Память – это непреложный принцип: инженер-агент использует этот потенциал.

Этот вебинар предназначен для инженеров и разработчиков в области искусственного интеллекта, которые в настоящее время создают и внедряют системы на основе агентов и столкнулись с проблемой, когда оперативной разработки и одного вызова LLM уже недостаточно. Реализация систем на основе агентов по своей природе сложна. Она охватывает множество взаимозависимых компонентов, включая маршрутизацию моделей, оркестрацию инструментов, управление контекстом, циклы оценки и сохранение данных. Среди них память не является необязательной. Это неотъемлемая составляющая, которая отличает впечатляющие демонстрации от агентов, работающих в производственной среде. Без целенаправленного уровня памяти агенты забывают пользовательские предпочтения между сессиями, теряют состояние задачи в середине выполнения, повторяют дорогостоящие вызовы инструментов и всё больше отклоняются от намерений по мере продолжения работы. С таким уровнем они объединяют контекст, учатся на предыдущих запусках и ведут себя согласованно в масштабе. На этом вебинаре вы узнаете, что на самом деле составляет эффективную систему на основе агентов, как спроектировать её для вашего конкретного случая использования, почему память находится в её архитектурном ядре и какие примитивы Oracle корректно отображаются на каждый компонент стека. Мы рассмотрим конкретные шаблоны реализации, компромиссы между различными вариантами хранилищ данных и то, как развивать систему по мере развития вашего приложения от прототипа до производственной среды. После прохождения курса вы научитесь: Интегрировать память агентов Oracle AI в существующую систему управления агентами, независимо от выбранной вами платформы (LangChain, LlamaIndex, пользовательская или иная) Разрабатывать гибридную структуру памяти, объединяющую уровни базы данных и файловой системы, и понимать, когда следует использовать каждый из них Реализовывать шаблоны управления, соответствующие различным режимам работы приложений и сценариям использования, от одношаговых помощников до долго работающих автономных агентов Ресурсы: Слайды: https://bit.ly/slides-devcoach-052826 Репозиторий: https://github.com/oracle-devrel/oracle-ai-developer-hub/tree/main/notebooks/agent_harness Oracle AI Developer Hub: https://github.com/oracle-devrel/oracle-ai-developer-hub/ Страница ресурсов для разработчиков: https://www.oracle.com/developer/resources/ Курс DeepLearning.AI: https://www.deeplearning.ai/courses/agent-memory-building-memory-aware-agents Пакет Python для работы с памятью агентов Oracle AI: https://pypi.org/project/oracleagentmemory/