Tag
L'article clarifie la différence entre le RAG classique (stateless) et la mémoire d'agent (stateful), et présente deux approches émergentes : Mem0 avec une mémoire à trois niveaux et auto-édition, et Letta avec une mémoire façon OS (core/archive). Il souligne que le vrai défi est la logique de mise à jour et d'oubli, pas le stockage vectoriel.
The article critiques treating fact staleness as relevance decay in agent memory, advocating for splitting memory by type at write time and using write-time contradiction checks for facts instead of decay, citing Mem0's implementation. It warns that decay works for episodic data but not for facts, which can lead to agents confidently stating contradictory information.
A reproducible demo showing how adding long-term memory to CrewAI with Mem0 reduces token usage and latency via a fast/deep routing heuristic, with real measurements and a live dashboard.
Explains why production AI agents require a three-tier persistent memory stack—session logs (Zep), personalization (Mem0), and governed context (ContextNest)—to avoid retrieval of stale or conflicting facts.