agenci wyglądają magicznie w demonstracji. w produkcji się załamują. powód jest prosty: nie potrafią zapamiętać, nie potrafią się osadzić i nie potrafią dostosować się, gdy przepływ pracy się zmienia. ludzie rzucają wszystko na problem: notatniki, kłody drzew, przyczepione grafy wiedzy. większość z tego to taśma klejąca. ale teraz jest jasne: pamięć i kontekst to fosy. grafy wiedzy nie są nowe. zaczęły się w latach dziewięćdziesiątych, stały się popularne, gdy Google oznaczył swoje w 2012 roku, i od tego czasu cicho napędzały wyszukiwanie, reklamy, e-commerce i wykrywanie oszustw. poza wielką technologią nigdy nie przebiły się, ponieważ były zbyt drogie do zbudowania, zbyt trudne do utrzymania na bieżąco, zbyt zależne od specjalistów. teraz równanie się zmieniło. modele językowe mogą wydobywać podmioty, mapować relacje i utrzymywać grafy w czasie rzeczywistym. nagle grafy stały się mniej akademickim obciążeniem, a bardziej praktycznym osadzeniem. ale grafy nie zastępują wyszukiwania w embeddingach. uzupełniają je. to, co działa w produkcji, to hybrydowe wyszukiwanie: -szerokie przypomnienie przez wektory: „pokaż mi rzeczy podobne do tego” -precyzyjne rozumowanie przez grafy: „pokaż mi dokładnie, jak te rzeczy się łączą” -połączone przez agenta, aby dostarczyć zarówno szerokość, jak i głębokość to, co widzimy na żywo: -agenci bez trwałej pamięci wypadają po sześciu tygodniach. użytkownicy nie będą ponownie trenować każdego ranka. -kupujący nie dbają o sprytne podpowiedzi. dbają o zaufanie: zdolność do oceny, do cofania, do audytu i do egzekwowania uprawnień przed podjęciem działania przez agenta. to, co działa: pionowe hybrydy. agent finansowy osadzony w kontach, politykach i uprawnieniach. agent opieki zdrowotnej osadzony w kodach medycznych, lekach i zasadach zgodności. pamięć, kontekst i zaufanie to nie funkcje. to infrastruktura.