MemEvolve: адаптивная память агента под разные типы задач

Традиционная память агента:

Задача → Агент → Опыт → Фиксированная память → Накопление
                              ↓
                   (архитектура не меняется)

MemEvolve (двухуровневая эволюция):

ВНУТРЕННИЙ ЦИКЛ (эволюция опыта):
Задачи → Агент с памятью v1 → Опыт → Обновление базы памяти
      ↓
   Результат: Performance, Стоимость, Скорость

ВНЕШНИЙ ЦИКЛ (эволюция архитектуры):
Результаты → Диагностика слабостей → Новые варианты архитектуры
           → Отбор лучших → память v2, v3, v4
                          ↓
                   (следующая итерация)

Любую систему памяти можно разложить на 4 модуля:

♣ Encode (Кодирование): Что именно запомнить из опыта - Сырые траектории действий - Обобщённые советы и инсайты - Реюзабельные инструменты (API, функции) - Паттерны и шаблоны решений

♦ Store (Хранение): Куда и как положить - Vector database (семантический поиск) - Knowledge graph (связи между знаниями) - JSON (структурированные списки) - Tool library (библиотека функций)

♥ Retrieve (Поиск): Как найти релевантное при новой задаче - Semantic search (по смыслу запроса) - Contrastive comparison (сравнение с прошлыми успехами/провалами) - Skill-based probe (по типу навыка) - Hybrid search (комбинация методов)

♠ Manage (Управление): Как поддерживать качество со временем - Деdupликация (удаление дублей) - Консолидация (обобщение мелких кусков) - Pruning (удаление неэффективного) - Failure-driven adjustment (обновление на основе ошибок)

Веб-поиск и автоматизация: - ✅ Хорошо: хранение API, скриптов, shortcuts - ❌ Плохо: абстрактные советы, философские инсайты - Почему: задачи повторяются, нужны готовые инструменты "copy-paste"

Математика и reasoning: - ✅ Хорошо: паттерны решений, самокритика, контрпримеры - ❌ Плохо: конкретные API, специфические инструменты - Почему: каждая задача уникальна, нужен переносимый способ мышления

Coding: - ✅ Хорошо: библиотеки функций, типовые implementation patterns - ❌ Плохо: текстовые советы в духе "будь аккуратнее" - Почему: код либо работает, либо нет — нужны проверенные заготовки

Диалоги и персонализация: - ✅ Хорошо: факты о пользователе, предпочтения, история контекста - ❌ Плохо: обобщённые инструменты, абстрактные шаблоны - Почему: нужна специфика конкретного человека, не универсальность

⚠️ Честно: MemEvolve — это исследовательская система с кодом, требующая Python и GitHub. Напрямую в ChatGPT/Claude не запустишь.

Но принципы применимы:

Вместо одного универсального чата с памятью — специализированные чаты с разными стратегиями:

"Coding Assistant" — накапливай библиотеку функций:

Каждый раз когда пишем working solution для задачи, добавляй в библиотеку:
- Название функции
- Что решает
- Код с комментариями

При новой задаче сначала проверь библиотеку — может быть есть готовое.

"Strategy Advisor" — накапливай паттерны мышления:

После решения сложной задачи запиши:
- Тип задачи
- Какой подход сработал
- Почему именно он
- Когда применим / не применим

При новой задаче ищи похожие паттерны.

"Content Writer" — накапливай удачные формулировки:

Сохраняй примеры:
- Сильные заголовки
- Удачные метафоры
- Структуры, которые зашли
- Тон и стиль, который сработал

При новом тексте используй как референс.

Перед началом проекта с памятью задай себе:

♣ Что кодировать? - Для повторяющихся задач: конкретные решения (API, скрипты) - Для уникальных задач: принципы и паттерны

♦ Как хранить? - Мало данных: простой список в промпте или файл - Много данных: Projects в Claude или GPTs с файлами

♥ Как искать? - По типу задачи: "найди похожие задачи про [X]" - По результату: "покажи что сработало в прошлый раз" - По контексту: "что релевантно для текущей ситуации"

♠ Как управлять? - Удаляй дубли: "объедини похожие примеры" - Обобщай: "выдели общий паттерн из 5 кейсов" - Фильтруй: "убери то, что не использовалось 20 запросов"

Каждые 20-30 задач делай мета-ревью:

Проанализируй последние 20 задач в этом чате:

1. Какие типы задач были?
2. Какая информация из памяти помогла?
3. Какая информация была бесполезна?
4. Чего не хватило?

