Η Databricks παρουσίασε το MemCurrent, μια αρχιτεκτονική επίμονης μνήμης για agents που λειτουργούν σε περιβάλλον παραγωγής. Το πρόβλημα που επιχειρεί να λύσει είναι γνώριμο σε πολλές ομάδες ανάπτυξης: οι agents μπορούν να δίνουν καλύτερες απαντήσεις όταν έχουν περισσότερο ιστορικό, αλλά το επιπλέον πλαίσιο αυξάνει το κόστος και την καθυστέρηση. Στην πράξη, αυτό οδηγεί συχνά σε έναν δύσκολο συμβιβασμό ανάμεσα στην ποιότητα και την αποδοτικότητα. Η εταιρεία υποστηρίζει ότι η μνήμη μπορεί να βελτιώσει και τα δύο ταυτόχρονα, αρκεί να διατηρείται μόνο ό,τι είναι πραγματικά χρήσιμο.
Η βασική ιδέα είναι ότι ένας agent δεν πρέπει να ξεκινά κάθε φορά από το μηδέν. Αν μπορεί να θυμάται προτιμήσεις του χρήστη, προηγούμενες διορθώσεις, ορισμούς μετρικών ή επιτυχημένες ροές εργασίας, τότε μπορεί να αποφεύγει επαναλαμβανόμενα λάθη και άσκοπες επανεκκινήσεις της ίδιας διερεύνησης. Ωστόσο, η Databricks τονίζει ότι περισσότερο ιστορικό δεν σημαίνει αυτομάτως καλύτερη μνήμη. Η ανεξέλεγκτη εισαγωγή όλων των παλιών αλληλεπιδράσεων μπορεί να επιβαρύνει το prompt με παρωχημένες, άσχετες ή αντικρουόμενες πληροφορίες.
Γιατί η μνήμη είναι δύσκολη υπόθεση στους enterprise agents
Στους agents επιχειρησιακής χρήσης, η μνήμη δεν είναι απλώς μια λίστα από παλιές συνομιλίες. Πρέπει να αποφασίζεται τι αξίζει να διατηρηθεί, πώς θα ενημερώνεται και με ποιον τρόπο θα μετριέται η χρησιμότητά της με την πάροδο του χρόνου. Αυτό είναι ιδιαίτερα κρίσιμο σε περιβάλλοντα όπου οι χρήστες θέτουν σύνθετα ερωτήματα γύρω από δεδομένα, πίνακες, μετρικές και εσωτερικές διαδικασίες. Αν το σύστημα δεν ξεχωρίζει το ουσιώδες από τον θόρυβο, η μνήμη γίνεται βάρος αντί για πλεονέκτημα.
Η Databricks περιγράφει τρεις βασικούς τρόπους ενσωμάτωσης της μνήμης σε έναν agent. Ο πρώτος είναι ως plugin, όπου η ανάγνωση και η εγγραφή γίνονται αυτόματα σε σταθερά σημεία της συνεδρίας. Ο δεύτερος είναι ως εργαλείο, όπου ο ίδιος ο agent αποφασίζει πότε και τι θα αναζητήσει ή θα αποθηκεύσει. Ο τρίτος είναι μέσω offline pipeline, όπου η ενημέρωση γίνεται στο παρασκήνιο με χρονοπρογραμματισμό ή άλλο ερέθισμα, ώστε να χρησιμοποιηθεί σε μελλοντικές συνεδρίες.
Καθεμία από αυτές τις προσεγγίσεις έχει διαφορετικό κόστος και διαφορετικά πλεονεκτήματα. Τα plugins είναι προβλέψιμα και οι ενημερώσεις τους ισχύουν άμεσα, αλλά επιβαρύνουν το runtime ακόμη κι όταν η μνήμη δεν χρειάζεται. Τα εργαλεία προσφέρουν ευελιξία, όμως εξαρτώνται από την ικανότητα του agent να τα καλεί σωστά και, πάλι, αυξάνουν την καθυστέρηση. Τα offline pipelines μειώνουν το άμεσο υπολογιστικό βάρος, αλλά οι αλλαγές τους γίνονται διαθέσιμες με καθυστέρηση.
Η δομή του MemCurrent και τα δύο είδη μνήμης
Το MemCurrent συνδυάζει και τις τρεις παραπάνω λογικές, τοποθετώντας κάθε μηχανισμό εκεί όπου ταιριάζει περισσότερο. Η αρχιτεκτονική βασίζεται σε δύο τύπους μνήμης. Η episodic memory αποθηκεύει ακατέργαστα ίχνη συνεδριών, δηλαδή τα βήματα που ακολουθήθηκαν κατά την εκτέλεση μιας εργασίας. Η derived memory περιλαμβάνει τα συμπυκνωμένα συμπεράσματα από αυτά τα ίχνη και οργανώνεται ως αρχεία μέσα σε μια δομημένη βάση γνώσης.
