Оптимизация работы ИИ-агента в Инкоманд: полная память диалогов на бизнес-объектах - Incomand
Оптимизация работы ИИ-агента в Инкоманд: полная память диалогов на бизнес-объектах
Когда ИИ-помощник не помнит вчерашнюю переписку, под подозрение первой попадает модель. Винить её бессмысленно: она отвечает на тот текст, который ей передали, а вчерашней переписки в этом тексте просто нет.
Флагманские языковые модели уже держат в контексте до миллиона токенов, и это часто подают как решение проблемы памяти. Но окно в миллион токенов покрывает одну длинную сессию, а рабочий диалог с корпоративным помощником тянется месяцами. По данным Anthropic, заметный рост качества в стошаговом веб-поиске дали не увеличенное окно, а выгрузка памяти за пределы контекста.
Память решает не модель, а среда, в которой работает агент. Поэтому сначала посмотрим, как ИИ-платформы работают с историей диалога, а потом разберём, как мы реализовали долговременную память агента о прошлых диалогах на портале Инкоманд.
Как ИИ-платформа обращается с историей диалога
Обычно модель в каждом запросе получает не переписку целиком, а то, что окно контекста успело с ней сделать. Когда история перестаёт в него помещаться, платформа выбирает одно из двух: сжать переписку, теряя детали, или оставить последние сообщения, отбросив начало.
Типовой приём здесь — окно из последних N сообщений. Ни один вендор не документирует его как стандарт с фиксированным числом, но на практике агент помнит вчерашний разговор ровно настолько, насколько это предусмотрел разработчик. Передавать полную историю в каждом запросе технически можно, но стоимость запроса растёт вместе с длиной диалога и к пятидесятому сообщению такой агент просто становится неэкономичен. Безусловно, агенты сейчас обучаются и самостоятельно правят свои скиллы и правила и даже помечают дату и основания таких правок. Но это всё равно сложно назвать контекстом диалога, скорее это самообучение.
Для корпоративного портала это больное место. Сотрудник неделю назад вёл диалог с агентом по заявке, вернулся сегодня с уточняющим вопросом и половина обмена уходит на восстановление, о чём вообще речь. Поэтому сотрудники перестают доверять агенту, который постоянно забывает обсуждаемые темы и возвращаются к людям.
Мы решили это на платформе Инкоманд: история переписки с агентом хранится не в сессии чата и не в памяти модели, а в отдельном объекте «Журнал диалога». Разберём, как мы его устроили.
Как мы построили память диалога в Инкоманд
Мы собрали журнал диалога с ИИ-агентом, используя «Объекты Инкоманд», встроенный no-code конструктор моделей данных. Каждое новое сообщение, включая ответы самого агента, дописывается в журнал автоматически. Ничего не пропадает ни при обрезке контекста, ни при смене сессии: вчерашний и прошлогодний разговоры лежат в журнале на равных.

Запись журнала представляет собой не свободный текст, а типизированную структуру. У каждого сообщения указаны автор, причём и идентификатор учётной записи, и отображаемое имя, время отправки, текст и тема разговора, например номер комплекта документов или имя поставщика. Тема привязывает переписку к ресурсу портала: можно перечитать всю историю обсуждения конкретного документа или контрагента, а не искать её по всему чату.
У записи есть и идемпотентный ключ события, то есть уникальный идентификатор, по которому платформа Инкоманд распознаёт повторную доставку. Если мессенджер отправит одно и то же сообщение дважды или сервис перезапустится в середине обработки, в журнале не появится дубликат и агент не ответит два раза.
Сам объект мы собрали в конструкторе: поля, валидации и макеты описываются без программирования. Это не коробочная функция, а прикладная схема из возможностей платформы, и мы сделали её настройками Инкоманд. Когда нужен новый тип поля или другой макет, правка делается в конструкторе, а не проектом разработки. И поскольку журнал построен на «Объектах», его записи наследуют всё, что портал Инкоманд умеет делать с записями:
Переписка человека с агентом всё равно остаётся служебной и доступ к записям журнала имеют только те, кому права выданы. Рядовые сотрудники не читают чужие диалоги: доступ настраивается ролевой моделью портала Инкоманд, при необходимости до конкретной записи. Вопросов о приватности и тайне служебной переписки схема не оставляет.
- Журнал обслуживается полнотекстовым поиском платформы Инкоманд, сообщения ищутся тем же поиском, что заявки и договоры.
- Аудит фиксирует события и авторов изменений.
- Отдельный ИИ-сервис, отдельная база и отдельные регламенты доступа не нужны.
Раз журнал объект портала, то работать с ним может любой агент, подключённый к Инкоманд. Подключение идёт по стандартному протоколу MCP: сервер Инкоманд реализован, поэтому внешний агент получает через этот интерфейс доступ к объектам портала, включая журнал диалога. Дорабатывать платформу под конкретного агента не нужно. Для любого агента разработаны инструкции по подключению ко встроенному в Инкоманд мессенджеру и по настройке памяти диалогов — достаточно указать их новому подключаемому агенту.
Журнал удобен и людям, и внешним агентам. Остался главный вопрос: как сам агент вспоминает нужное, не таская всю историю за собой.
Как данные диалога попадают в журнал и возвращаются в разговор
Диалог агента живёт в двух местах, и у каждого своя работа. Мессенджер портала — операционная среда: сообщения приходят и уходят мгновенно. Журнал диалога на платформе Инкоманд — долговременное хранилище с атрибуцией и поиском. Мы связали их конвейером из трёх фаз.
