Vállalati munkafolyamatok üzenetekből, döntésekből, projektekből és időben változó kötelezettségekből állnak. Egy olyan AI-ügynök, amely kontextus nélkül indul, kénytelen ezt a kontextust újraépíteni, mielőtt hasznos hozzájárulást tudna adni. Ennek a problémának a megoldására a csapat az NVIDIA NemoClaw eszközt használva egy memóriaalapú "Chief of Staff" ügynököt épített.
A fejlesztett ügynök egy ember által olvasható tudásréteget tart fenn, amelyet self modelnek neveznek: ez az ügynök memóriája a releváns személyekről, projektekről, prioritásokról és munkaszokásokról. Ütemezett feladatok rendszeresen átnézik az új aktivitást, nyomon követik a kötelezettségeket és idővel beépítik a felhasználói döntéseket. A tapasztalat azt mutatja, hogy a hasznos ügynökmemória strukturálást, szelektív visszakeresést és irányítást igényel — nem elég pusztán tárolni az adatokat.
A megközelítés lényege
A self model strukturált Markdown-oldalakban tartja a kapcsolatokat és entitásokat: személyek, projektek, prioritások, célok, fogalmak és ismétlődő munkaminták. A séma definiálja az indexelést, a kereszt-hivatkozásokat, a forrást (provenance) és a növekedési korlátokat. Fontos tervezési elv, hogy a self model származtatott értelmezést tárol, nem pedig felülírja a forrásei bizonyítékokat — a kettőszintű megközelítés segít meghatározni, hogy egy hibás válasz honnan ered: a bizonyítékból, a memória karbantartásából, a visszakeresésből vagy magából a modell döntéséből.
Bizonyíték, tudás és végrehajtás szétválasztása
A memóriaalapú Chief of Staff három rétegre bontja a funkcionalitást: bizonyíték (Evidence) → tudás (Knowledge) → szabályozott végrehajtás (Governed execution).
- A bizonyíték frissíti a self modelt: az ügynök feladatokhoz korlátozott mennyiségű releváns kontextust keres elő. Az így kapott kontextust az NVIDIA NemoClaw példája szerint használja tovább.
- Két fő információtípust tárol a rendszer: Knowledge (személyek, projektek, prioritások, munkaszokások) és Judgment (az, hogy egy tétel figyelmet igényel-e, hol áll a rangsorban, és hogy a felhasználó figyelmen kívül hagyta-e).
- A Markdown-alapú ügynökmemória a tudást tárolja; egy SQLite naplókönyv (ledger) pedig a kötelezettségeket, rangsorolásokat, korrigálásokat és audit eseményeket rögzíti. Így az ügynök ítéletei megmaradnak anélkül, hogy forrásüzenetekbe írnák őket (például olvasott státuszként, címkékként vagy mappákként).
A tárolt kontextus tájékoztathat egy cselekvést, de nem jogosít fel arra. Például ha egy memorialap megjegyzi, hogy egy kolléga Slacket részesít előnyben, az ügynök javasolhatja a Slack-kapcsolatot, de az üzenet elküldése és a külső rendszerek módosítása továbbra is hitelesítést, eszközjogosultságot, futtatási irányelvet és felhasználói jóváhagyást igényel.
Felhasználói szándék előtérbe helyezése a rövid távú sürgősséggel szemben
Sok bejövő kérés sürgősnek nevezi magát, de a sürgősség nem feltétlenül tükrözi a felhasználó tényleges prioritásait. Ezért az ügynök egy intent gate-tel dolgozik: a legmagasabb szintet a felhasználó kifejezett prioritásaihoz kapcsolódó kötelezettségek tartják fenn. A nyilvános recept példájában egy sürgős költségelszámolási igazolás látható marad, de rangsorolásban alacsonyabb helyet kap egy csendesebb, de kifejezett prioritáshoz kötődő kérésnél.
A NemoClaw képes ezt az értelmezést végrehajtani, míg determinisztikus kód kezeli a szintek méretét, túlcsordulási viselkedését és a rangsorolási szabályokat.
A felhasználói korrekció engedélyezése és auditálása
A perzisztens memória ugyanúgy megőrzi a hibás ítéleteket, mint a helyeseket. A recept lehetővé teszi, hogy egy kötelezettséget áthelyezzenek másik szintre vagy figyelmen kívül hagyjanak, és a későbbi futások megőrzik ezt a döntést. Minden módosítás hozzáfűző naplóként kerül rögzítésre (append-only audit trail).
