Кейс стади: 77% от ентити загубени — след това 100% възстановени

Когато разговорът с LLM надхвърля прозореца на контекста, платформите го съкращават — и загубяват информация. Измерихме това в собствената ни продукционна мултиагентна инсталация: стандартното съкращаване загуби 77% от именуваните субекти (хора, решения, инструменти, дати). Попитали за интеграция с платформа за плащания, обсъдена преди 90 минути, агентът отговори „Не знам“.

Сме заменили компактирането с трислойна архитектура за възстановяване, базирана върху структурирана памет: ентитите съществуват в пълния си обем, а агентът възстановява точно това, което са нужни в текущия ред, на изискване.

Резултатът, измерен върху повече от 16 000 съобщения в две производствени инстанции на агента: 100% възстановяване на предишни решения (в сравнение с 43% без това), докато сесия от 46 MB се компресира в 35 kB работна контекст — 99,94% намаление в токеновия натоварване. Заключението от публикуваната статия остава в сила: не плащайте за по-добър модел, плащайте за по-добро памет.

Пълната методология, включваща преглед на 27 нови статии от западни, китайски, южнокорейски и японски научни групи, е публикувана като отворена статия от GLG, a.s. (март 2026 г.) — включително китайска и южнокорейска версия.