Фаза «Запись». Каждые несколько секунд агент опрашивает комнату и дописывает каждое новое сообщение в журнал отдельной записью: автор, время, текст и тема разговора, если в тексте распознаётся номер документа или имя контрагента. Здесь работает идемпотентный ключ: сообщение обрабатывается ровно один раз, повторная доставка или рестарт сервиса дублей не порождает, а отказ журнала никогда не блокирует чат. Ответы агента попадают в журнал синхронно с отправкой, поэтому диалог в журнале двусторонний: агент помнит не только что ему говорили, но и что сам обещал. При первом запуске мы загружаем в журнал и всю предысторию комнаты, так что полнота не зависит от того, когда агент появился.
Фаза «Краткий контекст для ответа». Отвечая на текущее сообщение, агент берёт в промпт не сырую ленту, а очищенную выжимку недавней истории: служебный мусор и лишние оговорки отфильтровываются, каждое сообщение укладывается в лимит знаков, набор идёт с конца, свежее целиком. Если начало пришлось усечь, в контексте остаётся маркер, что более ранняя история опущена и лежит в журнале. Так промпт остаётся в пределах пары тысяч знаков и скорость ответа не зависит от длины диалога.
Фаза «Глубокий поиск». Когда краткого окна мало и нужен давний эпизод, агент обращается к журналу как к поисковому индексу: отбирает записи по словам запроса, взвешивает совпадения в теме выше совпадений в тексте и возвращает в разговор несколько выдержек с датами и авторами. В контекст попадают сотни, а не десятки тысяч знаков, при этом ответ опирается на точный источник: можно уточнить, кто и когда это говорил.
У агента с лентой истории чем дольше работа, тем длиннее лента и тем дороже ответ, а здесь день работы или год, вспоминание стоит одинаково, потому что извлекается нужный фрагмент, а не тащится вся история подряд. Полнота при этом не страдает: старое не выпадает из окна контекста, оно лежит в журнале и ждёт запроса.
Историю диалогов хранят и другими способами и чтобы было видно, чем журнал портала отличается, сравним их прямо.
Чем журнал Инкоманд отличается от ленты и векторной базы
Лента истории в контексте привязана к сессии и обрезается при переполнении окна. Векторная база хранит знания о компании, но вне бизнес-контекста: у её записей нет автора из справочника сотрудников, нет прав портала, и люди не видят их в интерфейсе. Файлы переписки, которые ведёт разработчик агента, недоступны ни руководителю, ни коллегам.
У записи журнала есть всё, чего нет ни в одном из перечисленных способов: атрибуция, права портала, аудит и видимость для людей. У истории диалога появляется хозяин. Это не ИИ-сервис вендора и не папка в проекте разработчика, а платформа Инкоманд, корпоративная среда компании, где переписка лежит рядом с заявками и договорами и подчиняется тем же правилам доступа и аудита.
|
Критерий |
Окно истории |
RAG / векторная база |
Журнал Инкоманд |
|
Полнота памяти |
Последние N сообщений |
Полная, фрагментами без бизнес-контекста |
Полная: журнал плюс релевантный отбор выдержек |
|
Поиск по истории |
Нет |
По эмбеддингам (отдельная инфраструктура) |
Полнотекстовый поиск платформы Инкоманд |
|
Зависимость промпта от стажа |
Растёт или деградирует |
Стабильный, требует тюнинга |
Стабильный: выдержки по запросу |
|
Видимость людьми |
Нет |
Нет |
Весь журнал в интерфейсе портала |
К похожему выводу самостоятельно приходит и индустрия ИИ-агентов.
Лидеры отрасли решают ту же задачу
Ограничения контекста сегодня решают все крупные площадки ИИ-агентов, и ходы повторяются. У Claude Platform появились memory tool, которая хранит память вне окна, и context editing с автоподчисткой истории; по данным вендора, в стошаговом веб-поиске это дало рост качества на 39% и экономию 84% токенов. LangGraph хранит краткосрочную память состоянием треда в чекпойнтах базы данных, а обрезку и суммаризацию истории относит к приёмам уровня приложения, а не платформенным лимитам. В исследовании контекстной инженерии Anthropic называет три механизма памяти для длинных задач: сжатие истории, структурированные заметки и суб-агенты.
Механизмы узнаваемы: memory tool, чекпойнты и журнал Инкоманд работают отбором нужного фрагмента вместо ленты целиком. Отличие в том, где живёт история и кто ею управляет. У вендоров она остаётся внутри их инструментов. В Инкоманд полная переписка становится записями цифрового пространства компании, с правами, аудитом и поиском, а агент вспоминает из неё выдержками по запросу, не раздувая промпт.
Что спросить себя при внедрении
Если вы внедряете ИИ-агентов на корпоративном портале, полезно пройти по трём вопросам. Что агент вспомнит через месяц после разговора, и в каких записях это хранится? Кто в компании может перечитать историю диалогов агента, и настраиваются ли эти права штатными средствами? И видит ли человек переписку в привычном интерфейсе, или это чёрный ящик на стороне ИИ-сервиса? Журнал диалога на платформе Инкоманд закрывает все три вопроса: полная история переписки живёт в корпоративной среде как записи бизнес-объекта, права и аудит наследуются от портала, а агент вспоминает выдержками по запросу, и его ответы остаются быстрыми и дешёвыми при любом стаже работы.
Расскажите, какой сценарий запоминания диалогов нужен вашему агенту, и мы обсудим, как он ложится на объектную модель Инкоманд.