Στην κορυφή αυτής της δομής υπάρχει ένα αυτόματα παραγόμενο αρχείο ευρετηρίου, το memory.md, που περιγράφει τη δομή των αρχείων και το περιεχόμενό τους. Σύμφωνα με τη Databricks, τόσο η episodic όσο και η derived μνήμη αποθηκεύονται σε βάση δεδομένων σχεδιασμένη για χρήση σε περιβάλλον παραγωγής, ώστε να κλιμακώνεται σε πολλούς χρήστες με χαμηλή καθυστέρηση. Η episodic memory λειτουργεί ως append-only καταγραφή, στην οποία ένα plugin καταγράφει κάθε βήμα της συνεδρίας. Η derived memory, αντίθετα, είναι μεταβλητή και προσομοιώνει ένα ιεραρχικό σύστημα αρχείων.
Η εγγραφή στη derived memory γίνεται με δύο τρόπους. Από τη μία, ο agent μπορεί να χρησιμοποιήσει εργαλεία όπως add_memory, update_memory και delete_memory για ρητές οδηγίες, για παράδειγμα όταν ο χρήστης ξεκαθαρίζει έναν σταθερό κανόνα. Από την άλλη, ένας offline μηχανισμός που η Databricks αποκαλεί dreaming pipeline αναλαμβάνει να εξάγει έμμεσα διδάγματα από νέες συνεδρίες και να τα ενσωματώνει στα σχετικά αρχεία. Το ίδιο pipeline καθαρίζει και τη μνήμη συνολικά, διασπώντας υπερμεγέθη αρχεία, συγχωνεύοντας διπλότυπα και επιλύοντας συγκρούσεις.
Πώς διαβάζει τη μνήμη ένας agent σε πραγματικό χρόνο
Η ανάγνωση της μνήμης στο MemCurrent γίνεται σε επίπεδα. Στην αρχή κάθε συνεδρίας, ένα plugin εισάγει στον agent τον κατάλογο μνήμης, ώστε να γνωρίζει εκ των προτέρων τι είδους γνώση υπάρχει διαθέσιμη. Αυτό είναι σημαντικό, επειδή δεν αρκεί η αποθήκευση πληροφορίας: πρέπει και ο agent να έχει ενδείξεις για το πότε αξίζει να την αναζητήσει. Με αυτή τη λογική, η μνήμη λειτουργεί περισσότερο ως ενεργή υποδομή παρά ως παθητικό αρχείο.
Κατά τη διάρκεια της συνεδρίας, ο agent έχει δύο εργαλεία αναζήτησης που λειτουργούν και πάνω στους δύο τύπους μνήμης. Το search_memory επιστρέφει τα καλύτερα σχετικά αποτελέσματα για ένα ερώτημα, είτε αυτά είναι βήματα από προηγούμενα traces είτε γραμμές από αρχεία μνήμης. Το fetch_memory επιτρέπει την ανάκτηση ολόκληρης της εγγραφής μέσω αναγνωριστικού, όπως ένα session ID ή ένα file path. Με αυτόν τον τρόπο, ο agent μπορεί να ξεκινήσει από έναν συνοπτικό χάρτη και να κατεβαίνει σε λεπτομέρειες μόνο όταν χρειάζεται.
Η εταιρεία υποστηρίζει ότι αυτή η πολυεπίπεδη προσέγγιση βοηθά να περιοριστεί η σπατάλη tokens. Αντί να εισάγεται τυφλά όλο το ιστορικό σε κάθε εκτέλεση, ο agent έχει έναν μηχανισμό επιλεκτικής ανάκλησης. Αυτό είναι κρίσιμο ειδικά σε μεγάλες ιστορίες χρήστη, όπου η πλήρης φόρτωση συμφραζομένων όχι μόνο κοστίζει, αλλά μπορεί και να μπερδέψει το μοντέλο. Στην ουσία, το MemCurrent προσπαθεί να μετατρέψει τη μνήμη από όγκο δεδομένων σε δομημένη γνώση που ανακτάται κατά περίπτωση.
Η μεθοδολογία αξιολόγησης και το εσωτερικό benchmark
Για να αξιολογήσει το σύστημα, η Databricks ξεκίνησε από τρία γνωστά open source benchmarks, τα LoCoMo, LongMemEval και ConvoMem. Και τα τρία εξετάζουν αν ένας agent μπορεί να ανακαλέσει πληροφορίες που εμφανίστηκαν νωρίτερα σε ανοιχτές, συνθετικές συνομιλίες. Παράλληλα όμως, η εταιρεία δημιούργησε και ένα εσωτερικό benchmark βασισμένο σε πραγματικές συνομιλίες του Genie, όπου οι χρήστες υποβάλλουν ερωτήσεις για τα δεδομένα τους. Αυτή η κίνηση είναι σημαντική, επειδή μεταφέρει τη δοκιμή από το πεδίο της απλής ανάκλησης στο πεδίο των εργασιακών ροών.
