Assajos, articles tècnics i reflexions sobre sistemes sobirans.
L'avaluació dirigida per l'agent indica a un usuari si Neotoma s'adapta. El nou subsistema de problemes permet al mateix agent presentar un error o una millora, intercanviar missatges amb el responsable i veure com arriba el canvi, tot a través de MCP, sense que cap humà obri mai una pestanya del navegador.
El primer problema amb l'execució de diversos agents és que s'obliden. La segona és que no es poden coordinar. Una capa d'estat que soluciona primer l'emmagatzematge i després afegeix senyalització es converteix en un sistema nerviós, no només en memòria.
Quan la intel·ligència artificial capaç absorbeix la major part de la producció d'artefactes al centre d'execució, el palanquejament humà es concentra en la base i la revisió. La coherència deixa de viure a les mans del passadís i comença a viure en estàndards explícits, artefactes de lectura creuada i judici que pots defensar a volum.
Quan molts agents escriuen a una memòria, necessiteu proves a cada fila: qui va signar, què se'ls permetia fer i no hi ha secrets compartits. Neotoma integra AAuth de manera que cada agent signa amb la seva pròpia clau i escriu mitjançant l'admissió de subvenció.
Sobre el paper de PM, la IA i l'estranya decisió de definir la teva feina al voltant de l'habilitat que s'acaba de comercialitzar.
Fa dotze anys vaig escriure una autopsia per a Plancast. Llegint-lo de nou ara, els modes de fallada no es tractaven realment de la mecànica del producte; es tractava de trobar a faltar agents personals d'IA, un substrat adequat per escriure i una malla sobirana entre ells. Tots tres existeixen ara, i la missió original es fa manejable d'una manera que l'era de l'alimentació no ho podria mai.
OpenClaw emmagatzema memòria en fitxers de reducció. Neotoma v0.4.3 es connecta de manera nativa com a capa d'estat estructurada a sota, donant als agents OpenClaw la procedència, la resolució d'entitats i l'historial de versions sense substituir l'agent.
Tres plataformes d'agents d'IA independents per valor de milers de milions van convergir en fitxers de text sense format per a la memòria. La convergència valida el problema. Els modes de fallada que comparteixen defineixen el que ve a continuació.
La majoria dels equips connecten la memòria de l'agent a qualsevol base de dades que ja tinguin. Funciona fins que dos agents escriuen a la mateixa botiga. Aleshores, una mala escriptura es propaga a la velocitat de la màquina, provocant accions aigües avall abans que cap humà pugui intervenir. La indústria s'està dirigint cap a una crisi de confiança que l'optimització de la recuperació no solucionarà.
Sarah Wooders argumenta que la memòria és l'arnès. Té raó sobre la gestió del context. S'equivoca que el context és tot el problema.
BEAM prova la recuperació amb 10 milions de fitxes. La integritat de l'estat es degrada a 500K. Els dos modes de fallada s'activen a diferents escales i ningú no compara l'anterior.
Les mètriques que impulsen l'adopció a la memòria d'IA són gairebé totes les mètriques de recuperació. És necessària una bona recuperació. Cap punt de referència àmpliament utilitzat prova què passa amb les dades emmagatzemades després que els agents hi escriguin.