Шість інструментів пам’яті агентів, ранжованих за одним тестом: чи можуть вони обробляти змінені факти?
Шість інструментів пам’яті агентів стикаються з одним тестом: чи зможуть вони працювати зі зміненими фактами? Zep, Cognee, Mem0, Letta, LangChain Memory та звичайні векторні сховища, а також місце, яке посідає кожен з них.
Джерела: I Compared 6 AI Agent Memory Tools. Three Fail One Test.
Уявіть агента, якому півроку тому сказали, що Python — це вся ідентичність користувача. Минулого тижня користувач згадав про перехід на Rust. Тепер хтось запитує, на якій мові слід створити новий сервіс. Простий сховище векторів повертає обидві інформації з однаковою впевненістю, адже механізм визначення схожості не має уявлення про те, яке твердження є актуальним.
Ця одна невдача є найкращим критерієм для оцінки інструментів пам’яті агентів. Шість з них пройшли цей тест, а три — ні.
Тест з трьох рядків, який більшість інструментів пам’яті не може пройти
Тест короткий: збережіть факт А, збережіть факт Б, який скасовує факт А, а потім зробіть запит щодо цієї теми та подивіться, який факт буде повернутий.
Просте сховище повертає обидва факти. Справжня пам’ять відповідає, що це Rust, розуміючи, що Python тепер є минулим. Різниця між цими двома способами роботи є причиною того, чому команди витрачають чимало часу.
Біль є конкретним. Співробітник підтримки постійно пропонував клієнту, який три тижні раніше перейшов на щомісячну підписку, річну версію. Інформація про зниження рівня підписки, як і первісна пропозиція про підвищення, зберігалася у базі даних. Цей „веселий“ старий варіант мав трохи вищу коефіцієнт схожості за методом косинуса, тож співробітник запропонував саме його, і людині довелося вибачатися. Ніхто не відправляв жодних помилок; система здійснювала саме те, для чого була створена, і саме в цьому полягала проблема.
Це зовсім не якась марна турбота. Наразі у цій галузі існують три стандарти оцінки: LoCoMo з 1 540 запитаннями, LongMemEval з 500 запитаннями та новіший BEAM, який працює з одним та десятьма мільйонами токенів. Кожен з цих стандартів має окремий механізм оновлення часових даних чи знань. Стандартизовані тести існують саме тому, що саме у випадках суперечностей системи починають безшумно виходити з ладу.
У звіті Mem0 „Стан пам’яті штучних агентів у 2026 році“ проблему називають застарілістю: інформація про роботодавця людини залишається актуальною доти, доки вона не змінить роботу, після чого вона вже є помилковою. У звіті описується також більш глибока форма цієї проблеми. Більшість систем просто перезаписують зміни та ніколи не фіксують їх як еволюцію, тож знання про те, що щось колись було правдою, зникає. LongMemEval безпосередньо перевіряє оновлення знань та здатність до темпорального міркування, а BEAM включає категорію під назвою „вирішення суперечностей“.
Одне застереження перед ранжуванням: LoCoMo та LongMemEval не тестувалися на локальному обладнанні. Висновки ґрунтуються на опублікованих оцінках кожного інструменту, його документації та вищезгаданому повторюваному ручному тесті. Кількісні показники від виробників надаються ними самими, тому тут вони виступають як твердження, а не як встановлені факти.
У списку нижче інструменти розташовані від найкращих до найгірших за результатами тесту на суперечності.
1. Zep: змінений факт стає подією, а не перезаписом
У своїй суті Zep використовує Graphiti — знаннєву мережу, яка враховує час, а не просто набір ембеддингів. Важливою властивістю є її бі-темпоральність. Кожна ребро фіксує як момент виникнення події, так і момент, коли система про неї дізналась, причому кожні стосунки мають чітко визначений період дійсності.
Коли з’являється запис «перейшов на Rust», Graphiti не просто додає майже ідентичний запис поруч із «віддає перевагу Python». Він помічає це суперечливе положення та видаляє старіший запис замість того, щоб просто його прибрати: інформація про Python отримує дату закінчення та залишається в записах. Запит повертає відповідь на сьогодні, а попередню історію все ще можна переглянути. Дизайн складається з трьох рівнів підграфів — одного для сирих епізодів, одного для семантичних ентитетів та одного для груп спільноти, що відображає спосіб, яким люди розділяють те, що сталося, від того, що вони знають. У дослідженні Zep цей інструмент перевершує MemGPT у тесті DMR (94,8% проти 93,4%). У складнішому тесті LongMemEval він досягає підвищення точності на двозначні відсотки та має приблизно на 90% меншу затримку у відповідях порівняно з базовим варіантом з повним контекстом.
Використовуйте його тоді, коли актуальність факту змінює правильні дії: CRM, охорона здоров’я, підтримка клієнтів чи будь-що індивідуалізоване протягом кількох місяців. Недолік очевидний – керування базою даних у форматі графа є значним технічним тягарем для проекту, створеного на вихідних.
2. Cognee: графічна пам’ять без керованої послуги
Cognee – це версія цієї ж ідеї з відкритим кодом. Він створює граф знань з неструктурованих даних, а потім знаходить потрібну інформацію, аналізуючи зв’язки між елементами та їх векторну схожість. Оскільки він моделює ентитети та способи їхнього з’єднання, у нього є можливість визначити, що новий факт про ентитет замінює старий.
Якщо все зроблено правильно, він працює. Друге місце відображає, скільки часових механізмів Cognee залишає користувачеві. Система надає граф та канали його обробки, тоді як правила щодо того, коли новий факт замінює старий, має бути розроблений командою. Ті, хто хоче мати пам’ять у вигляді графа та повний контроль, без керованих послуг, без оплати за кожне місце та з даними, які зберігаються у власному сховищі, побачать у цьому головну перевагу. Ті ж, хто сподівається завершити роботу до п’ятниці, вважатимуть це скоріше додатковим завданням.
