AI Agent Memory System là gì – Kiến trúc 3 tầng memory mà agent thông minh cần có

Mục lục bài viết

Tại sao chatbot không nhớ còn agent thì nhớ?

Bạn nói chuyện với ChatGPT về một dự án trong 30 phút. Đóng cửa sổ, mở lại – nó không còn nhớ gì cả. Bạn phải giải thích lại từ đầu.

Đó là chatbot với session-based memory – nhớ trong phiên làm việc, sau đó reset. Không có kiến trúc memory thực sự.

Một AI agent thực sự hoạt động khác. Nó có Memory System – kiến trúc phân tầng để agent biết lưu gì, lấy gì, và quên gì khi cần thiết.

Kiến trúc 3 tầng memory của AI agent

Hầu hết các agent hiện đại – bao gồm Hermes AI Agent – dùng mô hình 3 tầng dựa trên cách bộ não con người xử lý thông tin:

Tầng 1: Working Memory (Bộ nhớ làm việc)

Là context đang hoạt động trong phiên làm việc hiện tại – tương đương RAM của máy tính. Tầng này chứa conversation history hiện tại, tool outputs vừa chạy, interim results của task đang xử lý, và instructions được activate. Giới hạn: context window của model. Khi hết session, Working Memory được flush – nhưng thông tin quan trọng được đẩy xuống tầng 2 hoặc 3 trước khi mất.

Tầng 2: Episodic Memory (Bộ nhớ sự kiện)

Lưu trữ ký ức về các sự kiện và tương tác cụ thể trong quá khứ – như nhật ký. Tầng này chứa log của các task đã hoàn thành, kết quả các cuộc hội thoại quan trọng, lỗi đã gặp và cách xử lý, và preferences người dùng đã xác nhận. Agent dùng Episodic Memory để học từ kinh nghiệm cụ thể – không phải học tổng quát, mà học trường hợp này đã diễn ra thế nào. Đây là nền tảng cho Self-Evolving Skills của Hermes.

Tầng 3: Semantic Memory (Bộ nhớ ngữ nghĩa)

Là kho kiến thức dài hạn – facts, concepts, relationships đã được tổng hợp và trừu tượng hóa. Tầng này chứa profile người dùng (mục tiêu, phong cách, expertise), domain knowledge được tích lũy, best practices đã học từ nhiều task, và context dự án không thay đổi thường xuyên. Semantic Memory ổn định hơn Episodic Memory – không phải ký ức về một sự kiện cụ thể, mà là kiến thức đã được extract và tổng hợp từ nhiều kinh nghiệm.

Ví dụ thực tế: agent tư vấn 6 tháng

Hãy hình dung bạn dùng AI agent để hỗ trợ coaching khách hàng trong 6 tháng:

Tháng 1, tuần 1: Khách chia sẻ rằng họ đang vận hành spa với 3 nhân viên, doanh thu 80 triệu/tháng, đang gặp vấn đề với nhân viên bỏ việc. Agent lưu vào Episodic Memory: cuộc hội thoại cụ thể này. Lưu vào Semantic Memory: profile khách hàng – quy mô, ngành, vấn đề chính.

Tháng 3: Khách hỏi về cách tuyển dụng. Agent retrieve từ Semantic Memory: khách này làm spa, 3 nhân viên, vấn đề nhân sự đã có từ tháng 1. Retrieve từ Episodic Memory: tuần 6 đã thử áp dụng checklist onboarding, kết quả thế nào. Working Memory trong phiên này chứa toàn bộ context vừa retrieve. Câu trả lời của agent được cá nhân hóa hoàn toàn – không phải tư vấn chung về tuyển dụng, mà là tư vấn cho spa này, với lịch sử này.

Tháng 6: Agent có thể nhìn lại toàn bộ hành trình 6 tháng và đưa ra đánh giá tiến độ chính xác, vì cả 3 tầng memory đều được duy trì liên tục.

So sánh với ChatGPT Memory: 3 hạn chế lớn

Tiêu chí	ChatGPT Memory	Agent Memory System (3 tầng)
Cấu trúc	Flat list – ghi chú đơn giản	3 tầng phân biệt rõ mục đích
Episodic records	Không có – không nhớ sự kiện cụ thể	Có – nhớ task nào đã làm, kết quả thế nào
Revision	Ghi đè hoặc thêm mới – không có versioning	Có operators revision/forgetting có kiểm soát
Cross-session learning	Hạn chế – chỉ nhớ facts, không nhớ patterns	Đầy đủ – Semantic Memory tổng hợp từ Episodic
Privacy control	Cloud-based – Anthropic/OpenAI giữ memory	Self-hosted – memory ở máy của bạn

Kết nối với PKM: vault Obsidian như Semantic Memory ngoài agent

Nếu bạn đang xây PKM cho AI Agent, về bản chất bạn đang externalize Semantic Memory ra ngoài agent:

Obsidian vault = Semantic Memory lưu trên disk
Daily notes = Episodic Memory ở dạng đơn giản nhất
MCP kết nối agent với vault = retrieval mechanism
RAG (vector search) = cơ chế retrieve thông minh

Với kiến trúc này, kể cả khi bạn đổi AI model, memory vẫn tồn tại. Đây là lý do Persistent Memory quan trọng hơn model bạn dùng.

Tóm lại: bạn cần tầng nào trước?

Nếu đang bắt đầu, không cần build cả 3 tầng cùng lúc. Thứ tự ưu tiên:

Bước 1 – Semantic Memory trước: Profile người dùng, context dự án, domain knowledge. Đây là phần mang lại giá trị lớn nhất ngay lập tức.

Bước 2 – Episodic Memory: Log task đã làm, kết quả cuộc hội thoại quan trọng. Bắt đầu bằng một file log đơn giản.

Bước 3 – Working Memory optimization: Chọn đúng context cần inject vào mỗi phiên – không load tất cả, chỉ load cái liên quan.

Khi cả 3 tầng hoạt động tốt, agent của bạn ngừng là công cụ và bắt đầu trở thành đồng nghiệp – người hiểu bạn, nhớ lịch sử làm việc chung, và cải thiện theo thời gian. Đó là nền tảng của Governed Evolving Memory.

Xem thêm: https://dochidung.com/hermes-ai-agent-la-gi/