На основе анализа предложи:
- Что изменить в ФОРМАТЕ памяти
- Что добавить в ПОИСК
- Что удалить или обобщить

Дай конкретный prompt для улучшенной версии системы памяти.

Пример диагностики:

Обнаружено: 
- 15 из 20 задач требовали быстрый доступ к API endpoints
- Текстовые советы использовались 2 раза
- Поиск по семантике находил нерелевантное

Рекомендация:
- Переключись на формат: название API + параметры + пример вызова
- Убери общие советы, храни только working code
- Добавь теги для точного поиска: [web], [database], [auth]

Задача: Ты развиваешь продуктовые навыки — читаешь кейсы успешных запусков, анализируешь, пробуешь применять. Но когда начинаешь новый проект, не помнишь что работало в прошлый раз. Нужна память, которая накапливает продуктовые паттерны.

Промпт (настройка системы памяти):

Ты — Product Strategy Memory System. Твоя задача: накапливать и выдавать паттерны успешных продуктовых решений.

ФОРМАТ ЗАПИСИ (Encode):
После каждого кейса/опыта записывай:
- Контекст: тип продукта, стадия, аудитория
- Проблема: что решали
- Решение: конкретная механика
- Почему сработало: объяснение
- Когда применимо: условия переноса
- Анти-паттерн: когда НЕ применять

ХРАНЕНИЕ (Store):
Группируй по категориям:
- Growth (привлечение, активация, retention)
- Pricing (монетизация, тарифы, модели)
- UX (онбординг, core loop, engagement)
- Distribution (каналы, партнёрства, virality)

ПОИСК (Retrieve):
При новой задаче:
1. Определи категорию проблемы
2. Найди 3 релевантных паттерна из похожих контекстов
3. Покажи что сработало И что провалилось
4. Предложи адаптацию под текущий кейс

УПРАВЛЕНИЕ (Manage):
Каждые 10 записей:
- Объедини похожие паттерны в мета-паттерн
- Удали дубли
- Выдели универсальные принципы vs специфичные тактики

ПЕРВАЯ ЗАПИСЬ:
[Вставь кейс или свой опыт]

Результат:

После 10-15 записанных кейсов система начнёт выдавать полезные паттерны. При запросе "Как увеличить retention в B2B SaaS для малого бизнеса?" она: - Найдёт 3 релевантных паттерна из retention-категории - Покажет что сработало в похожих B2B контекстах - Объяснит почему эти механики эффективны - Предупредит о сценариях где они не работают - Предложит адаптированное решение под твой кейс

Каждые 10 записей делай мета-ревью: "проанализируй накопленную память, предложи улучшения формата".

Проблема одной универсальной памяти:

LLM в чатах работают либо без памяти (каждый запрос изолирован), либо с простой памятью в виде истории чата. Проекты/GPTs добавляют долгосрочную память, но она статична по структуре. Модель просто складирует информацию и ищет по семантике. Это работает для простых сценариев, но ломается на сложных:

• В coding-проектах семантический поиск находит "похожие по смыслу" функции вместо "точно подходящих по сигнатуре"
• В research-проектах модель копит огромные куски текста вместо извлечения ключевых инсайтов
• В персональных ассистентах факты о пользователе смешиваются с рабочими задачами

Ценность адаптивного подхода:

Понимание что тип памяти должен соответствовать типу задачи даёт рычаг управления:

1. Осознанность: ты перестаёшь пытаться "запихнуть всё в один чат" и начинаешь проектировать память под задачу
2. Эффективность: правильная структура памяти даёт 10-17% прирост качества (по данным исследования)
3. Масштабируемость: когда память растёт до сотен записей, структура определяет выживет ли система или утонет в шуме

Рычаги управления памятью в промптах:

• Granularity (детализация): храни сырые примеры vs обобщённые принципы
• Scope (границы): узкоспециализированная vs универсальная память
• Retrieval strategy (стратегия поиска): семантика vs точное совпадение vs гибрид
• Lifecycle (жизненный цикл): статичная база vs обновление vs обобщение со временем

⚠️ Автоматизация: MemEvolve сама эволюционирует архитектуру памяти через код. В чатах это нужно делать вручную — периодически анализировать что работает и менять формат.

