Агенты переоценены.

За последний месяц коллективное комьюнити агентов прошло примерно такой путь эволюции:

Личный ассистент -> автоматизированные процессы (фоновый ресерч, чтение каналов, уведомление) -> мультиагентность (board meetings, координация, кодинг несколькими агентами) -> автономные компании.

Можно конечно установить openclaw и попробовать сразу заработать миллиард на полимаркете или построить компанию.

Но что-то мне подсказывает, что ничего не получится.

Очень легко свалиться в оверинжиниринг. Очень много идей, функций, статей. Мало времени чтобы разобраться зачем это нужно и как работает, а сделать хочется все и сразу.

Экономику изучают с Адама Смита, а математику с Евклида. Потому что понимание фундаментальной архитектуры дает возможность потом понимать как работают процессы внутри и ПОЧЕМУ они работает тем или иным образом. И начать стоит с начала.

Если еще не поставили: OpenClaw setup guide. Этот гайд можно скармливать агенту при каждой новой установке. Он сам все настроит.

Версия для психбольных: Как построить ваш собственный openclaw с нуля.

Самый первый юзкейс с которым все столкнутся это персональные ассистенты.

И самый первый вывод, к которому придет большинство людей. Они не так хороши и не так уж полезны как рассказывают в твиттере.

Проблема в памяти.

Вопрос памяти и контекста это вопрос, который отделяет обычную ллмку или агента от чего-то напоминающего AGI.

И это первая проблема с которой я сам столкнулся. Когда делал первого агента пару недель назад.

Cobie assistant
Главный боец и основной агент.

Главная проблема с которой я сталкиваюсь - неэффективное сохранение и обработка знаний и идей. Все что не идет в задачи, теряется.

Хотелось бы иметь ассистента, который помнит все заметки, идеи и может их вспомнить спустя год, когда ты задаешь вопрос, который ее напоминает. Который ищет связи между идеями 24/7 и вовремя подкидывает зацепки.

Который бы мог напомнить к кому именно из контактов обратиться за определенным запросом. Может быть все эти миллионы контактов с конференций наконец пригодятся.

Но базовый Openclaw эту задачу не выполнит.

Каждую новую сессию он помнит 5% от того что обсуждалось раньше. Не понимает в какой момент что и где искать. Не умеет нормально сортировать и сохранять.

Чтобы построить такого агента нужно пройти долгий путь.

Главная задача - оптимизация памяти. И она не тривиальная.

Есть много инструментов. qmd, compaction, Supermemory, графы.

Гайд, которого будет достаточно для начала. Можно отдать агенту и начать имплементировать функции.

Big memory guide

Я вижу память так.

Входная информация -> обработка -> сохранение в базу данных -> механизм поиска по базе данных.

Cobie работает как gtd assistant. Я ему скидываю все мысли и статьи, а он их обрабатывает и закидывает в inbox.

Раз в 2 дня запускается cron-агент библиотекарь. У него расписаны инструкции как работать с информацией, как ее размечать для поиска и по какому принципу сортировать. Он проходит по inbox, анализирует и сортирует все что там есть. Дает summary из insights.

Со временем библиотека становится больше и полезнее. Через 4 месяца это будет идеальный инструмент для ресерча идей/постов, потому что источниками будут статьи и идеи которые я тщательно отобрал.

Осталось лишь найти способ оптимизировать поиск по этой библиотеке. llmки эту задачу выполняют плохо. Можете скормить memory guide агенту и порассуждать как это сделать.

Вопрос памяти - фундаментальный для агентов. И от понимания его зависит эффективность всех будущих агентов. Поэтому его я раскрыл первым.

В следующем посте распишу про следующие этапы.

Про то как я автоматизировал универ, как создал агента, который улучшает других агентов.

Как люди делают кастомные дашборды, как не отдать все деньги на токены.

Кстати, самое приятное, что вам не обязательно читать все статьи или посты про агентов, которые находите. Вы можете скормить все это своему агенту и он сам предложит как и что имплементировать. Коллекция ресурсов на тему.

(Но лучше прочитать)

(И к моим постам это не относится)