|
Programistamag x DataWorkshop
|
|
DWTHON MEMORY | WTOREK, 7 LIPCA 2026 | 09:00
To nie jest problem promptu.
To problem pamięci.
Coraz więcej badań pokazuje, że LLM-y gubią się nie tylko przez limit tokenów, ale przez samą naturę dłuższej, wieloturowej interakcji. W DWthon Memory przekładamy ten problem na praktykę: od chat history do świadomie zaprojektowanej pamięci i działającego agenta, który utrzymuje ciągłość między sesjami.
3 dni. Zero instalacji. Realny artefakt w Python + Pydantic + Gradio.
|
|
Albo wejdź do samego DWthon Memory za 0 zł jako jedna z pierwszych 1000 osób. Start już we wtorek, 7 lipca, o 09:00, więc nie zakładaj, że ta pula będzie jeszcze dostępna w ostatniej chwili. Kod dla czytelników Programistamag: programistamag_dw
|
|
Jeśli budujesz agentów, pewnie już widziałeś ten moment: pierwsza rozmowa wygląda świetnie, druga jeszcze się trzyma, a potem system zaczyna od nowa, miesza fakty, traci kierunek albo pamięta niewłaściwe rzeczy.
Najciekawsze jest to, że to nie jest tylko frustracja praktyków. To problem, który coraz wyraźniej widać też w badaniach nad LLM-ami i dłuższymi interakcjami.
|
|
Research Signal
LLMs Get Lost in Multi-Turn Conversation
Microsoft Research + Salesforce Research, 2025. Wniosek jest prosty: sama wieloturowa rozmowa staje się osobnym problemem jakościowym. Model za wcześnie przyjmuje założenia, utrwala złą trajektorię i gorzej wraca na właściwy tor.
| • multi-turn to nie tylko "dłuższy prompt" |
| • problemem jest też dryf rozmowy i zła pamięć operacyjna |
| • bez jawnego zarządzania stanem agent będzie wyglądał dobrze tylko przez krótki czas |
|
|
|
To dobrze łączy się z innymi ważnymi publikacjami z tego obszaru: benchmarki długoterminowej pamięci i prace takie jak LongMemEval, LoCoMo czy MemGPT prowadzą do podobnego wniosku.
Większe okno kontekstowe pomaga, ale nie zastępuje architektury pamięci.
|
Właśnie dlatego ten DWthon nie jest o hackach
W środku jest autorski 7-warstwowy Memory Blueprint. Zamiast traktować pamięć jak jeden worek tekstu, rozbijamy ją na warstwy o różnych rolach, cyklu życia i poziomie zaufania.
|
|
7 warstw pamięci agenta
Nie wszystko trzeba pamiętać tak samo. Najpierw trzeba rozdzielić typy pamięci.
|
| Core: DNA agenta, rola, zasady i granice |
|
| Working: bieżąca rozmowa i lokalny kontekst operacyjny |
|
| Workflow: gdzie jesteśmy w procesie i co wolno zrobić teraz |
|
| Episodic: skompresowane doświadczenia z poprzednich sesji |
|
| Semantic: trwałe fakty, preferencje i profil użytkownika |
|
| Procedural: jak system ma wykonywać zadanie, nie tylko co wie |
|
| Resource: stan narzędzi i świata zewnętrznego, który szybko się starzeje |
|
|
|
|
To jest różnica między chatbotem z długą historią rozmowy a agentem, który wie, co zapisać, co przywołać, co skompresować i co wygasić.
|
|
Jak to przekładamy na praktykę
- zapisujesz i aktualizujesz stan zamiast doklejać kolejne akapity do promptu
- wybierasz tylko tę pamięć, która jest potrzebna w bieżącej turze
- kompresujesz doświadczenie, zamiast nosić całą historię w plecaku
- renderujesz kontekst świadomie, a nie jako przypadkowy zrzut rozmowy
|
|
Co zrobisz w 3 dni
|
|
Dzień 1
Stateless vs stateful
Rozbierzesz problem na części i narysujesz pierwszy schemat pamięci dla swojego agenta.
|
|
|
Dzień 2
Warstwa pamięci i obiekt stanu
Przełożysz koncepcję na stan agenta, logikę aktualizacji i świadome podawanie pamięci do modelu.
|
|
|
Dzień 3
Działający artefakt
Domkniesz całość w mini-apce typu AI Tutor / Language Coach, która pamięta użytkownika, kontekst i postęp.
|
|
|
|
To nie jest wydarzenie dla osób, które chcą kolejną listę promptów. To jest wejście dla tych, którzy chcą przestać budować efektowne demo i zacząć budować system z ciągłością.
Jeśli temat agentów traktujesz poważnie, pamięć szybko przestaje być dodatkiem. Staje się przewagą.
|
Najrozsądniejsze wejście
Jeśli chcesz potraktować ten temat szerzej niż jeden 3-dniowy sprint, najbardziej sensownym wejściem pozostaje Season Pass. Otwierasz nie tylko DWthon Memory, ale całą ścieżkę 5 DWthonów i możesz wracać do materiałów w swoim tempie.
Jeśli chcesz po prostu wejść w sam temat pamięci i sprawdzić ten obszar od środka, możesz zacząć od samego DWthon Memory za 0 zł.
|
|
Rekomendowane
Season Pass
5 DWthonów, dostęp do poprzednich i kolejnych edycji, materiały, nagrania, certyfikaty i możliwość odjęcia 290 zł od późniejszego wejścia do kursu Agentic AI.
950 zł
290 zł
|
|
Tylko DWthon Memory
Wejście tylko w ten jeden temat: 3 dni live, materiały, kod i praktyczna praca nad pamięcią agentów.
190 zł
0 zł
|
|
|
Jeśli ten problem jest Ci bliski, sprawdź szczegóły wydarzenia tutaj:
dwthon.dataworkshop.eu
Startujemy 7 lipca 2026 o 09:00.
|
|
Jeśli chcesz dopytać o zapis, dostęp albo kwestie organizacyjne, skontaktuj się z Kasią z zespołu DataWorkshop:
|
|
|
Kod dla czytelników Programistamag: programistamag_dw. Jeśli obrazy są zablokowane w kliencie pocztowym, skorzystaj z linków w mailu.
|