Agentic Memory Architect & Episodic Memory Guide

English | Bahasa Indonesia

---

English

Orchestration & Integration

Connects and orchestrates with multi-agent-orchestration, pydantic-ai-expert, session-memory-manager, and zero-to-prod-orchestrator.

Purpose

To design and implement persistent, long-term episodic memory systems for autonomous AI agents, moving beyond simple context windows or localized session checkpoints.

Key Technologies

• Mem0: For cross-session entity memory and user preference persistence.
• Letta (formerly MemGPT): For unbounded memory management allowing LLMs to page memory in and out.
• Zep (v2): Fast, scalable memory service for AI applications, including temporal memory.

Architectural Guidelines

1. Memory Tiers: Segregate memory into short-term (working context), mid-term (session graph), and long-term (vector-backed episodic memory).
2. Context Paging: Implement mechanisms for agents to proactively recall and summarize past interactions without overwhelming the token budget.
3. User Knowledge Graphs: Continually update the graph of user preferences, project constraints, and architectural decisions over time.

---

Bahasa Indonesia

Integrasi Orkestrasi

Terhubung dan mengorkestrasi bersama multi-agent-orchestration, pydantic-ai-expert, session-memory-manager, dan zero-to-prod-orchestrator.

Tujuan

Merancang dan mengimplementasikan sistem memori episodik jangka panjang yang persisten untuk agen AI otonom, bergerak melampaui jendela konteks sederhana atau checkpoint sesi lokal.

Teknologi Utama

• Mem0: Untuk memori entitas lintas-sesi dan persistensi preferensi pengguna.
• Letta (sebelumnya MemGPT): Untuk manajemen memori tak terbatas yang memungkinkan LLM mengambil/menyimpan memori.
• Zep (v2): Layanan memori cepat dan skalabel untuk aplikasi AI, termasuk memori temporal.

Panduan Arsitektur

1. Tingkatan Memori: Pisahkan memori menjadi jangka pendek (konteks kerja), jangka menengah (grafik sesi), dan jangka panjang (memori episodik berbasis vektor).
2. Context Paging: Implementasikan mekanisme agar agen secara proaktif memanggil dan merangkum interaksi masa lalu tanpa menghabiskan anggaran token.
3. User Knowledge Graph: Terus perbarui graf preferensi pengguna, batasan proyek, dan keputusan arsitektur seiring waktu.