[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"glossary-agent-memory::ru":3,"gloss-cluster-agent-memory::ru":26,"gloss-next-agent-memory::ru":9},{"slug":4,"category":5,"name":6,"definition":7,"meta_desc":8,"faq":9,"schema_markup":9,"related":10},"agent-memory","agents","Память агента (Agent Memory)","Память агента — это то, как AI-агент сохраняет информацию за пределами одного вызова модели, чтобы действовать связно на протяжении многих шагов или сессий, а не забывать всё на каждом ходу. Обычно она делится на кратковременную (рабочую) память — текущий контекст задачи, удерживаемый в окне контекста, — и долговременную память — факты, прошлые взаимодействия и усвоенные предпочтения, хранимые вне модели, как правило в векторной базе данных или обычной БД, и извлекаемые по мере необходимости. Долговременную память часто дополнительно делят на эпизодическую (что происходило раньше) и семантическую (устойчивые факты о пользователе или предметной области). Для разработчиков память — это то, что превращает stateless-чатбот в продукт, который помнит тариф клиента, прошлые обращения или голос бренда. Главная сложность — курирование: наивно засовывать каждое прошлое сообщение в промпт дорого и снижает точность, поэтому вы суммируете, оцениваете релевантность и извлекаете только то, что реально нужно на каждом шаге.","Память агента — то, как агент хранит информацию за пределами одного вызова модели: краткосрочный рабочий контекст плюс долгие хранилища с поиском между сессиями.",null,[11,14,17,20,23],{"slug":12,"name":13},"agent","Агент (Agent)",{"slug":15,"name":16},"context-engineering","Инженерия контекста (Context Engineering)",{"slug":18,"name":19},"context-window","Контекстное окно",{"slug":21,"name":22},"retrieval-augmented-generation","Генерация с дополненным поиском (RAG)",{"slug":24,"name":25},"vector-database","Векторная база данных",[27,31,35,38,41,44,47,50,53,54,57,61],{"slug":28,"category":5,"name":29,"updated_at":30},"agent-budget","Бюджет агента (Agent Budget)","2026-08-24T02:46:37+00:00",{"slug":32,"category":5,"name":33,"updated_at":34},"agent-checkpointing","Контрольные точки агента","2026-08-24T02:46:38+00:00",{"slug":36,"category":5,"name":37,"updated_at":30},"agent-handoff","Передача между агентами (Agent Handoff)",{"slug":39,"category":5,"name":40,"updated_at":30},"agent-loop","Цикл агента (Agent Loop)",{"slug":42,"category":5,"name":43,"updated_at":34},"agent-sandbox","Песочница агента",{"slug":45,"category":5,"name":46,"updated_at":34},"agent-trajectory","Траектория агента",{"slug":48,"category":5,"name":49,"updated_at":30},"agentic-rag","Агентный RAG (Agentic RAG)",{"slug":51,"category":5,"name":52,"updated_at":34},"computer-use","Computer Use (управление компьютером)",{"slug":15,"category":5,"name":16,"updated_at":30},{"slug":55,"category":5,"name":56,"updated_at":34},"dry-run","Пробный прогон (dry run)",{"slug":58,"category":5,"name":59,"updated_at":60},"escalation-path","Маршрут эскалации","2026-08-24T03:30:02+00:00",{"slug":62,"category":5,"name":63,"updated_at":30},"human-on-the-loop","Человек над контуром (Human-on-the-Loop)"]