Как работает память Hermes Agent: архитектура, провайдеры и плагины для непрерывного AI

ИИ-агенты перестают быть полезными в тот момент, когда забывают, что произошло вчера. Чат-бот поддержки, теряющий предпочтения пользователя, исследовательский агент, повторяющий одни и те же поиски, или агент автоматизации, неспособный продолжить после перезапуска, — все упираются в одну и ту же стену: память. Память Hermes Agent важна, потому что она превращает разовые выводы модели в непрерывную работу с сохранением состояния, которая может продолжаться между сессиями, инструментами и каналами.

Hermes Agent лучше всего понимать как ориентированную на агентов среду выполнения для автономных рабочих процессов, которые обучаются со временем. Она предоставляет агентам структурированный способ сохранения контекста через файлы, такие как MEMORY.md и USER.md, а также поддерживает внешние провайдеры, например Honcho. Это делает память достаточно гибкой для ассистентов в мессенджерах, исследовательских рабочих процессов, автоматизации браузера, запланированных задач и выполнения под-агентов.

Вместо того чтобы каждый раз начинать с нуля, Hermes Agent может опираться на предыдущий контекст и поддерживать рабочие процессы, которые улучшаются со временем.

Для разработчиков настоящий вопрос не в том, существует ли память, а в том, как она захватывается, хранится, извлекается и расширяется, не делая агента шумным или дорогим. В разделах ниже разбираются сам слой памяти, среда выполнения вокруг него, варианты провайдеров, хуки плагинов, практики эксплуатации и инфраструктурные решения, которые позволяют сохранять постоянных агентов живыми неделями вместо минут.

Что такое память Hermes Agent?

Память Hermes Agent — это постоянный слой контекста, который помогает агенту запоминать информацию между сессиями. Вместо того чтобы рассматривать каждый разговор как начало с нуля, Hermes может хранить полезные детали о пользователях, рабочих процессах, предпочтениях, задачах и предыдущих результатах.

На базовом уровне память Hermes Agent помогает агенту отвечать на такие вопросы, как:

• Кто этот пользователь?
• Что они просили меня сделать ранее?
• Каким предпочтениям я должен следовать?
• Какие проекты или рабочие процессы выполняются?
• Какие факты я должен сохранить для будущих сессий?

Hermes использует встроенные файлы памяти, такие как MEMORY.md и USER.md. MEMORY.md хранит постоянные заметки агента, а USER.md поддерживает контекст, специфичный для пользователя. Hermes также хранит историю сессий, чтобы на предыдущие разговоры можно было ссылаться позже.

Это отличает память Hermes Agent от простой истории чата. История чата записывает, что произошло. Память решает, что должно иметь значение в дальнейшем.

Например, если пользователь неоднократно просит агента исследовать конкурентов, обобщить результаты и опубликовать обновления, агент может постепенно выучить структуру этого рабочего процесса. Он может запомнить предпочтительные форматы, повторяющиеся инструменты, ключевые сущности и шаблоны задач. Со временем это превращает агента из реактивного помощника в более полезную автономную систему.

Когда память определена, следующий шаг — понять, почему она важна для агентов, работающих за пределами одной сессии.

Как работает межсессионная память Hermes Agent?

Память Hermes Agent предназначена для переноса контекста из одной сессии в следующую. Вместо того чтобы рассматривать каждый разговор как чистый лист, Hermes может хранить полезную информацию и извлекать её позже, когда она станет актуальной.

На высоком уровне поток памяти работает следующим образом:

1. Пользователь взаимодействует с Hermes Agent.
2. Агент определяет информацию, которую стоит сохранить.
3. Эта информация сохраняется в постоянной памяти.
4. Hermes обобщает более длинный контекст с помощью LLM.
5. Память индексируется для поиска.
6. Будущие сессии могут искать и повторно использовать эту память.

Ключевая часть этого процесса — поиск. Память Hermes Agent может использовать SQLite FTS5, поисковый движок полнотекстового поиска SQLite, для эффективного извлечения релевантной сохраненной памяти. Это помогает агенту находить старую информацию без загрузки каждого прошлого разговора в окно контекста.

Обобщение с помощью LLM также важно. Сырые журналы разговоров могут стать слишком длинными и зашумленными. Hermes может обобщать прошлые взаимодействия в более компактные записи памяти, делая поиск чище и уменьшая раздувание контекста.

