Gedeeld selectief persistent geheugen voor agentische LLM-systemen

Agentische LLM-systemen die via multi-turn toolgebruik code genereren, lopen tegen een fundamenteel contextprobleem aan: elke sessie begint vanaf nul, waarbij de configuratiekeuzes, domeinbeperkingen, dataschema's en toolgebruikspatronen die eerdere sessies productief maakten, worden weggegooid. Het naïef persisteren van volledige gespreksgeschiedenissen is zowel token-inefficiënt als contraproductief — irrelevante context verslechtert de generatiekwaliteit. Wij introduceren gedeeld selectief persistent geheugen, een geheugenarchitectuur voor agentische systemen.