Memóriaalapú vállalati AI-ügynököt mutatott be az NVIDIA NemoClaw-val

Miért kell saját memória az ügynöknek?

Az NVIDIA bejegyzése szerint a vállalati munka üzenetekből, döntésekből, projektekből és idővel változó kötelezettségekből áll. Egy AI-ügynöknek, amely e kontextus nélkül indul, előbb újra fel kell építenie ezt a hátteret, mielőtt érdemben segítene.

A bemutatott Chief of Staff ügynök ezért egy ember által olvasható tudásréteget tart fenn, amelyet az NVIDIA self model néven ír le. Ez az ügynökmemória a releváns emberekről, projektekről, prioritásokról és munkamintákról tárol levezetett ismereteket. A rendszer ütemezett feladatokkal időről időre átnézi az új aktivitást, követi a kötelezettségeket, és beépíti a felhasználói döntéseket.

Az NVIDIA szerint a hasznos ügynökmemóriához szerkezetre, szelektív visszakeresésre és irányításra van szükség, nem pusztán tárolásra. A cég példája szerint egy projektállapotot érintő kérdés megválaszolásához számíthat egy korábbi döntés, egy későbbi üzenetben érkező korrekció, egy nyitott kötelezettség, valamint az is, hogy két különböző név ugyanarra a projektre utal.

Markdown memória, SQLite napló és szétválasztott ítéletek

A NemoClaw példában a memória strukturált Markdown oldalakban jelenik meg. Ezek embereket, projekteket, prioritásokat, célokat, fogalmakat és visszatérő munkamintákat szerveznek. A séma indexelést, kereszthivatkozásokat, eredetmegjelölést és növekedési korlátokat is meghatároz.

A bejegyzés három réteget különít el: bizonyíték, tudás és irányított végrehajtás. A bizonyíték támogatja a self model frissítését, az ügynök pedig minden feladathoz korlátozott mennyiségű releváns kontextust kér le. A rendszer kétféle információt tárol: tudást, például embereket, projekteket, prioritásokat és munkamintákat, valamint ítéletet, például hogy egy elem figyelmet igényel-e, hol áll a rangsorban, vagy a felhasználó figyelmen kívül hagyta-e.

A tudást Markdown alapú ügynökmemória tárolja, míg a kötelezettségeket, rangsorokat, korrekciókat és audit eseményeket egy SQLite ledger rögzíti. Ez a megközelítés az NVIDIA szerint megőrzi az ügynök ítéleteit anélkül, hogy azokat olvasottsági jelölésként, címkeként vagy mappaként beírná a forrásüzenetekbe.

A cég példája alapján egy memóriaoldal tartalmazhatja, hogy egy együttműködő a Slack használatát részesíti előnyben. Az ügynök ezt felhasználhatja egy Slack üzenet javaslatához, de az üzenet elküldése továbbra is hitelesítő adatoktól, eszközengedélyektől, futtatási szabályzattól és felhasználói jóváhagyástól függ.

A szándék elsőbbséget kaphat a sürgősséggel szemben

Az NVIDIA szerint a beérkező kérések gyakran sürgősként írják le magukat, de a sürgősség nem feltétlenül tükrözi a felhasználó valódi prioritásait. A bemutatott intent gate ezért a legmagasabb szintet azoknak a kötelezettségeknek tartja fenn, amelyek a felhasználó kimondott prioritásaihoz kapcsolódnak.

A nyilvános receptben egy sürgős költségszabályzati igazolás látható marad, de alacsonyabb rangot kap, mint egy csendesebb kérés, amely egy megadott prioritáshoz kapcsolódik. A NemoClaw értelmezheti ezt a kapcsolatot, míg determinisztikus kód érvényesíti a szintek méretét, a túlcsordulási viselkedést és a rangsorolási sorrendet.

A felhasználói korrekciók szintén részei a tervezésnek. A receptben egy kötelezettség másik szintre mozgatható vagy figyelmen kívül hagyható, és a későbbi ügynökfutások megőrzik ezt a döntést. Minden változás egyszer kerül be egy csak hozzáfűzhető auditnaplóba. Az ismétlődő korrekciós minták egy kisméretű, olvasható preferencia-szabályzatot frissíthetnek, amelyet a felhasználók megtekinthetnek, szerkeszthetnek vagy törölhetnek.

Mérhető javulás az Agent Memory Benchmark alapján

Az NVIDIA a Memory-Driven Chief of Staff hozzáadását több ügynökfeladaton is mérte. Az Agent Memory Benchmark és az értékelési példák a példarepozitóriumban találhatók. Az összehasonlítás egy többkörös visszakeresést végző agentic retrieval-augmented generation, vagyis RAG alapvonal és a self model között készült. Mindkét konfiguráció NVIDIA Nemotron 3 Ultra modellt használ.

• Az általános pontosság 186 kérdésen 82,8 százalékról 90,9 százalékra nőtt, ami +8,1 százalékpont.
• A nehéz kérdéseknél 31 kérdésen 67,7 százalékról 87,1 százalékra javult az eredmény, ami +19,4 százalékpont.
• Az idővel megváltozott tények követésénél 5 kérdésen 60,0 százalékról 100,0 százalékra nőtt a teljesítmény, ami +40,0 százalékpont.
• A pontszerű időbeli következtetésnél 6 kérdésen 33,3 százalékról 66,7 százalékra emelkedett az eredmény, ami +33,3 százalékpont.
• Az entitások megkülönböztetésénél 15 kérdésen 66,7 százalékról 86,7 százalékra javult a pontosság, ami +20,0 százalékpont.

Nem minden mutató javult. A forrás szerint a korpusz alapján hűségesen megválaszolt kérdéseknél 13 kérdésen 100,0 százalékról 92,3 százalékra csökkent az eredmény, míg az egyszeres visszakeresésnél 30 kérdésen 86,7 százalékról 83,3 százalékra. A hivatkozási lefedettség 186 kérdésen 92,5 százalékról 97,8 százalékra nőtt.

Mit jelent ez a felhasználóknak és a fejlesztőknek?

A bejegyzés gyakorlati üzenete az, hogy a vállalati ügynökök memóriája akkor lehet hasznos, ha átlátható, javítható és futtatás közben korlátozott. Az NVIDIA OpenShell biztonságos futtatókörnyezetben, sandboxban futtatja az ügynököt, és szabályozást, valamint szabályzatérvényesítést ad a fájlrendszerhez, a folyamatokhoz és a hálózati hozzáféréshez. A kezelt inferencia és az MCP kapcsolatok esetében a hitelesítő adatok a sandboxon kívül maradnak.

Ez azért lényeges a forrás szerint, mert a memória és a visszakeresett tartalom a modell bemenete, nem megbízható biztonsági szabályzat. Ha az ügynök félreérti a kontextust, vagy rosszindulatú utasításokat követ, akkor is az üzemeltető által meghatározott futtatási határok között működik.

Az NVIDIA a saját NemoClaw példákhoz az open source Memory-Driven Chief of Staff receptet és annak tervezési javaslatát ajánlja a NVIDIA/nemoclaw-community GitHub repóban. A recept deployolható Hermes profilként csomagolja a példát, strukturált memóriasémával, tartós kötelezettségnaplóval, korlátozott rangsorolási logikával, felhasználói korrekciós és audit útvonalakkal, ütemezett memóriakarbantartással, szintetikus üzenetekkel és memóriaoldalakkal, offline végigjátszással és egységtesztekkel.