В результате получается система памяти, которая может хранить подробную историю, сохраняя при этом фокус будущих запросов.

Объяснение архитектуры памяти Hermes Agent

Архитектуру памяти Hermes Agent можно понять через пять слоёв:

• Захват
• Обработка
• Хранение
• Поиск
• Выполнение.

Каждый слой выполняет свою задачу, чтобы среда выполнения могла решить, что сохранить, как организовать и когда внедрить обратно в подсказки или инструменты. Давайте подробно разберём слои:

1. Слой захвата

Слой захвата собирает информацию из взаимодействий с пользователем, ответов агента, выводов инструментов, файлов, активности браузера и разговоров на платформах обмена сообщениями.

Не каждая часть информации должна стать долговременной памятью. Система должна различать временный контекст и долговременные знания. Например, одноразовая инструкция может не требовать сохранения, но предпочтение пользователя или повторяющийся рабочий процесс, вероятно, должны.

2. Слой обработки

Слой обработки решает, что делать с захваченной информацией. Он может обобщать длинные обмены, классифицировать полезные факты, удалять ненужную информацию и подготавливать контент для хранения.

Этот слой важен, потому что сырые журналы чата могут стать беспорядочными. Без обобщения и фильтрации память раздувается, а поиск становится менее полезным.

3. Слой хранения

Слой хранения сохраняет память во встроенных файлах, базах данных сессий или внешних провайдерах.

Hermes включает встроенную память через файлы, такие как MEMORY.md и USER.md. Он также может работать с внешними провайдерами памяти. В документации Hermes перечислены плагины провайдеров, включая Honcho, OpenViking, Mem0, Hindsight, Holographic, RetainDB, ByteRover и Supermemory.

4. Слой поиска

Слой поиска возвращает релевантную память в контекст до того, как агент ответит.

Когда активен внешний провайдер памяти, Hermes может предварительно загружать релевантные воспоминания перед каждым шагом, внедрять контекст провайдера в системный запрос и синхронизировать шаги разговора обратно с провайдером после ответа.

5. Слой выполнения

Слой выполнения — это место, где память влияет на действия. Агент использует извлечённый контекст при вызове инструментов, выполнении задач в браузере, делегировании под-агентам или ответе через платформы обмена сообщениями.

Здесь память становится операционной. Она не просто лежит в хранилище. Она меняет то, что агент делает дальше.

Три уровня памяти Hermes Agent: основная, архивная и вспоминательная

Память Hermes Agent можно понять через три практических уровня: основная память, архивная память и память вспоминания.

1. Основная память

Основная память содержит самые важные факты, которые агент должен всегда помнить. Это может включать предпочтения пользователя, личность, повторяющиеся инструкции, контекст проекта и важные правила работы.

Примеры включают:

• Предпочтительный формат ответа
• Долгосрочные цели проекта
• Важные предпочтения пользователя
• Правила персоны агента
• Стабильные инструкции рабочего процесса

Основная память должна оставаться краткой. Это слой памяти агента с высоким приоритетом.

2. Архивная память

Архивная память хранит большие объёмы исторической информации. Это может включать предыдущие разговоры, завершённые задачи, результаты исследований, журналы и длинные заметки.

Архивная память полезна, потому что не всё должно быть в основной памяти. Некоторая информация может не требоваться каждый раз, но должна быть доступна, когда актуальна.

Примеры включают:

• Прошлые обобщения исследований
• Результаты предыдущих задач
• Исторические запросы пользователей
• Заметки по проекту
• Записи длительных рабочих процессов

Архивная память даёт Hermes Agent глубину без перегрузки активного контекста.

3. Память вспоминания

Память вспоминания — это слой, который извлекает полезную информацию при необходимости. Когда пользователь задаёт вопрос или начинает задачу, Hermes может искать в сохранённой памяти и возвращать релевантный контекст в разговор.

Здесь FTS5 и обобщение становятся полезными. Вместо того чтобы полагаться только на недавнюю историю чата, Hermes может искать по постоянной памяти и вспоминать, что важно.

Простыми словами:

Память вспоминания помогает агенту найти нужную информацию в нужное время.

Основная память говорит агенту, что он всегда должен знать.

Архивная память хранит то, что может понадобиться агенту позже.

Как система памяти работает со временем?