Το εσωτερικό benchmark δημιουργήθηκε από περισσότερες από 12.000 συνεδρίες. Από αυτές εξήχθησαν 3.000 υποψήφιες περιπτώσεις με ενδείξεις ότι άξιζε να αποθηκευτούν ως μνήμη, ενώ στη συνέχεια σχεδιάστηκαν ερωτήσεις παρακολούθησης και κριτήρια βαθμολόγησης. Ένας adversarial judge αξιολόγησε κάθε test case με επτά κριτήρια, όπως αν η γνώση υπάρχει όντως στο ιστορικό, αν είναι συγκεκριμένη για τον χρήστη, αν απαιτείται για την απάντηση, αν είναι φυσική και αν μπορεί να επαληθευτεί. Μετά από τελική χειροκίνητη ανασκόπηση, το benchmark κατέληξε σε 114 test cases, με 29 χρήστες και 2.233 συνεδρίες ιστορικού.
Η Databricks ξεχωρίζει το benchmark της από τα υπάρχοντα σε τρία σημεία. Πρώτον, κινείται σε enterprise domain και όχι σε φανταστικές περσόνες ανοιχτών συνομιλιών. Δεύτερον, η μνήμη δεν τροφοδοτεί μόνο απαντήσεις αλλά και ενέργειες, καθώς ο agent πρέπει να εφαρμόσει την ανακτημένη γνώση σε πολυβηματικές εργασίες. Τρίτον, οι περιπτώσεις καλύπτουν πέντε είδη μνήμης και έντεκα διαφορετικά σενάρια, από άμεσες οδηγίες μέχρι παρωχημένα γεγονότα και συσσωρευτική γνώση από πολλές συνεδρίες.
Τα αποτελέσματα απέναντι σε άλλες λύσεις μνήμης
Στα open source benchmarks, η Databricks συνέκρινε το MemCurrent με τα Mem0, PropMem και OpenClaw memory, χρησιμοποιώντας το ίδιο υποκείμενο μοντέλο. Το MemCurrent σημείωσε την υψηλότερη επίδοση ανάμεσα στα memory backends και παρέμεινε πάνω στο όριο Pareto μεταξύ κόστους και ακρίβειας. Κατά μέσο όρο έφτασε στο 88,1%, πρακτικά στο ίδιο επίπεδο με το full context, που βρέθηκε στο 87,8%, αλλά με περίπου δώδεκα φορές λιγότερα input tokens, 8,4 χιλιάδες έναντι 103 χιλιάδων. Στα benchmarks με τα μεγαλύτερα ιστορικά, η εταιρεία αναφέρει ότι ξεπέρασε ακόμη και το full context, επειδή η μαζική εισαγωγή όλου του ιστορικού μπέρδευε τον agent.
Η διαφορά έγινε μεγαλύτερη στο εσωτερικό benchmark. Εκεί το MemCurrent κατέγραψε pass rate 68,4%, τη χαμηλότερη καθυστέρηση, 252 δευτερόλεπτα κατά μέσο όρο, και τη χαμηλότερη κατανάλωση tokens, 418 χιλιάδες ανά εργασία. Με αυτό το αποτέλεσμα, η εταιρεία υποστηρίζει ότι καλύπτεται πάνω από το 80% της απόστασης ανάμεσα στο no memory, που βρέθηκε στο 22,3%, και στο gold injection, που έφτασε στο 78,6%. Σε σύγκριση ειδικά με το no memory, το MemCurrent τριπλασιάζει το pass rate, χρησιμοποιεί 31% λιγότερα tokens και εκτελείται 26% ταχύτερα.
Αξιοσημείωτο είναι ότι το Mem0, παρότι είχε καλή θέση στα προηγούμενα benchmarks, υστέρησε σημαντικά στο εσωτερικό περιβάλλον του Genie. Η επίδοσή του έφτασε στο 43,9%, με υψηλότερη καθυστέρηση και μεγαλύτερο κόστος. Αυτό υποδηλώνει ότι η αξία μιας αρχιτεκτονικής μνήμης εξαρτάται έντονα από το είδος της εργασίας και όχι μόνο από τεχνητά τεστ ανάκλησης. Για χρήση σε πραγματικά εταιρικά σενάρια, η επιτυχία φαίνεται να απαιτεί καλύτερη οργάνωση της γνώσης και όχι απλή αποθήκευση παλαιότερων διαλόγων.
