⚡️ INITE Brain: память, время и границы для AI-агентов

На воркшопе разбираем bitemporal facts, lifecycle, locale-pinning, retract/forget, decision log, provenance, scopes. Поговорим о том, почему «память агента» — это не RAG, а полноценная когнитивная инфраструктура.. Спикер — Михаил Савченко, СЕО inite.ai.

ЧТО ВНУТРИ
- Зачем седлать новые архитектуры памяти
- Вторая жизнь Obsidian и Markdown-файлов
- Почему вопросы памяти важнее всего в ИИ-агентах
- Проблемы бесконечного увеличения контекстного окна моделей
- Эволюция механизмов памяти в коммерческих LLM
- Мифы вокруг Obsidian и концепции Second Brain
- Что такое универсальная онтология
- Векторные базы данных и семантический поиск (RAG)
- Четыре главные проблемы плоской памяти
- Понятие "точки актуальности" данных в бизнесе
- Управление данными агента: разница между Retract и Forget
- Память как управляемое состояние (State Management)
- Концепция битемпоральности памяти во времени
- Подходы к реализации мультиязычной памяти
- Обзор рынка решений: Mem0, Zep, Letta, LangMem
- Управление правами доступа (RBAC) и безопасность данных
- Демонстрация: Схема работы NightBrain
- СУБД SurrealDB — универсальный инструмент для ИИ-агентов
- Оптимизация и кэширование семантической экстракции
- Применение онтологических масок для удешевления запросов
- Кейс: Управление подписками через память агента
- Перезапись фактов и связные списки в графах
- Безопасность на уровне Data Layer, а не через промпты
- Сессия Q&A: Архитектура памяти под капотом и стоимость
- Как удешевить пайплайн: Каталог схем и ML-классификаторы
- Концепция светового конуса (White Cone) при чтении графа
- SQLite vs Obsidian и переход к SurrealDB
- Развитие Graph ML и нейросети поверх графовых баз данных
- Хранимые процедуры в SurrealDB и перенос вычислений
- Вопрос про Temporal: Интеграция с LangChain и LangGraph
- Автоматическое заполнение документов: от OCR к LLM
- Прогноз: Стоимость токенов и ночные тарифы на вычисления
- Извлечение фактов из многопользовательского шума

👉 Смотреть в Эволюции Кода