Dev48
ЯЗЫК
  • О нас
  • Услуги
  • Индустрии
  • Технологии
  • Статьи
  • Контакты
Забронировать звонок
    Главная/Статьи/Arhitektura pamyati agentov tsentralizovannaya i federativnaya pamyat dlya ii ag
Dev48
info@dev48.org+375 29 320-40-96WhatsApp@isky_by

© 2026 · Все права защищены.

Архитектура памяти агентов: централизованная и федеративная память для ИИ-агентов

Фото: Growtika (Unsplash) — https://unsplash.com/photos/a-robot-with-a-light-saber-wLknZfsKmxQ?utm_source=dev48&utm_medium=referral

Источник: Couchbase•19 ноября 2026 г. в 18:12

Архитектура памяти агентов: централизованная и федеративная память для ИИ-агентов

Архитектура памяти агентов определяет, как ИИ-агенты хранят, используют и получают доступ к информации. В централизованной архитектуре агенты обращаются к общему хранилищу памяти, где права доступа определяют, что может видеть каждый агент. В федеративной архитектуре память разделена между…

Архитектура памяти агентов определяет, как ИИ-агенты хранят, используют и получают доступ к информации. В централизованной архитектуре агенты обращаются к общему хранилищу памяти, где права доступа определяют, что может видеть каждый агент. В федеративной архитектуре память разделена между отдельными хранилищами, каждое из которых принадлежит и управляется независимо. Централизованная память упрощает работу нескольких агентов с одним и тем же контекстом, в то время как федеративная память дает больший контроль над тем, как команды, домены или границы доверия изолируют и передают информацию.

В этой статье сравниваются два подхода с точки зрения согласованности, задержки и управления. В ней приводится практическое правило принятия решений для выбора между ними. Также объясняется, как Couchbase Agent Memory реализует централизованную память с доступом на основе областей видимости.

Что такое память агента?

Память агента дает ИИ-агенту возможность сохранять полезную информацию после завершения одного взаимодействия. Она может включать детали, которыми поделился пользователь, принятые решения и уроки из предыдущих задач. Эта информация хранится вне модели и может быть извлечена при необходимости для формирования будущих ответов и действий. В отличие от контекстного окна, которое содержит информацию, доступную во время конкретного взаимодействия, или корпуса RAG, который предоставляет внешнюю информацию для обоснования ответов, память агента может сохранять контекст и опыт между сессиями. Это помогает агентам опираться на предыдущие взаимодействия, а не начинать каждый раз с нуля.

Память агента обычно делится на кратковременную, которая содержит рабочий контекст текущей задачи, и долговременную, которая сохраняется между сессиями. Фреймворк Cognitive Architectures for Language Agents (CoALA) дополнительно разделяет долговременную память на семантическую (факты и знания), эпизодическую (прошлый опыт) и процедурную (как выполнять задачи). Многие готовые решения вместо этого организуют память по трем практическим типам. Разговорная память сохраняет диалог и контекст внутри взаимодействия, помогая агенту отслеживать сказанное и то, что еще предстоит сделать. Память профиля сохраняет информацию о пользователе между сессиями, такую как языковые предпочтения, тарифный план или повторяющиеся проблемы. Семантическая память хранит факты и знания, к которым агент может обращаться для ответов на вопросы и решения задач, независимо от конкретного разговора.

Что такое архитектура памяти агента?

Архитектура памяти агента — это организация хранилищ памяти, областей видимости и правил доступа для агентов в системе. Ключевое проектное решение заключается в том, где находится память и как управляется доступ, а не в том, какой движок хранения используется. Одна и та же база данных может поддерживать любой из этих шаблонов.

Независимо от подхода, каждая архитектура памяти агента должна решать четыре ключевых вопроса.

  • Где записывается память?
  • Какие агенты могут ее читать?
  • Как разрешаются конфликтующие воспоминания?
  • Как память сохраняется, истекает и удаляется?

Централизованный и федеративный шаблоны отвечают на эти четыре вопроса по-разному. Понимание различий позволяет архитектору выбрать правильный вариант для конкретной системы.

