Memory jangka panjang: file, SQLite, vector store
A2 — Memory & Konteks
Window & ringkasan hilang saat sesi selesai. Memory jangka panjang menyimpan fakta lintas sesi — ini yang membedakan agen "aman" dengan agen yang "mengenalmu".
Tiga tingkat
- File / JSON — catatan fakta sederhana (
memory/notes.json). Cukup untuk profil user & preferensi. Tulis dengan schema tetap. - SQLite/DB — fakta terstruktur dengan metadata (waktu, sumber, confidence). Query tepat untuk "kapan terakhir dibahas".
- Vector store — embedding + similarity search untuk memory semi-terstruktur (catatan panjang, hasil riset) yang tidak bisa di-query dengan SQL.
Pola baca-tulis yang aman
- Tulis terjadi saat fakta baru terdeteksi (bukan setiap pesan): minta model mengekstrak fakta dari putaran, simpan dengan sumbernya.
- Baca terjadi setiap start sesi (tarik profil + konteks) dan saat pertanyaan menyebut topik yang mungkin pernah dibahas (retrieval).
- Verifikasi: jangan pernah menulis fakta yang model "ingat" tanpa sumber asli — simpan kutipan pesan aslinya.
Pitfall penting
Memory yang salah lebih buruk daripada tidak ada — user akan dikoreksi oleh omong kosong yang percaya diri. Selalu tampilkan dasar memory (kutipan/tanggal) saat agen memakainya.
Tugas: rancang schema memory untuk agenmu: 3 jenis fakta yang wajib disimpan, formatnya, dan dari pesan seperti apa fakta itu diekstrak.
A2