Natrag na AI agenti vodič

Oriphiel AI agenti vodič

Memorija agenta: kratkoročna i dugoročna

Kako agent pamti razgovor, radno stanje, preferencije, sažetke i trajne CRM činjenice bez miješanja memorije s izvorom istine.

Oriphiel stručni tim Ažurirano 21. 7. 2026. 4 min čitanja

Odgovor ukratko

Kratkoročna memorija je stanje trenutnog runa ili razgovora, a dugoročna memorija su spremljene činjenice, preferencije ili sažeci koji se mogu koristiti kasnije. U OpenClaw-u izvor istine ostaje CRM zapis. Agentova memorija može ubrzati rad, ali ne smije zamijeniti povijest aktivnosti, status leada ili audit log.

Ključne odluke

  • Razlikovati radnu memoriju, korisničke preferencije, CRM podatke i audit log.
  • Dugoročna memorija treba imati izvor, datum i mogućnost brisanja.
  • Sažetak se smije koristiti kao pomoć, ali važne odluke treba temeljiti na izvornim zapisima.
  • Memoriju treba ograničiti po agentu, korisniku i poslovnoj svrsi.

Provedba korak po korak

Cilj ove lekcije je dizajnirati memoriju koja pomaže bez kvarenja podataka. Korake treba provoditi redom i svaki potvrditi prije širenja opsega.

Preporučeni redoslijed

  • Definirati što se sprema nakon svakog agent runa.
  • Za dugoročnu memoriju zapisati owner, source, purpose i retention.
  • Dodati mehanizam za ispravak ili brisanje pogrešne memorije.
  • U context builderu dohvatiti samo memoriju relevantnu za trenutni zadatak.

Praktičan primjer

Praktičan primjer za developere i administratore CRM-a: tim prvo provodi korak „Definirati što se sprema nakon svakog agent runa.”, zatim provjerava „Potvrđena je ključna odluka: Razlikovati radnu memoriju, korisničke preferencije, CRM podatke i audit log.”. Odluka o nastavku ne donosi se prema dojmu, nego prema pokazatelju „Broj spremljenih memorijskih zapisa.”.

Kontrolna lista prije nastavka

Ova provjera odvaja završenu implementaciju od postavke koja samo izgleda dovršeno.

Provjerite

  • Potvrđena je ključna odluka: Razlikovati radnu memoriju, korisničke preferencije, CRM podatke i audit log.
  • Testiran je prvi korak provedbe: Definirati što se sprema nakon svakog agent runa.
  • Dogovoreno je početno mjerenje: Broj spremljenih memorijskih zapisa.

Najčešće pogreške i rizici

Rizike treba provjeriti prije povećanja prometa, automatizacije ili ovlasti sustava.

Na što treba paziti

  • Agent zapamti pogrešnu interpretaciju i ponavlja je u kasnijim odlukama.
  • Memorija sadrži osobne podatke bez svrhe i roka čuvanja.
  • Korisnik ne zna odakle dolazi tvrdnja koju agent koristi.
  • Stara memorija nadjača noviji CRM zapis.

Mjerenje rezultata

Učinak se procjenjuje kroz mali skup metrika koje su povezane s ciljem lekcije i stvarnim poslovnim ishodom.

Metrike koje imaju smisla

  • Broj spremljenih memorijskih zapisa.
  • Memorije bez izvora ili roka.
  • Ispravci memorije.
  • Korištenje memorije po agentu.
  • Incidenti zbog zastarjele memorije.

Česta pitanja

Koji je prvi korak za temu „Memorija agenta: kratkoročna i dugoročna”?

Definirati što se sprema nakon svakog agent runa. Prije nastavka potvrdite odluku: Razlikovati radnu memoriju, korisničke preferencije, CRM podatke i audit log.

Kako provjeriti da je provedba uspješna?

Potvrđena je ključna odluka: Razlikovati radnu memoriju, korisničke preferencije, CRM podatke i audit log. Nakon toga pratite metriku: Broj spremljenih memorijskih zapisa..

Koju pogrešku treba prvo spriječiti?

Agent zapamti pogrešnu interpretaciju i ponavlja je u kasnijim odlukama. Problem ispravite prije automatizacije ili povećanja budžeta.

Službeni i stručni izvori

Sučelja, pravila i preporuke mogu se mijenjati. Prije produkcijske izmjene provjerite aktualnu dokumentaciju.

Povezane AI-agent lekcije

Kontekst, tokeni i ograničenja AI agentaZašto agent ne smije dobiti sve podatke odjednom i kako se upravlja kontekstom, tokenima, sažimanjem i relevantnim dokumentima. Privatnost, redakcija i data retentionKako pripremiti podatke za AI agente: minimalni kontekst, redakcija osobnih podataka, retention rokovi, provider tokovi i audit. RAG, vector search i embeddingsKako agent dohvaća relevantne dokumente, FAQ, ponude i CRM bilješke kroz chunking, embeddings i semantičku pretragu. Arhitektura AI agenta u OpenClaw-uReferentna arhitektura za OpenClaw AI agente: ulaz, context builder, model, tool dispatcher, validacija, zapis stanja i audit log.

Povežite ovu temu s ostatkom sustava

OpenClaw automatizacijePrimijenite agente na jasan CRM proces s vlasnikom i mjerljivim ishodom. CRM dozvole i sigurnostUskladite tools, uloge i podatkovni opseg s backend kontrolama. Strukturirani podaciPripremite strojno čitljive izlaze i sadržaj koji se može pouzdano validirati.

Primijenite lekciju na stvarni projekt

Pošaljite postojeću konfiguraciju, cilj i problem koji želite riješiti. Dobit ćete prijedlog sljedećeg tehničkog ili operativnog koraka.

Pošaljite upitPregledajte sve vodiče