Почему разработчики спорят о памяти AI-агентов: техника или философия?

На Хабре вышла типичная техническая статья о памяти для AI-агентов: SQLite, хранение контекста, поиск по накопленным знаниям, экономия токенов. Но комментарии под публикацией оказались куда интереснее самого текста.

Техника как повод для спора

На поверхности дискуссия выглядела стандартно: какую базу данных использовать, нужен ли семантический поиск или достаточно полнотекстового, как индексировать контекст. Одни настаивали, что SQLite перекрывает большинство задач — просто и надёжно. Другие требовали векторных хранилищ, RAG-пайплайнов, многоуровневых механизмов извлечения. Споры о производительности — привычное дело. Но по мере развития дискуссии за техническими аргументами начал проступать другой вопрос, куда более принципиальный.

Три позиции, которые не могут договориться

Разработчики, спорящие о памяти для агентов, на деле расходятся в том, чем считают самого агента. Грубо выделяется три позиции: * Инструментальная: память — это кеш. Агент работает лучше, если не нужно каждый раз восстанавливать контекст с нуля.

Задача сугубо инженерная: скорость, надёжность, экономия токенов. * Поведенческая: агент должен «помнить» предпочтения пользователя и адаптироваться к ним со временем. Это про персонализацию и пользовательский опыт.

* Идентичностная: агент должен иметь непрерывное «я» — ощущение собственной истории, которое влияет на суждения и решения здесь и сейчас. Внешне эти позиции конфликтуют по техническим вопросам — формат хранения, размер контекстного окна, политика забывания. Но на деле расходятся на уровне концептуальных ожиданий.

Если для одного «память» означает lookup-таблицу, а для другого — формирование идентичности агента, они не договорятся о структуре таблицы в базе данных.

«Проблема не в том, как хранить, — а в том, что мы вообще хотим

сохранить» — один из участников дискуссии точно сформулировал суть расхождения.

Почему инструментов достаточно, а вопросов нет Технически проблема памяти решена неплохо.

PostgreSQL с pgvector, Chroma, Pinecone, Redis, простой SQLite — каждый из этих инструментов закрывает реальные сценарии. Стек выбирается под задачу. Проблема в другом: у сообщества нет консенсуса о том, чем является агент, — а значит, нет чёткого ответа на вопрос, что именно нужно помнить. Если агент — автономная сущность, задача становится почти философской: * Как организовать непрерывность «я» между разными сессиями?

• Как решить, что важно запомнить, а что целенаправленно забыть?
• Как не дать накопленной памяти стать источником галлюцинаций?
• Где граница между персонализацией и формированием зависимости у пользователя? Эти вопросы не решаются выбором между SQLite и векторной базой данных.

Что это значит Дискуссия на Хабре — симптом более широкого раскола в профессиональном сообществе.

По мере того как AI-агенты выходят из прототипов в реальные продукты, фундаментальные вопросы об их природе перестают быть академическими. Команды, которые сегодня проектируют архитектуру памяти, де-факто решают, чем будет их агент — умным инструментом или чем-то, претендующим на большее. И пока этот вопрос открыт, технические споры будут продолжаться.