Минала битка · 2025-06-27 UTC
Agent Memory Двубой — 27 юни 2025 г.
От категория Agent Memory. 11 гласове поставени сред 2 бойци. LangMem грабна короната.
Финално класиране
Съставът
Бойците
Профили на всеки инструмент, който се състезава в тази битка, класирани по техния финален резултат.

LangMem
Уеб сервис от LangChain за предоставяне на AI агенти с дълговременно помнящ умсто, което съществува и се адаптира по време на разговори

LangMem е софтуерна разработка от екипа LangChain, която се съфини на предназначава да осигури на AI агентите с长означителен живот (long-term memory). Когато повечето приложения на LLM са ограничени до околната околност на един сесия, LangMem се бори с проблема на задържането на полезна информация през многобройни междуобщувания и използването ѝ да се поведе по-малко неразнообразно и личностно във времето. У SDK се предоставят инструменти за извличане, съхраняване и извличане на спомени от разговорите на агента. Предлагат се извънредни инструменти да се извикат интеракциите, които са структурирани или семантични спомени, които могат да се търсят и да се повторно използват по-късно. Това му позволя на агента да си спомни дати за потребител, събиращи се предпочитания или дотамни решения, и да ги включи в бъдешни отговори. LangMem различава различни вида памет, като концептуално заимства от когнитивни идеи като семантична памет (факти и знания), епизодична памет (минали събития и взаимодействия), и процедурна памет (умъртвени навици или инструкции). Извежда утилити за формиране на тези памети и за актуализиране им при новите данни, така че разбиенето на агента да се развива вместо да се държи статично. В строежа си е предназначено да работи в рамките на по-широкия LangChain и LangGraph екосистема, и интегрирано е със съществуващи хранилища за съхранение, така че паметта се поддържа зад един процес. Това го прави идеална възможност за тимове, които вече са построили агенции с тези фреймворки и търсят да добавят по-горна меморна слой без да създават логиката за извличане и консолидиране от самото начало чрез SDK и API, включвайки и LLM интеграция, като един SaaS сервис. Като с останалите развиващи се инструменти за агент-съхраняващи данни, LangMem е насочен преди всичко към разработчици, които са комфортни с Python и стека на LangChain, и сега не на разработчици без код, и полето на дългосрочното съхраняващо агент- памет все още е в процес на зряване, така че шаблоните и API-то около него продължава да се развиват.
Разбивка на критериите
- Извличане на памет от разговора на агента
- Хранене и семантично достъпване на спомени
- Семантична, епизодична и процедураща паметни концепции
- Агрегиране и консолидиране на спомени върху време
- Интегриране със задълговременно спомагателни системи за храниене
- Съвместимост със LangGraph агенти

Neon AI
Безсървърна Пострес построена за Ай агенти и разработчици, които изпращат бързо

Neon AI е безсерверна платформа Postgres, проектирана да поддържа съвременна разработка на приложение, включително зареждащи се работоспособности под държана от агенти-AI. Она предоставя безпрецедентна настройка на базата данни, подобна на Git за бранчове, и автоматично масово скалиране, което я прави подходяща за състави, които изискват бързото създаване, тестване и сваляне на средата за работа. Услугата е насочена към разработчици, които създават приложения с бългавая интелектуална мощност, със съществени функции като поддържане на pgvector за вградени данни, кои-на-писане-при-копиране клонове за експериментални цели, и API, който на агенатите дава възможност да създават и справят с собствените си бази данни програмино. Съвремемената нейна конфигурация отделя съхранението от компютърните способности, което позволява масова продажба при нула цена и бързо топене от студено състояние. Човешките екипи обикновено използват Neon за да подпълват произволни услуги за софтуер като като СaaS, множествени тенижни приложения, средовища за преглед и workflow-ове с агенти, където са нужни множество непостоянни бази данни когато са тях има бързо потребление.
Разбивка на критериите
- Безсървърна Пострес с автоскалайринг компютърна мощност
- Git-стилизирана база данни разклоняване и възстановяване на точка по време
- pgvector експанзия за ембеди и търсене на подобенство
- Разделение между съхранение и компютърна мощност
- Разработчикска API за програмираща управление на база данни
- Прегледни окажи и интеграция с ВИ/ВД/И

