pile up over time,
Akshay (@akshay_pachaar)
에이전트 메모리를 3차원으로 설계해야 한다는 관점을 제시했다. 단일 벡터DB 중심 메모리의 한계를 지적하며, 의미 유사성 외에도 다른 차원의 지식을 저장해야 한다는 새로운 에이전트 메모리 아키텍처 아이디어를 설명한다.
https://x.com/akshay_pachaar/status/2044329897603244093
#agentmemory #vectordatabase #aiagents #memory #architecture
Akshay 🚀 (@akshay_pachaar) on X
Agent memory is three-dimensional. Most agent memory systems use a single store. Usually a vector database. It handles semantic similarity well, but it captures only one dimension of knowledge. Here's the gap. Store these three facts: → Alice is the tech lead on Project Atlas
Python Trending (@pythontrending)
hindsight — Hindsight: Agent Memory That Learns는 '학습하는 에이전트 메모리'를 표방하는 프로젝트/연구입니다. 에이전트의 메모리 관리와 학습 기반 기억 개선을 다루는 기술적 시도임을 시사합니다.
Itamar MedeirosEveryone’s excited about AI agents. But a harder question remains: what would need to be true for them to actually stay aligned with the human job-to-be-done over time? Not just at the prompt, but across decisions, context, and collaboration. Curious how others think about this.
#AgentArchitecture #AgentEngineering #AgentMemory #RuntimeEvaluation #IntentModeling #LLMSystems #AgenticAI #AI #ArtificialIntelligence #JTBD
sniparaYour AI agents lose 90% of their context between sessions.
We fixed that.
Snipara — context optimization for AI agents. Less hallucination, more precision.
TestingCatalog News (@testingcatalog)
MemOS는 오픈소스 에이전트 메모리 프레임워크로, AI 에이전트가 과거 상호작용을 기억하고 시간이 지남에 따라 학습하도록 하여 장기 메모리와 일관된 성격 구현을 거의 어디서나 가능하게 한다고 소개됩니다.
TestingCatalog News 🗞 (@testingcatalog) on X
MemOS is a new open-source Agent Memory framework that enables AI agents to remember past interactions and learn over time. Long-term memory and consistent personality can now be implemented almost anywhere [Sponsored] Playground sample 👀
Membase: Lớp bộ nhớ đa nền tảng cho AI Agent, giành giải Nhì tại Claude Hackathon. Đồng bộ trí nhớ giữa các AI, kết nối Google Calendar, Notion, Slack... tiết kiệm token, không cần nhập lại ngữ cảnh. Mở private beta 12/1 – 100 người dùng đầu miễn phí! #AI #AgentMemory #SaaS #Membase #CôngNghệ #AI #TríTuệNhânTạo #SaaS #CôngNghệMới
https://www.reddit.com/r/SaaS/comments/1q4k45d/claude_hackathon_2nd_place_membase_universal/
vphttps://youtu.be/R7k4N_eJw0U?si=QtWA4ZE7Z_aAKHAC
#hypergraph and #metagraph for #ai #agentmemory . How to move complexity to structural relations
#hypergraph and #metagraph for #ai #agentmemory . How to move complexity to structural relations