ZepPlattform för agentminne för AI av entreprenörsstora skala, byggd på kontextgrafi.

Zep är ett plattform för minneshantering av stor skala som ärdesignad för AI-agenter, för att hantera utmaningen för att underhålla och hantera minnesinnehåll hos flera användare, företagsdata och förflutna interaktioner. Det syftar till att förse agenter med ett kontinuerligt lärande och evolvande förståelse för deras operativa miljö, vilket stärker personifiering och noggrannhet i agentinteraktioner. Hjärtat i Zeps arkitektur är deras egna Kontextgrafikmotor, som konstruerar och hanterar en ”Kontextsjö” med miljontals individuella kontextografier. Dessa grafer är uppsammplade från diverse källor, inklusive samtalshistorik, företagsdata och användarinteraktioner. Zep bearbetar denna information för att skapa token-effektiva och relevanta kontexter för agenter genom automatisk kontextsammanställning. En nyckelförmåga är dess tidsbaserade sammanhängande graff, vilket automatiskt ogiltigförklarar gamla fakta när nya information dyker upp, och säkerställer att agenter alltid kan resonera med den absolut senaste informationen. Tidigare tillstånd sparades som historia, vilket tillåter agenter att fråga vad som var riktigt vid någon given tidpunkt i det förgångna. Systemet kombinerar också "Observations", där Zep analyserar grafer för att visa upp mönster, återkommande mönster och samsyn i minnet, vilket ger agenter en global syn som går bortom isolerade fakta. Zep betonar företagssnäppet styrning, som erbjuder funktioner som attributbaserad åtkomstkontroll, policydriven datalagring och fullständig proveniensföring. Varje faktum inom graphen spårar tillbaka till sin ursprungliga källa episod, vilket möjliggör revisionsekonomi. Plattformen är designad för prestanda, demonstrerar under 200ms hämtlatid även med grafstorlekar upp till 100 miljoner entiteter. Designad för smidig integrering kan Zep läggas till befintliga medlare-ramverk eller användas oberoende, med SDK:er tillgängliga för Python, TypeScript och Go. Syftet är att fungera som ett grundläggande lager i enterprise-agent-stapeln, med ett skalbart och styrt lösningsalternativ för att hantera komplexa och föränderliga agentminne.