Pamięć nie jest tym prymitywem agenta, za który ją uważasz

Większość agentów produkcyjnych nie potrzebuje pamięci. Potrzebuje pobierania kontekstu, a te dwie rzeczy to nie to samo.

Jeśli w tym roku oceniasz Zep, Mem0 lub Letta, robisz zakupy na rynku, który połączył dwa różne produkty pod jedną nazwą.

Słusznie chcesz, żeby Twoje agenty stawały się mądrzejsze z każdą sesją. Problem polega na tym, że połowa narzędzi z Twojej listy kandydatów została zbudowana z myślą o innym problemie: przywoływaniu faktów w ramach pojedynczej rozmowy, a nie o gromadzeniu wiedzy przez miesiące pracy. Ten artykuł rozdziela oba obozy, pokazuje, który z nich faktycznie potrzebuje Twój agent, i wskazuje sygnały rynkowe, które większość kupujących pomija.

• Rynek to dwa rynki. Camp 1 optymalizuje pod kątem *przywoływania*. Camp 2 optymalizuje pod kątem *kumulowania*. Większość kupujących myli je ze sobą.

• Zep zmienił pozycjonowanie. W 2026 roku firma zmieniła swój przekaz z "memory" na Context Engineering. To najwyraźniejszy publiczny sygnał w tej przestrzeni.

• Zilliz wypuścił MemSearch. Firma zajmująca się bazami wektorowymi dostarczyła system, w którym pliki markdown są upstream względem ich własnej bazy wektorowej.

• Większość agentów biznesowych potrzebuje Camp 2. Jeśli Twój agent powinien stawać się lepszy w swojej pracy przez tygodnie i miesiące, infrastruktura do przywoływania to niewłaściwa warstwa.

• Łączenie obu jest kosztowne. Dwa systemy z nakładającymi się ścieżkami zapisu produkują sprzeczne wspomnienia, które się wzajemnie korumpują.

Rynek sprzedaje przywoływanie. Twoje agenty prawdopodobnie potrzebują kumulowania.

Przejrzyj GitHub. Jest ponad 450 repozytoriów oznaczonych tagiem `agent-memory` i ponad 460 oznaczonych `context-management`. Prawie żadne z nich nie przeprowadza wyraźnej granicy między tymi dwoma pojęciami.

Ta rozmytość to podstawowy problem rynku. Pamięć brzmi jak jedna rzecz, więc kupujący traktują ją jak jedną rzecz, więc dostawcy sprzedają ją jako jedną rzecz. Efekt: twórcy płacą za infrastrukturę wektorową, którą i tak muszą potem odbudować w markdownie.

Podział nie jest akademicki. Camp 1 pyta: *co AI powinno zapamiętać?* i dostarcza bazę danych. Camp 2 pyta: *w jakim kontekście AI powinno pracować?* i dostarcza substrat. Oba są przydatne. Nie są wymienne.

Jeśli wybierasz infrastrukturę agentową dla firmy, która liczy na to, że agent faktycznie stanie się mądrzejszy przez miesiące pracy, webvise pomoże Ci określić właściwą warstwę zanim podpiszesz roczny kontrakt.

Camp 1: Backendy pamięci (zoptymalizowane pod kątem przywoływania)

Narzędzia Camp 1 robią jedną rzecz dobrze. Pobierają rozmowę, wyciągają istotne fakty, przechowują je w bazie wektorowej i pobierają je, gdy następna rozmowa ich potrzebuje. Pętla jest prosta.

To właśnie większość ludzi ma na myśli, mówiąc o "pamięci agenta". To największy obóz pod względem gwiazdek na GitHubie i obóz, do którego większość kupujących domyślnie się kieruje, bo pitch jest prosty: Twój chatbot zapamięta, że użytkownik mieszka w San Francisco.

Camp 1 to właściwa odpowiedź dla chatbotów, przechowywania preferencji użytkownika i przywoływania faktów z opóźnieniem poniżej 200 ms. To niewłaściwa odpowiedź dla agentów, które muszą rozumieć *stan* trwających prac w pięciu projektach, trzech narzędziach i przez dwa miesiące.

Ograniczenie jest architektoniczne, nie implementacyjne. Baza wektorowa mówi Ci, co jest najbliższym dopasowaniem do zapytania. Nie mówi Ci, co zmieniło się od zeszłego tygodnia, dlaczego ani jak to wpływa na decyzję, którą zaraz podejmiesz.