В централизованной архитектуре памяти агентов несколько агентов используют общее хранилище памяти, а права доступа контролируют, какие агенты могут обращаться к конкретным воспоминаниям. Память может быть организована по пользователю, сессии или другим областям видимости, позволяя каждому агенту получать доступ только к той информации, на которую он уполномочен. Агенты с доступом к одной и той же области видимости читают одни и те же записи.

Централизованная память — отличный выбор для:

  • Единого источника истины для пользователя – Агенты, действующие последовательно, не могут расходиться в фактах.
  • Согласованности чтения после записи без протокола синхронизации – Если Агент А записывает предпочтение, Агент Б считывает его немедленно.
  • Единого места для аудита – Каждая запись в память, каждое извлечение и каждое удаление проходят через одно хранилище.
  • Единого пути хранения и удаления – Запрос пользователя на удаление затрагивает всю память пользователя за одну операцию.
  • Упрощенной оценки и отладки – Вы можете отследить результат извлечения до одной записи, а не восстанавливать его из нескольких хранилищ.

Основные недостатки централизованной памяти:

  • Общая зависимость – Каждый агент зависит от одного и того же хранилища, поэтому его емкость и доступность должны покрывать совокупную нагрузку всех агентов. Распределенная база данных может распределить эту нагрузку по узлам, но замедление или сбой все равно повлияют на каждого агента.
  • Строгие требования к контролю доступа – Неправильно настроенная область видимости может раскрыть воспоминания агентам, которые не должны иметь к ним доступа.
  • Общее влияние ошибочных записей – Неверная или устаревшая информация в памяти может повлиять на каждого агента, который ее считывает.

Федеративная память агентов: одно хранилище на агента

В федеративной архитектуре памяти агентов каждый агент поддерживает свое собственное хранилище памяти и явно контролирует, какой информацией он делится с другими агентами. Автоматически общей памяти не существует. Агенты получают доступ к информации друг друга через определенные интерфейсы и разрешения, что делает каждый обмен осознанным и контролируемым.

Также важно отличать федеративную память от распределенного хранилища. Распределенное хранилище распределяет логическое хранилище данных по нескольким узлам, в то время как федеративная память предполагает отдельные хранилища, которые сохраняют независимое владение, но могут делиться информацией при необходимости. Это различие важно, поскольку два подхода решают разные архитектурные задачи.

Федеративная память — отличный выбор для:

  • Изоляции по умолчанию – Агенты могут получать доступ только к тем воспоминаниям, которыми с ними явно поделились.
  • Независимых политик памяти – Каждый агент может использовать схему и политику хранения, адаптированные к его домену, не затрагивая других агентов.
  • Независимого развертывания и жизненного цикла – Команды могут изменять хранилище памяти агента без координации изменений с другими командами.
  • Ограниченного влияния ошибочных записей – Неверная или устаревшая информация остается в хранилище агента, а не автоматически влияет на каждого агента.

Основные недостатки федеративной памяти:

  • Расходящиеся воспоминания – Агенты могут независимо изучать один и тот же факт и со временем развивать противоречивые версии.
  • Фрагментированный контекст пользователя – Понимание всего, что система знает о пользователе, требует опроса каждого хранилища, которое может содержать релевантную информацию.
  • Увеличение задержки извлечения – Запросы к нескольким хранилищам добавляют накладные расходы, и самый медленный ответ может задержать любую операцию, требующую результатов от всех них.
  • Дублирование усилий по управлению – Каждое хранилище должно проверяться, сохраняться и очищаться независимо, с подтверждением того, что требования к удалению были выполнены.

Централизованная vs. федеративная память: сравнение

Эта таблица подчеркивает ключевые компромиссы в согласованности, производительности, безопасности и операционной сложности:

Согласованность

Централизованная память дает авторизованным агентам общее представление о сохраненной информации. В федеративной архитектуре агенты могут хранить противоречивые версии одного и того же факта, если система не включает способ их синхронизации. Если действия на основе устаревшей или противоречивой информации могут привести к неправильному решению, системе требуется общее хранилище или другой явный механизм согласованности.

