Hacker News · 14.06.2026 ·ИИ-агенты и память

Кодинг-агент с алгебраической памятью вместо RAG

Разработчик Виталий Федотов представил проект Raidho — ИИ-агента, использующего векторно-символьное кодирование (VSA) вместо традиционного подхода RAG. VSA позволяет хранить и обрабатывать информацию в виде векторов, что может обеспечить более эффективное извлечение данных и контекстуальное понимание.

Проект реализован на Python и использует библиотеки для работы с векторными представлениями. Автор утверждает, что такой подход может быть полезен для задач, требующих глубокого понимания контекста, таких как программирование и анализ кода.

Для разработчиков ИИ-агентов, особенно тех, кто работает над Jarv, этот проект может стать интересным примером альтернативного подхода к управлению памятью. VSA может предложить новые возможности для обработки информации и улучшения качества ответов агентов.

Raidho доступен на GitHub, и его код можно использовать для экспериментов и дальнейшего развития. Это еще один шаг в направлении создания более интеллектуальных и адаптивных ИИ-агентов, способных эффективно работать с большими объемами данных.

Источник: Hacker News

Похожие материалы

Hacker News · AI-агенты и память Локальная система памяти для RAG с возможностью записи ИИ Разработчик Paul Tobey представил локальную систему памяти для RAG (Retrieval-Augmented Generation), которая позволяет ИИ-агентам напрямую записывать информацию. Проект доступен на GitHub и реализует механизм, аналогичный Memory Control Plane (MCP), но с упором на локальное хранение данных. Hacker News · ИИ-агенты и память CLI-агент с памятью и адаптивным поведением Команда Vektor Memory представила новую версию своего CLI-агента, который становится умнее с каждым использованием. Это достигнуто благодаря интеграции механизмов памяти и адаптивного обучения, что позволяет агенту запоминать контекст и улучшать свои ответы со временем. arXiv · RAG и аналитическое мышление Как RAG помогает ИИ-агентам решать сложные задачи через аналогии Исследователи из MIT и Google Research предложили новый подход к улучшению способности языковых моделей решать сложные задачи через аналогии. В работе, опубликованной на arXiv, они демонстрируют, как Retrieval-Augmented Generation (RAG) может быть адаптирован для более эффективного решения задач, требующих нестандартного мышления. Hacker News · AI-агенты и автономное программирование Автономные кодинг-агенты для долгосрочных задач Исследователи представили концепцию автономных кодинг-агентов, способных выполнять долгосрочные задачи программирования без постоянного вмешательства человека. Эти агенты используют комбинацию языковых моделей, инструментов для выполнения кода и механизмов памяти для поддержания контекста и состояния задачи. arXiv · Рекурсивные агенты и оркестрация Recursive Agent Harnesses: рекурсия как ключ к масштабируемым агентам Исследователи из Arxiv представили концепцию Recursive Agent Harnesses (RAH), объединяющую два ключевых подхода к построению ИИ-агентов: рекурсивные языковые модели (RLMs) и динамические workflows от Anthropic. В основе RAH лежит идея использования рекурсии для вызова подагентов, что позволяет эффективно решать задачи, требующие длительного контекста и сложного рассуждения. Hacker News · Архитектура памяти для ИИ-агентов DNA Memory Architecture: новая архитектура памяти для ИИ-агентов Разработчики ИИ-агентов сталкиваются с проблемой эффективного хранения и управления памятью, особенно при работе с большими объемами данных. В новой статье на Substack представлена архитектура DNA Memory, которая предлагает альтернативу традиционным подходам к хранению информации. Hacker News · Память для ИИ-агентов Project Brain2.0: система памяти для ИИ-агентов на базе ClaudeCode Project Brain2.0 представляет собой фреймворк для создания и управления памятью ИИ-агентов. Он интегрируется с ClaudeCode и поддерживает работу с любыми агентами, способными читать файлы. Это решение позволяет агентам сохранять и извлекать информацию, что критически важно для построения контекста и поддержания состояния в длительных диалогах или задачах. Hacker News · Инфраструктура для ИИ-агентов CoreAI_HTCE: фреймворк для создания ИИ-агентов с поддержкой памяти и RAG Разработчики из команды CoreAI представили фреймворк CoreAI_HTCE, предназначенный для создания ИИ-агентов с расширенными возможностями. Основное преимущество проекта — поддержка механизмов памяти и RAG (Retrieval-Augmented Generation), что позволяет агентам эффективно работать с контекстом и хранить информацию для последующего использования. Hacker News · ИИ-агенты и память Проблема памяти в ИИ: почему системы всё ещё работают как поиск Автор статьи Jeffrey Flynt поднимает важный вопрос о текущем состоянии памяти в ИИ-агентах. Он утверждает, что большинство современных систем, включая RAG (Retrieval-Augmented Generation), работают по принципу поиска, а не по принципу истинной памяти. Это означает, что они не могут эффективно хранить и использовать контекстную информацию в долгосрочной перспективе, а лишь извлекают данные из базы при каждом запросе. arXiv · ИИ-агенты и научные лаборатории LabVLA: ИИ-агенты для выполнения научных экспериментов Исследователи представили LabVLA — фреймворк, который позволяет ИИ-агентам не только анализировать научные данные и генерировать гипотезы, но и выполнять физические действия в лабораториях. Это важный шаг в интеграции ИИ в реальные научные процессы, где до сих пор требуется человеческое вмешательство.

← Все материалы