Παραδείγματα χρήσης και τι δείχνουν οι επιμέρους δοκιμές
Η Databricks παραθέτει δύο ενδεικτικά παραδείγματα από εσωτερικές συνεδρίες του Genie. Στο πρώτο, ένας χρήστης ζήτησε τους 20 κορυφαίους χρήστες ενός προϊόντος για το τελευταίο δίμηνο. Ο agent έγραψε σωστό SQL query, αλλά δεν διάβασε το αρχείο με τα πραγματικά αποτελέσματα εκτέλεσης και, παρ’ όλα αυτά, παρήγαγε πίνακα με εσφαλμένο περιεχόμενο. Μετά τη διόρθωση του χρήστη, το δίδαγμα αποθηκεύτηκε στη μνήμη και την επόμενη φορά ο agent διάβασε πρώτα τα αποτελέσματα πριν απαντήσει.
Στο δεύτερο παράδειγμα, ο agent έπρεπε να απαντήσει σε ερώτηση για τους κορυφαίους πελάτες SDP. Χρειάστηκε να ανακαλύψει από την αρχή τι σημαίνει ο όρος, ποιοι πίνακες περιέχουν τα σωστά δεδομένα και πώς θα γίνουν τα join και τα φίλτρα. Η διαδικασία απαίτησε 11 κλήσεις εργαλείων, 8 subagents και σχεδόν έξι λεπτά. Όταν όμως αυτά τα βήματα αποθηκεύτηκαν ως workflow στη μνήμη, μια σχετική επόμενη ερώτηση απαντήθηκε με 2 κλήσεις εργαλείων, 1 subagent και χρόνο 41 δευτερολέπτων.
Η εταιρεία έκανε και επιμέρους δοκιμές για να εντοπίσει τι ακριβώς προσφέρει τη βελτίωση. Η episodic memory μόνη της ανέβασε το pass rate από 22,3% σε 35,8%, ενώ η derived memory έφτασε στο 66,1%, εν μέρει επειδή ο ενσωματωμένος κατάλογος μνήμης δίνει σαφέστερο σήμα στον agent για το πότε να ψάξει. Ο συνδυασμός των δύο έδωσε το καλύτερο αποτέλεσμα, 68,4%, κάτι που δείχνει ότι τα ακατέργαστα traces εξακολουθούν να είναι χρήσιμα για λεπτομέρειες που χάνονται στη συμπύκνωση. Αντίστοιχα, στο κομμάτι της εξαγωγής μνήμης, το offline dreaming μόνο του ξεπέρασε τα online tools, αλλά ο συνδυασμός τους απέδωσε καλύτερα, ενισχύοντας τη λογική ενός μοιρασμένου ρόλου ανάμεσα στην παρασκηνιακή ενοποίηση και την άμεση καταγραφή ρητών οδηγιών.
Τι σημαίνει η προσέγγιση της Databricks για την επόμενη φάση των agents
Το κεντρικό συμπέρασμα από την παρουσίαση της Databricks είναι ότι η μνήμη στους agents δεν είναι απλώς υπόθεση μεγαλύτερου context window. Η εταιρεία προτείνει μια αρχιτεκτονική όπου η αποθήκευση, η συμπύκνωση, η αναζήτηση και ο καθαρισμός της γνώσης είναι διακριτές λειτουργίες που πρέπει να συνεργάζονται. Αυτό αλλάζει τη συζήτηση από το πόσο ιστορικό χωρά σε ένα prompt στο πώς οργανώνεται η εμπειρία χρήσης σε βάθος χρόνου. Για enterprise agents, η μετατόπιση αυτή είναι κρίσιμη, επειδή οι πραγματικές εργασίες απαιτούν συνέπεια, προσαρμογή και επαναχρησιμοποίηση γνώσης.
Παράλληλα, τα αποτελέσματα που παρουσιάζονται παραμένουν εσωτερικά αποτελέσματα της εταιρείας, έστω κι αν συνοδεύονται από σύγκριση με γνωστά open source backends και από σαφή μεθοδολογία. Η αξία τους βρίσκεται κυρίως στο ότι αναδεικνύουν ένα πρακτικό μοτίβο σχεδιασμού για agents σε περιβάλλον παραγωγής. Αν επιβεβαιωθεί και σε ευρύτερες υλοποιήσεις, το μοντέλο αυτό μπορεί να επηρεάσει τον τρόπο με τον οποίο σχεδιάζονται μελλοντικά συστήματα agentic AI. Στο παρόν στάδιο, το MemCurrent παρουσιάζεται ως η υποδομή που τροφοδοτεί το νέο Agent Bricks Memory και το Genie της Databricks.
