Слой 1
Оперативная память
Текущий диалог. Стандартный контекст разговора. Всё, что нужно прямо сейчас.
Сбрасывается при закрытии сессии — это и есть исходная проблема
Трёхслойная архитектура. Тест на 50 диалогах: 0 потерь контекста, 94% точность семантического поиска, скорость < 100 мс.
Каждый новый разговор — с чистого листа. Это не баг — это архитектурное решение: модель работает в рамках одного контекстного окна и не хранит состояние между запросами.
Стандартные решения работают частично:
Я потратил несколько месяцев, чтобы решить эту задачу для своих агентов. Тест на 50 реальных диалогах. Результат — трёхслойная архитектура памяти.
Текущий диалог. Стандартный контекст разговора. Всё, что нужно прямо сейчас.
История взаимодействий с конкретным клиентом. Хранится в структурированной базе: дата, суть обращения, итог разговора, принятые решения. При новом запросе система ищет релевантные эпизоды по смыслу вопроса — не по дате, а по семантическому сходству. В контекст попадают только нужные фрагменты.
Факты о продукте, правила поведения, база знаний. Загружается не целиком, а точечно — только то, что релевантно конкретному вопросу. Агент не «читает инструкцию» каждый раз — он «вспоминает нужную часть».
Три предложения с чёткой структурой «дата + суть + итог» дают лучший поиск, чем большой неструктурированный текст. 94% точное попадание в топ-3.
Устаревшие факты (старая цена, изменённый продукт) остаются в базе и могут попасть в ответ. Регулярное обновление — обязательная часть обслуживания.
На первых 5–10 взаимодействиях семантический поиск возвращает мало релевантного. После 20+ — точность поиска растёт в 2 раза.
Без трёхслойной архитектуры: каждый разговор начинался заново, клиент вынужден был объяснять контекст снова.
Разберу вашу задачу, оценю что подходит. Первый разговор бесплатный.