3. Mem0: успіх завдяки великій кількості операцій пошуку, що відкрито визнано
Mem0 — це широко використовуваний спеціалізований шар пам’яті. Він переважно передає дані, але спосіб цього передавання є показовим. У цьому процесі не беруть участі графи. Натомість три сигнали пошуку працюють паралельно (семантична схожість, зіставлення ключових слів за алгоритмом BM25 та зіставлення ентитетів), а отримані об’єднані результати ранжуються. Зазвичай саме крок зіставлення ентитетів дозволяє вище посунути актуальний факт порівняно з застарілим.
Потрібно визнати заслуги в кількох аспектах. Сам звіт постачальника визнає, що проблеми, пов’язані з застарілими даними та ідентифікацією між сеансами, залишаються нерозв’язаними. У системі LoCoMo показник становить 92,5 при використанні приблизно 6 956 токенів на запит, порівняно з приблизно 26 000, коли весь історичний даний включається до контексту, що чітко впливає на витрати на обробку. Її підхід до організації даних також є розумним: кожен запис супроводжується ідентифікатором користувача, агента, сеансу чи організації, тож один сховище може відстежувати одного користувача протягом різних сеансів, залишаючи при цьому користувачів окремими. Це розумний стандарт, який пропонується у вигляді керованої хмарної сервісної платформи, самостійного хостингу на основі відкритого коду чи локального сервера MCP. Однак пройшовши тест, ще не означає, що проблема вирішена, про що автори чітко зазначають.
4. Letta: вирішує іншу проблему та бере на себе відповідальність за цю
Letta походить від MemGPT та запозичує ідею операційної системи. Вікно контексту виконує функцію оперативної пам’яті: факти, які потрібні часто, залишаються у основному контексті, решта переміщується у зовнішнє зберігання, а агент змінює власну пам’ять шляхом виклику функцій. Це підходить для ситуацій, коли розмова перевищує обсяг будь-якого вікна контексту.
Усунення суперечностей — не основна мета його створення. Використовується Rust чи Python залежно від того, чи переписав агент відповідний блок пам’яті, тому заміна старих фактів є дією, яку потрібно ініціювати, а не гарантією від системи зберігання. У управлінні контекстом він проявляє найкращі якості, тоді як обробка тимчасової інформації за конструкцією є лише середньою.
5. LangChain Memory: інструментарій, а не відповідь
LangChain пропонує класи пам’яті для буферів, резюме, ентитетів та графів знань, які працюють у будь-якому сховищі, що підключено. Уявіть собі це як коробку з деталями. Типи буферів та резюме одразу провалюють тест, оскільки вони накопичують або скорочують історію даних та не вирішують конфліктів.
Систему, яка пройде тест, можна скласти з елементів для ентитетів та графів, але тоді робота з темпоральною логікою лягає на розробника, а фреймворк лише надає необхідні елементи. LlamaIndex Memory належить до тієї ж категорії — він спрямований на зберігання документів, а не на узгодження змінюваних фактів. Обидва є корисними інструментами, але жоден з них не є надійною системою пам’яті для тестування вже з першого дня.
6. Просте сховище векторів: будь ласка, не називайте це пам’яттю
Ось варіант, якого варто уникати, хоча він є звичайним вибором у продакшені: сирий індекс Pinecone, pgvector чи Chroma, заповнений етапами розмови. Це шар зберігання, а не пам’ять. Відсутні показники актуальності, заміни та походження даних. Функція вбудованого пошуку повертає k найближчих „сусідів“, і як „prefers Python“, так і „switched to Rust“ опиняються поблизу запитання „яка мова?“
У звіті Mem0 спочатку критикується цей інстинкт, коли історія розмов накопичується у вікні контексту з надією, що модель буде це пам’ятати. Команда, яка під’єднала базу даних векторів безпосередньо до свого агента та назвала це пам’яттю, щоразу бачитиме, як тест на суперечливість провалюється. У продакшені це проявляється у тому, що агент наполегливо цитує факт, який користувач виправив тиждень тому.
З чого почати
Якщо актуальність коли-небудь може змінити правильну відповідь, почніть із темпорального підходу: використовуйте Zep, коли роботу потрібно виконати за вас, а Cognee — коли краще мати у власності граф. Якщо потрібна недорога, достатньо якісна робота з пошуком у різних сеансах, а іноді некоректні результати є прийнятними, то Mem0 — це найшвидший варіант. Простий сховище векторів має сенс лише тоді, коли потрібен індекс пошуку, а пам’яті немає.
Не кожному агенту потрібен граф знань, і тут нічого не стверджує протилежного. Бот без стану, який забуває про клієнта між заявками, часто має рацію, роблячи це. Темпоральний граф у такому випадку був би надмірним, а загальновідомий простий буфер — правильним вибором. Тест має значення лише тоді, коли агент має знати про людину протягом часу. У такій ситуації оберіть інструмент, здатний розділяти те, що було сказано, від того, що все ще є правдою.
Пов’язана література
- Пам’ять AI-агента у 2026 році: порівняння Mem0, Letta, Zep та хмарних платформ — Огляд пам’яті агентів у 2026 році: типи пам’яті CoALA, Mem0, Letta, Zep, хмарні послуги, критерії оцінки, ризики фальсифікації даних та вибір оптимального дизайну для конкретних завдань.
- Чотири стратегії пам’яті для AI-агентів: рухомі вікна, FAISS та GraphRAG — Порівняння способів надання пам’яті агентам на основі LLM, від повної історії дій та рухомих вікон до зворотних індексів, семантичного пошуку FAISS та графа знань GraphRAG.