⚠️ Параллельное тестирование: система тестирует несколько вариантов памяти одновременно и выбирает лучший. В чатах так не сделаешь — можно только последовательно пробовать варианты.

⚠️ Масштаб: исследование тестировалось на сотнях задач с агентами, которые выполняют web search, coding, research. В чатах при ручном управлении памятью эффект проявится после 20-30+ задач, не сразу.

⚠️ Сложность диагностики: система автоматически диагностирует слабости памяти (плохой retrieval, избыточное хранение). В чатах нужно самому замечать что не работает — это требует опыта.

⚠️ Барьер для новичков: понимание "какая память под какую задачу" требует опыта работы с LLM. Если ты только начинаешь — начни с простого накопления примеров, сложные стратегии потом.

Команда из OPPO AI Agent Team и LV-NUS создала EvolveLab — unified codebase, который имплементирует 12 разных систем памяти из научной литературы последних двух лет: Voyager, ExpeL, Agent Workflow Memory, SkillWeaver, Dynamic Cheatsheet и другие. Каждую систему разложили на 4 модуля (encode, store, retrieve, manage) и написали в едином интерфейсе. Это позволило честно сравнивать подходы на одних и тех же задачах.

Потом запустили MemEvolve на четырёх бенчмарках: GAIA (комплексные вопросы с многошаговым reasoning), xBench-DS (глубокий research), WebWalkerQA (навигация по веб-сайтам), TaskCraft (разнородные agentic задачи). Каждая итерация: система запускает несколько вариантов памяти параллельно → смотрит performance (accuracy), стоимость (токены), скорость (latency) → отбирает top-K → диагностирует слабости через анализ траекторий → генерирует улучшенные версии.

Главная находка: статичные системы памяти проигрывают до 17% адаптивным на сложных бенчмарках. Например, базовый SmolAgent с фиксированной памятью даёт 42.7% на GAIA, а с памятью, эволюционированной MemEvolve — 49.9%. Flash-Searcher вырос с 69.77% до 78.8% на WebWalkerQA. Интересно: память, эволюционированная на одном бенчмарке, переносится на другие — система обучилась на TaskCraft дала +2-9% на незнакомых GAIA и xBench с другими LLM (GPT-4o, Claude). Это значит MemEvolve нашла универсальные принципы адаптации памяти, не просто подогнала под конкретные данные.

Исследователи также проверили cross-LLM generalization — память, разработанная с GPT-4o-mini, работала с GPT-4o и Claude без переобучения. Парадоксальный инсайт: на reasoning-задачах (GAIA) лучше работает граф-структура + контрастный поиск (сравнение с прошлыми успехами/провалами), а на web-задачах (WebWalkerQA) — библиотека инструментов + skill-based retrieval. Попытка применить "reasoning-память" к web-задачам снижала качество на 5-8%.

MemEvolve: Meta-Evolution of Agent Memory Systems — OPPO AI Agent Team, LV-NUS lab, December 2025

GitHub: https://github.com/bingreeky/MemEvolve

Unified codebase с 12 системами памяти: https://github.com/bingreeky/MemEvolve/tree/main/EvolveLab

Упоминаемые системы памяти в EvolveLab: - Voyager (2023) — траектории + советы, vector DB - ExpeL (2023) — траектории + инсайты, контрастный поиск - Agent Workflow Memory (2024) — workflows, семантический поиск - SkillWeaver (2025) — библиотека API, function matching - Dynamic Cheatsheet (2025) — shortcuts, JSON-структура - G-Memory (2025) — граф знаний, эпизодическая консолидация - Agent-KB (2025) — гибридный поиск, дедупликация - EvolveR (2025) — failure-driven обновление, pruning