Задержка

Централизованная память обычно требует выполнения запроса к одному хранилищу. Федеративная память может потребовать запросов к нескольким хранилищам и объединения их результатов, что может увеличить задержку. Если запрос зависит от ответа каждого хранилища, самый медленный ответ может задержать получение результата. Однако физическое расположение также имеет значение. Одно централизованное хранилище, расположенное близко к агентам, может отвечать быстрее, чем несколько федеративных хранилищ, распределенных по разным регионам.

Управление и аренда

Управление и аренда — это аспекты, в которых централизованная и федеративная память различаются больше всего при развертывании в корпоративной среде.

При использовании централизованной памяти единый журнал записи упрощает отслеживание того, что знал агент и когда. При использовании федеративной памяти для восстановления этой истории требуется сопоставление журналов из нескольких хранилищ, что усложняет аудит.

Изоляция аренды также различается. Централизованные архитектуры полагаются на правильно настроенные средства контроля доступа, что обеспечивает гибкость, но повышает риск неправильной конфигурации. Федеративные архитектуры используют отдельные границы хранения для усиления изоляции, но изменение этих границ может быть более сложным по мере изменения требований.

Удаление и хранение данных создают еще одну проблему. Федеративные архитектуры должны координировать удаление во всех хранилищах, содержащих соответствующую память, и проверять выполнение операции. В регулируемых средах соблюдение требований по удалению данных означает проектирование этого процесса с самого начала.

Прежде чем выбирать архитектуру, командам следует определить, какие типы памяти могут содержать регулируемые данные и какие агенты могут иметь к ним доступ. Эти решения определят средства контроля доступа в централизованном дизайне и правила обмена данными между агентами в федеративном дизайне.

Как выбрать архитектуру памяти агента

Суть правила принятия решения проста: используйте общую память, когда агенты обслуживают одного и того же пользователя в одном приложении и работают с одними и теми же фактами. Разделяйте память, когда агенты пересекают границы арендатора, клиента или нормативные требования.

Этот контрольный список из пяти вопросов поможет применить это правило к конкретной системе:

  • Сколько агентов записывают данные в память и пишут ли они об одном и том же предмете? Если несколько агентов обновляют одни и те же факты о пользователе, общее хранилище позволяет избежать расхождений.
  • Пересекают ли агенты границы арендатора, клиента или нормативные требования? Если да, то отдельные хранилища обеспечивают изоляцию, которую невозможно гарантировать только настройкой области видимости.
  • Насколько устаревшим может быть представление одного агента о памяти другого агента? Если устаревание приводит к неправильным действиям, системе требуется общее хранилище для этих фактов.
  • Кто несет ответственность за удаление памяти пользователя и могут ли они доказать, что это произошло? Если одна команда должна доказать удаление во всей системе, единое хранилище легче подвергнуть аудиту.
  • Принадлежат ли агенты и их циклы выпуска разным командам? Если да, то федеративные хранилища позволяют выполнять независимое развертывание без координации.

В конечном счете, выбор не сводится просто к централизованной или федеративной архитектуре. Речь идет о том, чтобы решить, какой информацией агенты должны делиться, а что должно оставаться конфиденциальным. Большинство систем, в которых более нескольких агентов, приходят к гибридному подходу. Гибридная архитектура сочетает в себе частную память для состояния, специфичного для агента, и общую память для информации, которая нужна агентам для выполнения задач, например, предпочтения пользователя и история сеансов.

Реализация централизованной памяти с помощью Couchbase Agent Memory

Couchbase Agent Memory — это служба памяти агентов в Couchbase AI Data Plane™, которая следует централизованному шаблону: одно общее хранилище с ограниченным доступом. Память изолирована на уровне пользователя и сеанса, поэтому один пользователь не может получить доступ к памяти другого. Агенты в рамках одного приложения могут совместно использовать память пользователя, а аннотации (теги «ключ-значение» для блоков памяти) позволяют каждому агенту помечать то, что он записывает, и фильтровать то, что он извлекает. Каждый API-ключ или токен поставщика удостоверений имеет уровень доступа для чтения, записи или администратора.