Camp 2: Substraty kontekstu (zoptymalizowane pod kątem kumulowania)

Camp 2 odwraca pętlę. Zamiast wyciągać fakty z rozmów do bazy danych, agent czyta ustrukturyzowane, czytelne dla człowieka pliki kontekstowe, wykonuje w nich swoją pracę i zapisuje z powrotem. W kolejnej sesji kontekst jest bogatszy. Nic nie jest "wyciągane".

To wzorzec, który Andrej Karpathy opisał jako LLM Wiki: osobista baza wiedzy, którą model kompiluje raz i na bieżąco aktualizuje, zamiast ponownie wyprowadzać odpowiedzi z fragmentów przy każdym zapytaniu. Kluczową właściwością jest kumulowanie. Kontekst staje się lepszy w miarę użytkowania.

Camp 2 to właściwa odpowiedź, gdy agent działa ciągle, gdy wiele narzędzi lub wiele agentów zapisuje do tej samej bazy wiedzy, albo gdy potrzebujesz, żeby system stawał się mierzalnie lepszy przez tygodnie i miesiące bez przebudowywania pipeline'u za każdym razem.

Najprostszy test: czy agent musi wiedzieć, co wydarzyło się w ostatni wtorek, czy musi znać *kształt* Twojego biznesu w tej chwili? To drugie to problem dla Camp 2.

Rebrand, który mówi wszystko

Nie potrzebujesz analityka, żeby odczytać ten rynek. Dwa publiczne ruchy, oba ze strony firm sprzedających pamięć, wyjaśniają, który obóz wygrywa.

Zep nazywał się kiedyś firmą memory. W 2026 roku zmienił to pozycjonowanie na Context Engineering. Finansowana firma w tej przestrzeni nie rebranduje się dla zabawy. Zrobiła to dlatego, że kupujący płacący najwięcej przestali pytać o pamięć i zaczęli pytać o kontekst, który się kumuluje.

Zilliz, firma stojąca za Milvus, wypuściła MemSearch. MemSearch to system, w którym pliki markdown są źródłem prawdy, a własna baza wektorowa Zilliz siedzi downstream jako warstwa dostępu. To firma zajmująca się bazami wektorowymi, która publicznie przyznaje, że markdown należy upstream względem wektorów.

Prognoza: w ciągu sześciu miesięcy Context Engineering zastąpi "memory" jako domyślna etykieta dla poważnej infrastruktury agentowej. Zacznij czytać strony produktów z tym podstawieniem w głowie, a rzeczywiste pozycjonowanie stanie się oczywiste.

Jak ustalić, którego obozu faktycznie potrzebujesz

Oto framework decyzyjny sprowadzony do praktycznych reguł.

Większość agentów biznesowych ląduje w Camp 2. Jeśli Twój agent obsługuje badania sprzedażowe, obsługę klientów, operacje contentowe lub cokolwiek, gdzie wynik powinien się wyostrzać z czasem, kupujesz Camp 1 co najwyżej jako komponent, a nie jako system.

Kosztownym błędem jest odwrót tej sytuacji. Bot obsługi klienta zbudowany na ciężkim substracie Camp 2 będzie powolny i przebudowany. Dopasuj obóz do zadania, a nie na odwrót.

Co to oznacza dla Twojej decyzji zakupowej

Trzy konkretne rekomendacje przed podpisaniem kontraktu.

• Prototypuj najpierw na markdownie. Zanim kupisz jakikolwiek produkt memory, przetestuj przypadek użycia na prostym substracie markdown z warstwą pobierania. Jeśli ten prototyp rozwiązuje Twój problem, nigdy nie potrzebowałeś Camp 1.

• Oceniaj dostawców pod kątem kumulowania, nie przywoływania. Benchmarki recall (LongMemEval i podobne) mówią Ci o Camp 1. Nie mówią Ci, czy system jest mądrzejszy w 12. tygodniu niż w 1. Zaprojektuj ewaluacje, które mierzą to bezpośrednio.

• Wybierz jedną ścieżkę zapisu. Jeśli łączysz Camp 1 i Camp 2, zdecyduj, która warstwa jest właścicielem zapisów. Dwa systemy z nakładającymi się zapisami to przepis na sprzeczne fakty, które korumpują się nawzajem.

Warstwa wiedzy AI to infrastruktura, na której to wszystko siedzi, a większość firm, z którymi pracujemy, nie potrzebuje nowej bazy wektorowej, żeby ją zbudować. Potrzebuje właściwego substratu, właściwego schematu i dyscypliny, żeby pozwolić mu się kumulować.

Jeśli planujesz infrastrukturę agentową i chcesz uzyskać drugą opinię przed podpisaniem umowy, webvise pomaga firmom określić warstwy wiedzy agentów, które się kumulują. Porozmawiaj z nami, zanim wybierzesz obóz.