Система памяти Hermes Agent следует жизненному циклу, а не однократной операции записи. Хорошие агенты не сохраняют всё. Они решают, что стоит сохранить, сжимают то, что слишком велико, и удаляют то, что перестало быть полезным.

Жизненный цикл обычно выглядит так:

Вот перевод HTML-контента с английского на русский язык. Все HTML-теги сохранены в точности как в оригинале.

1. Происходит взаимодействие или событие инструмента: Сообщение пользователя, результат браузера, изменение файла или вывод сабагента поступают в среду выполнения.
2. Агент оценивает значение памяти: Среда выполнения проверяет, имеет ли событие долгосрочную важность, краткосрочную актуальность или не имеет будущей ценности.
3. Память записывается или обобщается: Важные элементы сохраняются напрямую или сжимаются в более компактную долговечную форму.
4. Индексы обновляются: Поисковые метаданные, векторные вложения или ключи поиска обновляются для последующего извлечения.
5. Релевантный контекст извлекается позже: Когда начинается следующая задача, среда выполнения извлекает только ту память, которая соответствует текущей цели.
6. Элементы с низкой ценностью архивируются или удаляются: Старые журналы, дублированные заметки и устаревший контекст сжимаются, перемещаются или отбрасываются.

Агенты работают точнее, если жизненный цикл включает очистку. Без неё даже хорошие модели поиска начинают выдавать мусор вместо сигнала.

Кому следует использовать память агента Hermes?

Память агента Hermes полезна разработчикам и командам, создающим агентов, которым необходима непрерывность в рамках более чем одной задачи или диалога.

Особенно она полезна для:

• Разработчиков, создающих долгоживущих ИИ-агентов
• Команд, создающих ассистентов для обмена сообщениями в Slack, Discord, Telegram или по электронной почте
• Создателей автоматизации, запускающих браузерные, исследовательские или запланированные рабочие процессы
• ИИ-команд, которым нужен контекст, специфичный для пользователя, в рамках нескольких сессий
• Операторов, управляющих агентами, которые координируют инструменты, файлы и сабагентов

Если агент отвечает только на изолированные запросы, может быть достаточно базового контекста чата. Но если ему нужно запоминать пользователей, проекты, предпочтения, предыдущие результаты или повторяющиеся рабочие процессы, память агента Hermes становится ключевой частью архитектуры системы.

После того как жизненный цикл стал понятен, следующее решение — где должна храниться память.

Провайдеры памяти агента Hermes

Провайдеры памяти агента Hermes могут следовать разным шаблонам хранения и извлечения в зависимости от того, что больше всего нужно вашему агенту: прозрачность, скорость, масштаб или осведомленность о связях. Ни один бэкенд не подходит для всех задач.

Большинство вариантов провайдеров можно разделить на несколько практических категорий:

• Файловая память: Хорошо подходит для проверяемых долгосрочных заметок, легковесных конфигураций и знаний под контролем версий
• Векторные базы данных: Лучший выбор, когда важен семантический поиск по большим наборам памяти
• Реляционные базы данных: Полезны для структурированных сущностей, метаданных и запросов через SQL
• Графовые базы данных: Помогают, когда связи между людьми, задачами и концепциями определяют качество извлечения
• Кэш-память типа Redis: Быстрая для краткосрочного состояния, недавней активности и временной координации
• Внешние платформы памяти: Стоит рассмотреть, если нужен выделенный слой памяти вне основной среды выполнения

Выбор часто зависит от того, нужны ли вашему агенту проверяемые файлы, семантическое вспоминание или высокоскоростное операционное состояние. Многие продакшн-системы комбинируют два или более подхода вместо того, чтобы полагаться на один.

В таблице ниже показано, где подходят распространенные варианты.

Провайдер	Наилучшее применение	Основное преимущество	Компромисс
Honcho	Память агента и рабочие процессы с контекстом пользователя	Внешний слой памяти с шаблонами извлечения, учитывающими пользователя	Требует тщательной оценки в продакшне и координации с провайдером
Pinecone	Векторный поиск в масштабе	Быстрое семантическое извлечение из больших наборов памяти	Менее читаемый для человека по сравнению с файловыми подходами
Redis	Краткосрочная память и кэш	Очень быстрые чтение и запись	Не идеален в качестве единственного слоя долгосрочной памяти
Neo4j	Память с большим количеством связей	Мощный обход графа для связанных фактов и сущностей	Требует больше работы по моделированию на начальном этапе
pgvector	SQL плюс векторный поиск в PostgreSQL	Структурированные данные и вложения в одном стеке	Может потребовать настройки по мере роста объема памяти

Правильный провайдер зависит от сценария использования. Одинокий разработчик может начать со встроенной памяти. Продакшн-ассистент с множеством пользователей может нуждаться в провайдере, поддерживающем моделирование пользователя, извлечение и наблюдаемость.