Структура памяти организует записи по пользователям, затем по сеансам внутри каждого пользователя, а затем по блокам памяти внутри сеансов. Каждый блок памяти содержит исходное сообщение или факт, его вектор эмбеддинга, сгенерированное LLM резюме и временную метку. Эта структура поддерживает три типа памяти: разговорная память (история диалога в рамках сеанса), профильная память (долгосрочные факты и предпочтения о пользователе) и семантическая память (долгосрочные знания и факты, используемые для обоснования).

Извлечение данных является семантическим. Блоки памяти преобразуются в векторы и ищутся по векторному сходству, при этом временные метки доступны для фильтрации по диапазону времени и разрешения конфликтов. Поиск по умолчанию охватывает текущий сеанс и может быть расширен на все сеансы пользователя. Хранение данных настраивается с помощью значений времени жизни (TTL) на уровне сервера, сеанса или блока памяти, а удаление пользователя удаляет все сеансы и блоки памяти этого пользователя одним вызовом. Приложения подключаются через Python SDK для Agent Memory или REST API. Agent Memory проверена на совместимость с LangGraph, CrewAI, LlamaIndex и Strands Agents, а REST API работает с другими фреймворками агентов.

Agent Memory не предоставляет общий доступ к памяти между пользователями, не передает изменения памяти в режиме реального времени, не хранит нетекстовый контент и не размещает модели. Она также оставляет рассуждения на усмотрение агента: Agent Memory хранит и извлекает воспоминания, а агент решает, как их использовать.

Для гибридного дизайна Agent Memory может хранить общую память на уровне пользователя, в то время как каждый агент хранит свое частное рабочее состояние в собственном хранилище. Каждый сервер Agent Memory подключается к одному бакету, а Couchbase Capella поддерживает один сервер Agent Memory на операционный кластер, поэтому командам, которым нужны жесткие границы хранения между арендаторами, следует планировать отдельные развертывания Agent Memory.

  • Прочитайте документацию по Agent Memory
  • Узнайте больше о Couchbase AI Data Plane
  • Начните разработку на Couchbase Capella

Часто задаваемые вопросы

Что такое архитектура памяти агента? Архитектура памяти агента описывает, как память хранится, ограничивается и регулируется правилами доступа между агентами в системе. Она определяет, где записывается память, какие агенты могут ее читать, как система разрешает конфликтующие воспоминания и как она сохраняет и удаляет память. Двумя основными шаблонами являются централизованный (одно общее хранилище с ограниченным доступом) и федеративный (одно хранилище на агента с явными интерфейсами между ними).

Что такое централизованная память агента? Централизованная память агента — это шаблон, в котором каждый агент читает и записывает данные в одно общее хранилище памяти, при этом доступ ограничен пользователем и сеансом и определяется пользователем, сеансом или другими правилами доступа, а не границами хранилища. Она обеспечивает единый источник истины для контекста пользователя, согласованность чтения после записи без протокола синхронизации, а также единый путь аудита и удаления. Компромиссами являются общая инфраструктура, которая может стать узким местом, и необходимость правильной настройки прав доступа.

Что такое федеративная память агентов? Федеративная память агентов — это паттерн, при котором каждый агент владеет собственным хранилищем памяти и предоставляет другим агентам возможность чтения через определенный интерфейс. Неявное общее состояние отсутствует. По умолчанию обеспечивается изоляция, независимое развертывание для каждой команды агентов и ограниченный радиус поражения при некор записи данных агентом. Компромиссы заключаются в том, что у агентов может возникать противоречивая информация, запросы к нескольким хранилищам могут занимать больше времени, а управление доступом, аудитом и удалением данных становится более сложным.

Должны ли ИИ-агенты разделять память? Агенты должны разделять память, когда они обслуживают одного и того же пользователя в одном приложении, действуют на основе одних и тех же фактов, а устаревшие копии могут привести к неверным действиям. Храните память раздельно, когда агенты пересекают границы арендатора, клиента или регуляторные границы, либо когда разные команды владеют агентами и нуждаются в независимом развертывании. Большинство многоагентных систем используют гибридный подход с общей памятью на уровне пользователя для кросс-агентного контекста и частными хранилищами для каждого агента для рабочей памяти в рамках домена.

