Материал подготовлен автоматически по первоисточникам: ссылки на них — в конце статьи.
LLM-агента научили помнить отложенную задачу и самостоятельно замечать момент, когда её пора выполнить. Pro-Memory обошёл другие системы памяти на задачах с задержанными действиями и проактивной помощью, хотя работа ещё не прошла рецензирование и все замеры выполнили сами авторы. Для продукта это означает, что обычного поиска по истории недостаточно: агенту нужен отдельный контур незавершённых намерений.
Намерение хранится отдельно от повода действовать
Обычная память агента отвечает на вопрос, какие прошлые сведения относятся к текущему запросу. Для проактивного поведения этого мало: найденная запись может напомнить о задаче, но не подтвердить, что её уже пора выполнять.
Например, пользователь просит отправить слайды после согласования. Обсуждение правок связано со слайдами, но отправлять их рано. Только сообщение о согласовании создаёт подходящий повод, а после отправки намерение нужно закрыть, иначе агент повторит действие.
Pro-Memory хранит цель, условие активации, тип повторения и ссылки на подтверждающие сообщения. Если пользователь задал условие позже или перенёс срок, новая информация дополняет свидетельства, но не стирает исходную цель. Если условия не было, система не придумывает его сама.
При новом событии контроллер сопоставляет текущую ситуацию с исходным намерением. Он может предложить действие, запросить недостающие сведения, продолжить ждать, признать задачу выполненной или удалить отменённое намерение. Само действие выбирается в этот момент, а не записывается заранее: доступные инструменты и контекст могли измениться.
Предложение памяти затем проходит через основной контур агента. Сначала система сохраняет обычные действия, вызванные текущим сообщением, а затем добавляет проактивное вмешательство, если интерфейс это допускает. Намерение закрывается только после того, как связанное с ним действие действительно выдано среде; отклонённое предложение задачу не погашает.
Это разделение защищает сразу от двух ошибок. Агент не принимает тематически похожее событие за разрешение действовать и не считает задачу выполненной только потому, что сформировал подходящий вызов инструмента.
Pro-Memory реже пропускает подходящий момент
Систему проверяли на двух наборах задач. PM-Bench моделирует намерения, которые нужно выполнить после задержки или при появлении условия, а ProactiveBench оценивает более свободную помощь без прямого запроса. В качестве основы использовали несколько LLM и сравнивали подход с поиском по памяти, рефлексией, структурированными хранилищами и RWM, который подаёт агенту выбранные напоминания.
На Claude Haiku 4.5 F-мера выросла на 74% относительно RWM. Эта метрика объединяет точность и полноту: она штрафует и лишние вмешательства, и пропущенные полезные действия. На Claude Sonnet 4.5 доля пропущенных действий снизилась на 74%.
Разбор отдельных механизмов поддерживает основную идею работы. Когда намерения переставали связываться с исходными свидетельствами, агент чаще действовал ошибочно. Когда система не закрывала разовое намерение после выданного действия, появлялись повторные вмешательства.
Проверка охватывает текстовые взаимодействия и задачи из готовых бенчмарков. Она не моделирует сигналы из изображений, аудио и видео, а также сложные цепочки взаимозависимых намерений. Автономные действия на реальных пользователях не запускали, поэтому рост метрик не подтверждает безопасность производственного агента.
Командам понадобится реестр обязательств, а не ещё один поиск по истории
Работа меняет архитектурный план для агентов, которые должны напоминать, отслеживать согласования, возвращаться к отложенным поручениям или запускать процессы после изменения обстоятельств. В таких системах намерение стоит хранить как отдельную сущность со статусом, условием, источниками и правилом повторения, а не как очередной фрагмент переписки для семантического поиска.
Контур принятия решения тоже придётся отделить от контура исполнения. Сначала агент устанавливает, что условие наступило, затем выбирает допустимый вклад в текущую работу и только после фактической выдачи действия обновляет состояние намерения. Такая последовательность особенно важна, если инструменты могут отклонить вызов или интерфейс ограничивает число одновременных действий.
Для обычного помощника, который отвечает только на явные запросы, эта схема добавит состояние и вызовы LLM без очевидной пользы. Она нужна там, где продукт обещает вернуться к задаче без повторной команды пользователя и цена преждевременного вмешательства сопоставима с ценой пропуска.
Pro-Memory пока следует рассматривать как проверенный на бенчмарках шаблон контроллера, а не готовую гарантию надёжности. При внедрении придётся отдельно задавать права на проактивные действия, хранение чувствительного контекста, подтверждение рискованных операций и возможность пользователя отменить оставшиеся намерения.
Источники
Похоже на вашу задачу?
Расскажите, что собираете. За полчаса разложим на этапы и назовём сроки — это бесплатно и ни к чему не обязывает.