Командам, которым нужно более глубокое моделирование пользователя, стоит понять, как работает один из провайдеров — Honcho.

Как Honcho может вписаться в память агента Hermes?

Память агента Hermes от Honcho — один из самых важных аспектов провайдеров, который стоит осветить, поскольку Honcho задокументирован как официальный провайдер памяти Hermes.

В документации Hermes Honcho описывается как AI-native бэкенд памяти, который добавляет диалектическое рассуждение и глубокое моделирование пользователя поверх встроенной системы памяти Hermes. Он поддерживает текущую модель пользователя, включая предпочтения, стиль общения, цели и шаблоны.

Собственная документация Honcho утверждает, что он предоставляет Hermes постоянную кросс-сессионную память и моделирование пользователя. Там также говорится, что Hermes Agent — это агент ИИ с открытым исходным кодом, который умеет вызывать инструменты, имеет доступ к терминалу, систему навыков и кроссплатформенное развертывание через такие каналы, как Telegram, Discord, Slack и WhatsApp.

Простая псевдоконфигурация может выглядеть так:

Реалистичный шаблон конфигурации может выглядеть так:

memory:
  provider: honcho
  honcho:
    api_key: ${HONCHO_API_KEY}
    project_id: hermes-production-agent

Точная конфигурация должна соответствовать текущей документации Hermes и Honcho, но здесь показана общая идея: Honcho становится слоем провайдера, в то время как Hermes продолжает использовать свою встроенную память.

Honcho полезен, когда агенту требуется более глубокое понимание пользователя. Например, персональный ассистент, агент для работы в команде или исследовательский ассистент могут нуждаться в запоминании целей, предпочтений и повторяющихся шаблонов в рамках нескольких диалогов.

Провайдеры определяют, где хранится память, а плагины помогают формировать её поведение.

Плагины памяти агента Hermes

Плагины памяти агента Hermes позволяют разработчикам изменять поведение памяти без переписывания всей среды выполнения. Это важно, когда нужны пользовательская фильтрация, ранжирование для конкретной предметной области или фоновые задачи синхронизации, привязанные к событиям памяти.

Система плагинов может поддерживать хуки жизненного цикла, такие как:

Хук	Что делает	Пример
Pre-write (Перед записью)	Очищает или классифицирует память перед сохранением	Удалить конфиденциальные данные перед сохранением
Post-write (После записи)	Индексирует или синхронизирует память после сохранения	Отправить новую память провайдеру
Pre-retrieve (Перед извлечением)	Фильтрует или ранжирует память перед использованием	Приоритезировать контекст конкретного проекта
Post-retrieve (После извлечения)	Сжимает или форматирует извлеченный контекст	Суммировать память перед вставкой в промпт

Система провайдеров Hermes уже поддерживает инструменты, специфичные для провайдера, которые позволяют агенту искать, хранить и управлять памятью.

Расширяемость может идти дальше хуков. Пользовательские каталоги навыков и сторонние навыки дают командам возможность добавлять предметно-ориентированные действия, которые генерируют память контролируемым образом. Корневой доступ также позволяет изменять системную конфигурацию, когда плагину нужны пакеты, локальные службы или специальные пути к файлам.

Плагины наиболее эффективны, когда каждый хук имеет узкое назначение. Небольшие, хорошо наблюдаемые хуки легче отлаживать, чем один большой плагин, который затрагивает каждый этап.

Как только память работает, главная цель — сохранить её полезной, точной и управляемой.

Лучшие практики управления памятью

Управление памятью агента Hermes в основном сводится к контролю сигнала. Если всё сохраняется и ничего не пересматривается, качество извлечения падает, затраты растут, а промпты заполняются низкоценным контекстом.

Команды обычно добиваются лучших результатов, если с самого начала следуют нескольким правилам работы:

1. Разделяйте память по типу

По возможности храните отдельно предпочтения пользователей, историю задач, детали проектов, результаты работы инструментов и системные заметки.