Как ИИ-агенты разделяют память? Через общее хранилище с ограниченным доступом или путем запроса к хранилищу другого агента через определенный интерфейс. Оба подхода требуют явного правила доступа. В централизованном дизайне конфигурация области видимости определяет, кто и что читает. В федеративном дизайне контракт интерфейса определяет, что один агент предоставляет другому. Неявное общее состояние, при котором любой агент может читать любую память без правил, является антипаттерном как в регулируемых, так и в многопользовательских средах.

В чем разница между централизованной, распределенной и федеративной памятью агентов? Централизованная означает одно логическое хранилище памяти, которое разделяют все агенты, с доступом, контролируемым областями видимости. Распределенная означает одно логическое хранилище, распределенное по узлам для обеспечения доступности или масштабируемости, но все еще рассматриваемое агентами как единое хранилище. Федеративная означает отдельные хранилища под разным управлением, которые взаимодействуют через явные интерфейсы. Распределенная описывает инфраструктурную топологию хранилища. Федеративная описывает модель владения и доступа между хранилищами.

Нужна ли памяти агентов векторная база данных? Извлечение данных из памяти агентов обычно носит семантический характер, поэтому блоки памяти эмбеддятся и ищутся по векторному сходству. Это означает, что хранилище памяти должно поддерживать векторный поиск, но ему не обязательно быть отдельной векторной базой данных. То же хранилище, которое содержит блоки памяти, может также содержать эмбеддинги и обслуживать запросы на сходство, что и делает Couchbase Agent Memory. Agent Memory хранит блоки памяти в бакете Couchbase и автоматически создает для них индекс векторного поиска, благодаря чему запросы на сходство выполняются через Couchbase Vector Search без необходимости использования отдельного векторного хранилища.

← Все статьи

О чём эта статья

Ещё в разделе «Разработка ПО»

Все →
Поддержка языка Delphi теперь встроена в SonarQube
SonarSource

Поддержка языка Delphi теперь встроена в SonarQube

Агентские рабочие процессы с Expo Simulators
Expo

Агентские рабочие процессы с Expo Simulators

Braze названа лидером в исследовании The Forrester Wave™: Cross-Channel Marketing Hubs, Q4 2026
Braze

Braze названа лидером в исследовании The Forrester Wave™: Cross-Channel Marketing Hubs, Q4 2026

Руководство по Amazon 2027: что важно, что является «шумом» и что должны контролировать бренды
Cart Com

Руководство по Amazon 2027: что важно, что является «шумом» и что должны контролировать бренды

Где приложения оживают: история нового бренда Netlify
Netlify

Где приложения оживают: история нового бренда Netlify

Вам не нужно ждать, чтобы начать измерять эффективность покупок через ИИ
Fabric

Вам не нужно ждать, чтобы начать измерять эффективность покупок через ИИ

Ещё от Couchbase

Меняйте базу данных, а не кодовую базу: Couchbase Converge в закрытом предварительном просмотре
Couchbase

Меняйте базу данных, а не кодовую базу: Couchbase Converge в закрытом предварительном просмотре

Модернизация облачных баз данных: сравнение Capella с MongoDB Atlas, Amazon DynamoDB и NoSQL с самостоятельным хостингом
Couchbase

Модернизация облачных баз данных: сравнение Capella с MongoDB Atlas, Amazon DynamoDB и NoSQL с самостоятельным хостингом

Руководство по миграции: как перейти с MongoDB® на Couchbase
Couchbase

Руководство по миграции: как перейти с MongoDB® на Couchbase

Почему RAG, основанный только на векторах, не справляется с аналитическими вопросами, и эталонная архитектура, которая решает эту проблему
Couchbase

Почему RAG, основанный только на векторах, не справляется с аналитическими вопросами, и эталонная архитектура, которая решает эту проблему

Бенчмаркинг векторных индексов масштаба миллиардов
Couchbase

Бенчмаркинг векторных индексов масштаба миллиардов

Сценарии использования векторных баз данных: поиск, RAG и ИИ-приложения
Couchbase

Сценарии использования векторных баз данных: поиск, RAG и ИИ-приложения