Урок из полного доступа, первые уроки курса бесплатно Официальный курс OpenAI Academy на русском
Урок 269 · Текст · ~5 мин

Долговременная память агента в Oracle AI Agent Memory

Урок 269 из 303 курса «OpenAI Cookbook»: официальный курс OpenAI Academy (ОпенАИ) на русском языке. Урок входит в платный доступ; первые уроки курса бесплатно.

Цели урока

  • Как реализовать протокол Session OpenAI Agents SDK с использованием пользовательского бэкенда (Oracle AI Agent Memory)
  • Как обернуть Tavily как function_tool, который может вызывать агент
  • Как хранить долгосрочные результаты исследований в виде устойчивых воспоминаний (отдельно от краткосрочной истории беседы)
  • Как проверить непрерывность памяти между сессиями — агент может продолжить с того места, где остановился

О чём урок

Фреймворк: OpenAI Agents SDK | Веб-поиск: Tavily | Память: Oracle AI Agent Memory на Oracle AI Database

Длительные рабочие процессы агентов часто требуют большего, чем просто воспроизведение краткосрочных бесед. Им нужен способ запоминать устойчивые выводы, решения и многократно используемый контекст между сессиями, чтобы агент мог продолжать с предыдущей работы, а не начинать каждый раз с нуля.

Этот notebook демонстрирует паттерн Session с поддержкой Oracle для OpenAI Agents SDK. Это не универсальная реализация памяти OpenAI. Интерфейс Session Agents SDK хранит краткосрочную историю беседы для текущего цикла агента; устойчивые результаты исследований сохраняются отдельно с помощью явных инструментов памяти, поддерживаемых Oracle AI Agent Memory.

В примере используется агент для глубоких исследований для изучения генома человека, но основной паттерн шире: объединение персистентности сессий OpenAI Agents SDK с устойчивым слоем памяти для многократно используемых результатов. Агент использует Tavily для веб-поиска в реальном времени, хранит элементы сессий OpenAI Agents SDK в Oracle AI Database и сохраняет устойчивые результаты с помощью специального инструмента save_research_finding.

Краткосрочная память сессии помогает агенту поддерживать связность текущей беседы. Долговременная память решает другую проблему: она позволяет агенту сохранять выбранные результаты между сессиями, возобновлять предыдущую работу и избегать повторного открытия уже исследованных фактов.

Для этого примера элементы сессии и устойчивые результаты имеют разные жизненные циклы. Элементы сессии — это необработанное состояние беседы, используемое для воспроизведения внутри цикла агента. Устойчивые результаты — это отобранные, доступные для поиска выводы, которые агент целенаправленно сохраняет с помощью инструмента.

Oracle AI Agent Memory соответствует этому паттерну, когда приложение уже работает на Oracle AI Database и нуждается в управляемой устойчивой памяти, семантическом поиске по сохраненным результатам и ограниченном доступе как к краткосрочному воспроизведению сессий, так и к долговременной памяти…

План урока

  1. Почему важна долговременная память
  2. Режимы работы в агентских приложениях
  3. Что вы узнаете
  4. Предварительные условия
  5. 1. Установка зависимостей
  6. 2. Настройка API ключей и подключения к Oracle
  7. 3. Подключение к Oracle AI Database и инициализация клиента памяти
  8. 4. Регистрация пользователя-исследователя и агента

Урок входит в полный доступ. Полный текст и видео открываются после оплаты. Первые уроки каждого курса бесплатны.

Откройте полный доступ

Вы прошли бесплатные уроки. Выберите тариф, чтобы продолжить обучение.

Курсы OpenAI 1 490 ₽ Разовый платёж, навсегда
  • Все курсы от OpenAI (1 шт.)
  • Именной сертификат по каждому пройденному курсу
Оплатить
Полный доступ 4 900 ₽ Разовый платёж, навсегда
  • Все 77 курсов от 11 AI-провайдеров
  • Библиотека промптов и новые курсы
Оплатить

Безопасная оплата через Robokassa: СБП, карты, электронные кошельки. Доступ откроется в этом браузере и придёт письмом. Уже оплатили? Восстановить доступ

Полезные гиды