2. Суммируйте длинные истории

Агентам не нужно каждое слово из каждого сеанса. Им нужны долговечные инсайты, которые улучшают будущие ответы.

3. Отслеживайте качество извлечения

Проверяйте, извлекает ли агент релевантные воспоминания в контекст. Если нет, улучшайте фильтрацию, тегирование или настройку провайдера.

4. Используйте правила вытеснения

Некоторая память должна устаревать. Удаляйте временные детали проектов, устаревшие инструкции и низкоценные журналы, когда они перестают быть полезными.

5. Резервируйте критические файлы

Относитесь к MEMORY.md, USER.md, навыкам, журналам и конфигурации провайдера как к продакшн-активам.

6. Балансируйте ценность памяти и стоимость

Внешние провайдеры памяти могут улучшить поиск и моделирование пользователей, но также могут добавить операционные накладные расходы. Гибридная настройка может работать хорошо: встроенная память для основного хранения и внешние провайдеры для более богатого поиска.

Совет: Создайте одну политику хранения для краткосрочного операционного состояния и другую для долговременных знаний. Смешивание этих горизонтов — частая причина того, что агенты либо слишком много забывают, либо слишком много помнят.

Хорошие операции с памятью — это не столько идеальная база данных, сколько дисциплинированные границы между тем, что временно, что долговечно, а что вообще никогда не должно храниться.

Память Hermes Agent против памяти LangChain

Оба подхода работают с контекстом, но они построены по-разному. Hermes размещает память внутри среды выполнения, ориентированной на агента, в то время как память LangChain часто используется как абстракция на уровне фреймворка внутри более крупных цепочек, графов или конвейеров приложений.

Сравнение бок о бок помогает прояснить разницу.

Область	Память Hermes Agent	Память LangChain
Основной вариант использования	Постоянная память внутри среды выполнения, ориентированной на агента	Абстракция памяти внутри цепочек, графов и пользовательских LLM-приложений
Концепция памяти	Построена вокруг долгоживущих агентов, работающих в разных сессиях	Построена вокруг определяемых разработчиком рабочих процессов и шаблонов оркестрации
Постоянство	Предназначена для кросс-сессионной памяти и долгосрочного контекста агента	Зависит от серверной части хранения и настройки разработчика
Поиск	Сосредоточен на извлечении полезного контекста агента во время будущих сессий	Может поддерживать поиск через интеграции, ретриверы и модули памяти
Настройка	Поддерживает специфичное для агента поведение памяти, провайдеров и плагинов	Очень гибкая, но требует больше ручной настройки и оркестрации
Наилучшее применение	Постоянно работающие агенты, автономные рабочие процессы и ассистенты на основе сообщений	Пользовательские LLM-приложения, RAG-конвейеры и фреймворки для агентских приложений
Потребности в инфраструктуре	Требует постоянной среды выполнения, стабильного хранения и VPS-развертывания	Зависит от архитектуры приложения и настройки развертывания

Распространенные проблемы с памятью Hermes Agent и их решения

Ни один из подходов не является автоматически лучшим. Правильный выбор зависит от того, хотите ли вы среду выполнения, построенную вокруг постоянного агента, или набор инструментов для сборки собственных шаблонов оркестрации.

Проблема	Что происходит	Решение
Память становится зашумленной	Агент хранит слишком много малозначимой или устаревшей информации.	Добавьте правила суммаризации, фильтрации и очистки.
Поиск замедляется	Память разрастается, и простой поиск занимает больше времени.	Используйте более быстрое хранилище, индексацию или выделенного провайдера памяти.
Контекст становится слишком большим	Слишком много извлеченной памяти попадает в промпт.	Ранжируйте, сжимайте или суммаризируйте извлеченный контекст перед вставкой.
Локальная настройка не работает	Агент останавливается, когда локальный компьютер отключается.	Перенесите среду выполнения и память на постоянный VPS.
Память Docker теряется	Память хранится внутри контейнера, а не в постоянном томе.	Настройте тома Docker для памяти, сессий и данных агента.
Расходы на провайдера растут	Внешние вызовы памяти увеличиваются по мере масштабирования.	Используйте гибридную настройку со встроенной памятью и поиском через провайдера.
Плагины конфликтуют	Несколько плагинов изменяют один и тот же поток памяти.	Определите четкие хуки жизненного цикла и тестируйте плагины по отдельности.
Резервные копии отсутствуют	Память не может быть восстановлена после удаления или неправильной настройки.	Настройте регулярное резервное копирование и протестируйте шаги восстановления.

