Skip to main content

Agent xotirasi: qatlamlar va amaliy arxitektura

Agent xotirasi qatlamlari

AI-agent o'z-o'zicha hech narsani eslab qolmaydi. Har bir suhbat oxirida — kontekst tugadi, oyna yopildi, model unutildi. Bu klassik LLM bilan ishlashning eng katta cheklovi. Yaxshi qurilgan xotira tizimi shu chegaradan o'tishga yordam beradi: agent o'zining oldingi qarorlarini eslaydi, takror xatolarni qaytarmaydi, foydalanuvchi haqida bilgan narsalarni saqlaydi.

Ushbu qo'llanmada xotira arxitekturasining asosiy qatlamlarini va amaliy paternlarini ko'rib chiqamiz.

Nima uchun kontekst oynasi yetarli emas?​

Hozirgi modellarning kontekst oynasi katta — Claude Sonnet 4.6 da 200K token, Gemini 2.5 da 1M+. Lekin shunday bo'lsa-da, faqat kontekstga tayanish — bu xatolik:

  • Narx: har bir so'rovga butun oyna yuborilsa — pul yondi.
  • Sifat: kontekst qancha to'lsa, modelning diqqati shuncha tarqaladi. 100K dan keyin "iskala" effekti — eng muhim narsa unutiladi.
  • Sessiyalar orasidagi davomiylik: yangi suhbatda kontekst nolda. Agent kechagi gapingizni bilmaydi.
  • Hajmi cheklangan: 200K token bu juda ko'p, lekin bir yilning ish kunlari logini sig'dirmaydi.

Yechim — kontekst ichiga butun tarixni emas, balki kerakli qismni olib kelish. Buning uchun xotirani qatlamlarga bo'lish kerak.

Xotira qatlamlari​

1. Working memory (ishchi xotira)​

Eng yuqori qatlam — hozirgi sessiya. Bu — model ko'rayotgan barcha narsa: tizim promti, suhbat tarixi, joriy savol, ulangan hujjatlar.

  • Hajmi: model kontekst oynasi (200K Claude uchun).
  • Tezligi: darhol — token-by-token.
  • Xarajati: har bir so'rovda to'lanadi.
  • Vazifa: bevosita javob berish uchun zarur kontekstni tutib turish.

Optimallashtirish: prompt caching (Anthropic), kontekstni stabil hujjatlar bilan to'ldirish (cache hit beradi), oxirida o'zgaruvchi savolni qo'shish.

2. Episodic memory (epizodik xotira)​

Suhbat tarixi va aniq voqealar. "Kecha biz mahsulot narxi haqida nima gaplashgan edik?" — bu epizodik xotira savoli.

  • Saqlanish joyi: vektor ma'lumotlar bazasi (Pinecone, Qdrant, pgvector) yoki SQL.
  • Indekslash: har bir xabar embedding ga aylanadi, semantik qidiruv mumkin.
  • Yuklash: foydalanuvchi savol berganida — embedding orqali eng yaqin epizodlarni topish va kontekstga qo'shish.

Amaliy yondashuv: agar sessiya 30 ta xabardan uzun bo'lsa — eski xabarlarni umumlashtirish (summarization), umumlashtirilgan blokni saqlash, asl xabarlarni vektor DB ga.

3. Semantic memory (bilim xotirasi)​

Bilim bazasi — fakt, qoida, qo'llanma, hujjat. Bu — RAG ning klassik vazifasi.

  • Saqlanish joyi: vektor DB + matn arxivi.
  • Yangilanish: tashqi manbalardan yangi hujjatlar kelganida.
  • Yuklash: savolga muvofiq eng mos hujjat parchalarini kontekstga qo'shish.

Tipik chunk-strategy: 500–1000 token bo'laklarga bo'lish, 10–15% overlap, har biriga metadata (manba, sana).

4. Procedural memory (jarayonli xotira)​

Qoidalar, paternlar, qaror qabul qilish protokollari. Bu — agent o'zini qanday tutishi haqida.

  • Saqlanish joyi: matn fayllar (CLAUDE.md, rules.md, system-prompt.md).
  • Yuklash: har bir sessiya boshida tizim promtga qo'shiladi.
  • Yangilanish: qo'lda yoki self-improvement orqali (agent o'z xatolaridan o'rganadi).

Hooks — xotirani avtomatlashtirish​

Faqat xotirani saqlash kam — uni avtomatik yangilash kerak. Hooks shu uchun.

Tipik hook-lar:

  • pre-query: savol kelganida — semantik qidiruv, kontekstga top-K natijani qo'shish.
  • post-query: javob berilgandan keyin — bu epizodni xotiraga yozish.
  • session-end: sessiya tugaganda — uzun suhbatni umumlashtirish, asl xabarlarni arxivga.
  • rule-violation: agent biror qoidani buzganida — bu kuzatuvni lessons.md ga yozish.

Hook-lar dasturlash darajasida amalga oshiriladi (Python skriptlar, agent SDK-lari) yoki klient sozlamalarida (Claude Code-da .claude/settings.json orqali).

O'z-o'zini takomillashtirish​

Eng kuchli pattern — agent o'z xatolaridan o'rganadi. Bu shunday ishlaydi:

  1. Foydalanuvchi tuzatish kiritadi ("yo'q, bunday emas")
  2. Hook tuzatishni qayd qiladi: episodes/2026-05-28-correction.md
  3. Vaqti-vaqti bilan (kuniga 1 marta, masalan) — agent o'zining episodes-ni o'qiydi, qaytadigan paternlarni topib, ularni rules.md ga ko'taradi
  4. Yangi qoida — keyingi sessiyada avtomatik qo'llaniladi

Bu — kichik LLM-classifier yoki promt-template orqali bajariladigan vazifa. Murakkab emas, lekin agentni tirik qiladi.

Amaliy maslahatlar​

  • Boshlang sodda: faqat CLAUDE.md + suhbat log. RAG va vektor DB keyinroq, agar haqiqatan kerak bo'lsa.
  • Tezlik muhim: agar xotirani yuklash 2 soniya olsa — foydalanuvchi shovqinni sezadi. Asinxron yoki kechiktirib yuklang.
  • Sifatni o'lchang: xotira yangilanganda — javob sifati o'zgardimi? Aniq misollarda tekshiring.
  • Privacy: foydalanuvchi ma'lumotlarini saqlash — javobgarlik. Encryption at rest, GDPR-uyumlilik, foydalanuvchining "unut meni" tugmasi.

Keyingi qadamlar​