Мы храним текущее состояние агента (цели, эмоциональный контекст, активные темы) отдельно от долговременной памяти. При каждом взаимодействии система находит релевантные узлы из прошлого и строит связную историю (не просто набор chunks).
Граф мы сериалим в нарратив перед передачей в роутер стейт. LLM видит не "вот 5 похожих фактов", а "вот причинно-следственная цепочка событий с временным контекстом". Это даёт понимание истории, а не просто recall фактов.
Ну гибриды (Neo4j, Weaviate) мощнее чистых векторов или чистых графов. Мы используем комбинацию подходов, но детали реализации — наш competitive advantage 😉
регистрация и бюрократия в процессе. в 2026 выходим в рынок)
Мы храним текущее состояние агента (цели, эмоциональный контекст, активные темы) отдельно от долговременной памяти. При каждом взаимодействии система находит релевантные узлы из прошлого и строит связную историю (не просто набор chunks).
Граф мы сериалим в нарратив перед передачей в роутер стейт. LLM видит не "вот 5 похожих фактов", а "вот причинно-следственная цепочка событий с временным контекстом". Это даёт понимание истории, а не просто recall фактов.
Ну гибриды (Neo4j, Weaviate) мощнее чистых векторов или чистых графов. Мы используем комбинацию подходов, но детали реализации — наш competitive advantage 😉
а ой. Но в профиле есть. И еще наш ТГ)
он заехал на сервак сегодня)