Агентам с интенсивным использованием памяти нужно больше, чем хороший дизайн программного обеспечения. Им также нужна надежная инфраструктура.

Требования к инфраструктуре для агентов с интенсивным использованием памяти

Память Hermes Agent требует стабильной инфраструктуры, потому что долгоживущие агенты — это не кратковременные рабочие нагрузки. Они остаются активными, пишут логи, извлекают память, запускают инструменты и отвечают в разных каналах.

Ключевые требования к инфраструктуре включают:

• Хранилище NVMe SSD для памяти, логов и артефактов выполнения
• Достаточный объем ОЗУ для индексации и параллельного выполнения
• Выделенные ресурсы CPU для стабильной производительности
• Доступ root для пользовательских провайдеров и плагинов
• Надежное время безотказной работы для ассистентов на основе сообщений
• Резервное копирование и снимки для восстановления
• Вертикальное масштабирование по мере роста памяти

Вот почему VPS может быть практической средой развертывания для Hermes Agent. Он позволяет памяти и среде выполнения быть независимыми от локального компьютера. А также дает разработчикам контроль над файлами, провайдерами, навыками и серверными частями выполнения.

Почему стоит запускать память агента на Bluehost VPS?

Локальный запуск Hermes Agent может быть достаточным для тестирования, но рабочие процессы, основанные на памяти, нуждаются в инфраструктуре, которая может оставаться доступной за пределами одного устройства или сессии. С Bluehost VPS Hermes Agent может работать круглосуточно, сохраняя файлы памяти, логи, навыки и конфигурацию на постоянном NVMe-хранилище.

Bluehost VPS полезен для Hermes Agent, поскольку поддерживает:

1. Постоянно работающая среда выполнения агента

Держите Hermes Agent доступным, даже когда ваш ноутбук отключен или локальная сессия завершена.

2. Постоянное хранение памяти

Храните MEMORY.md, USER.md, логи, навыки и конфигурацию в стабильной серверной среде.

3. Полный root-доступ

Настраивайте провайдеров, плагины, параметры выполнения и поведение памяти в соответствии с вашим рабочим процессом.

4. Выделенные ресурсы VPS

Запускайте задачи агента с интенсивным использованием памяти с изолированными вычислительными ресурсами, хранилищем и пропускной способностью.

5. Простой доступ к Hermes

Bluehost предоставляет доступ к Hermes Agent в один клик, помогая разработчикам быстрее перейти от настройки к производственным рабочим процессам.

6. Масштабируемая инфраструктура

Масштабируйтесь вертикально по мере роста рабочей нагрузки агента, объема памяти и потребностей в автоматизации.

Для разработчиков, переходящих от экспериментов к производству, Bluehost VPS дает Hermes Agent надежную основу, необходимую для непрерывной работы, сохранения памяти и поддержки долгосрочных автономных рабочих процессов.

Создавайте постоянные рабочие процессы агентов с Hermes Agent

Полезные агенты определяются не только умными промптами. Они становятся надежными, когда память работает как живая система, с четкой архитектурой, правильным выбором провайдеров и хуками плагинов, которые формируют то, как знания хранятся и извлекаются.

Вот что делает память Hermes Agent важной для производственных рабочих процессов. Она дает долгоживущим агентам непрерывность, чтобы помнить контекст, учиться на прошлых взаимодействиях и улучшаться со временем.

Для серьезных развертываний начните с картографирования ваших слоев памяти, выбора правильной комбинации провайдеров и запуска стека на инфраструктуре, созданной для постоянства. Начните с Bluehost VPS, чтобы запустить Hermes Agent с доступом в один клик, выделенными ресурсами, root-доступом и надежным хранилищем для постоянно работающих рабочих процессов агентов.

Часто задаваемые вопросы

Honcho может выступать в качестве внешнего слоя провайдера для осведомленной о пользователе памяти и рабочих процессов извлечения. Команды обычно оценивают его, когда им нужно централизованное поведение памяти между агентами или более сильные паттерны извлечения на основе идентичности.