Ismétlődő korrekciós mintákból kis, olvasható preferencia-szabályzat frissíthető. A felhasználók megtekinthetik, szerkeszthetik vagy törölhetik ezt a szabályzatot ahelyett, hogy a preferencia rejtve maradna a modell belső állapotában.
A visszajelzési ciklus látható: Agent judgment → User correction → Audit event → Preference update.
Mérések: hogyan javította a memória az ügynök teljesítményét
A memóriaalapú Chief of Staff beépítése a NemoClaw-ba mérhető javulást hozott több feladaton. Az example repositoryban található Agent Memory Benchmark az ügynök teljesítményét hasonlítja össze egy agentic retrieval-augmented generation (RAG) baseline-nal, amely többlépcsős visszakeresést végez a self model mellett.
Az értékelés főbb számai (Question counts, Agentic RAG baseline vs Self model):
| Metrika | Összes kérdés | Agentic RAG baseline | Self model | Különbség |
|---|---|---|---|---|
| Overall accuracy | 186 | 82.8% | 90.9% | +8.1 pp |
| Hard questions | 31 | 67.7% | 87.1% | +19.4 pp |
| Tracking facts that changed over time | 5 | 60.0% | 100.0% | +40.0 pp |
| Point-in-time reasoning | 6 | 33.3% | 66.7% | +33.3 pp |
| Entity disambiguation | 15 | 66.7% | 86.7% | +20.0 pp |
| Multisource synthesis | 73 | 87.7% | 94.5% | +6.8 pp |
| Answered faithfully based on Corpus | 13 | 100.0% | 92.3% | -7.7 pp |
| Single-hop lookup | 30 | 86.7% | 83.3% | -3.3 pp |
| Citation coverage | 186 | 92.5% | 97.8% | +5.4 pp |
A mérések azt mutatják, hogy a self model különösen erős a változó tények nyomon követésében és a nehéz kérdések kezelésében.
Futtatási határok és biztonság: NVIDIA OpenShell integráció
A szétválasztás futásidőben is érvényesül: az NVIDIA NemoClaw integrálja a példát az NVIDIA OpenShell biztonságos runtime-jával. Az OpenShell egy homokozóban futtatja az ügynököt, és szabályozza a fájlrendszerhez, folyamatokhoz és hálózathoz való hozzáférést. A menedzselt inferencia és MCP kapcsolatok esetén a hitelesítési adatok a homokozón kívül maradnak.
Ez azért fontos, mert a memória és a visszakeresett tartalom bemenet a modellnek, nem pedig megbízható biztonsági politika. Ha az ügynök félreértelmezi a kontextust vagy rosszindulatú utasításokat követ, az OpenShell korlátai csökkentik a hozzáférést és a potenciális károkat.
Hogyan kezdj hozzá
A memória tervezetének adaptálásához tekintsd át az open source Memory-Driven Chief of Staff receptet és a design proposalt az NVIDIA/nemoclaw-community GitHub repójában. A recept egy deployolható Hermes profilt csomagol, amely tartalmazza:
- Strukturált memória sémát
- Tartós kötelezettség naplót (ledger)
- Korlátozott rangsorolási logikát
- Felhasználói korrekciós és audit útvonalakat
- Ütemezett memória-karbantartást
- Szintetikus üzeneteket és memóriaoldalakat
- Offline végigvezetést és unit teszt csomagot
A minta személyek, szervezetek, projektek és üzenetek kitaláltak; az offline walkthrough rögzített modell döntéseket használ. A recept jelenlegi fókusza a memória alapjain van: nem küld üzeneteket és nem módosít forrásrendszereket, így a tervezés megvizsgálható anélkül, hogy munkahelyi fiókokhoz kapcsolódna. Élő csatlakozók külön kezelést igényelnek hitelesítés, adatvédelem, megőrzés és törlés szempontjából.
Következtetés
A NVIDIA NemoClaw és a Memory-Driven Chief of Staff recept bemutatja, hogyan lehet strukturált, emberi olvashatóságú memóriát hozzáadni ügynökökhöz, hogy javuljon a kontextus fenntartása, a döntések nyomon követhetősége és a felhasználói bizalom. A kombináció — self model, ügyes rangsorolás, felhasználói korrekció és NVIDIA OpenShell által nyújtott futásidejű korlátok — lehetővé teszi, hogy az ügynök hasznosabb és biztonságosabb módon működjön vállalati környezetekben.
A további részletek és a példa kód megtalálható az NVIDIA NemoClaw és NVIDIA OpenShell dokumentációjában és az említett GitHub-repóban.
