# Память, планирование и мультиагентные системы

> Контекстное окно — это вся «оперативная память» агента, и она конечна. Чем длиннее задача, тем острее вопрос: что держать в контексте, что выносить наружу и когда вместо одного агента запускать несколько. Это главные темы инженерии агентов после базового цикла.

Раздел: [Агенты и инструменты](https://ml-book.com/s/agents/) · Страница темы: https://ml-book.com/t/agent-memory/ · Обновлено: 2026-07-07 · Источник: ml-book.com, учебник делается сообществом

## Интуиция

Представь, что решаешь большую задачу, а все заметки можно вести только на одной доске фиксированного размера. Сначала места полно. Потом доска забивается логами и черновиками, важное тонет в шуме, а новые записи вытесняют старые. Что делает разумный человек? Стирает отработанное, оставляя короткое резюме; ведёт отдельный блокнот, куда выносит важное; а большие независимые куски отдаёт коллеге с его собственной чистой доской. Ровно эти три приёма — компакция, внешняя память и субагенты — и составляют управление памятью агента.

## Как это работает

**Контекст — рабочая память (working memory).** В окно контекста попадает всё: системный промпт, план, вызовы инструментов и их результаты. Окно конечно, и хуже того — качество деградирует ещё до переполнения: модель хуже пользуется информацией из середины длинного контекста (эффект «lost in the middle»). Практические тактики:

- **Компакция (compaction) / суммаризация.** Старые сообщения — особенно многословные результаты инструментов — сжимаются в короткое резюме. История «100 токенов логов» превращается в «тесты падали из-за импорта, исправлено» за 10 токенов.
- **Заметки во внешние файлы (scratchpad).** Агент пишет важное в файл вне контекста: находки, решения, todo. Файл переживает любую компакцию и переполнение — это долговременная память.
- **Выборочная подгрузка.** Вместо того чтобы таскать всю историю, агент по мере надобности подтягивает нужные фрагменты своих заметок — по сути это [RAG](https://ml-book.com/t/rag-basics/) по собственной истории.

**Планирование.** Для сложной задачи план полезно материализовать как артефакт — todo-список в контексте или файле. Он фиксирует декомпозицию, переживает компакцию и позволяет заметить дрейф: если агент давно делает не то, что в плане, — что-то пошло не так.

**Мультиагентность.** Оркестратор (orchestrator) раздаёт подзадачи субагентам (subagents). Главный профит: *у каждого субагента свой чистый контекст* — он может прочитать двадцать файлов, перепробовать пять гипотез, и весь этот шум останется у него; оркестратору вернётся только короткий результат. Отсюда паттерны: параллельный fan-out на независимые подзадачи, вертикальные роли (исполнитель, ревьюер, критик). Цена: потеря информации на передаче (субагент не знает всего диалога), больше токенов суммарно, сложнее отладка. Поэтому для простой линейной задачи, влезающей в один контекст, мультиагентность — оверинжиниринг.

> **💡 Ключевая мысль**
>
> Инженерия агентов — это во многом инженерия контекста: в каждый момент в окне должно быть всё нужное и как можно меньше лишнего. Компакция, scratchpad и субагенты — три способа этого добиться.

> 🎛 Интерактивная визуализация — на странице темы: https://ml-book.com/t/agent-memory/

## Что держать в контексте, а что выносить

Хорошая эвристика — три яруса. **Всегда в окне:** системный промпт, текущий план, последние наблюдения. **Сжато:** давняя история — в виде резюме после компакции. **Снаружи:** объёмные артефакты (логи, дампы, промежуточные документы) — в файлах, откуда агент подгружает нужное. Симптом нарушения ярусов: агент «забывает» договорённости из начала сессии — значит, важное попало под компакцию, вместо того чтобы жить в плане или scratchpad.

## Когда включать мультиагентность

Сигналы «за»: подзадачи независимы и их можно исполнять параллельно (fan-out: «проверь эти 5 модулей»); подзадача порождает много шума, который не нужен наверху (глубокий поиск по кодовой базе); нужна независимая перспектива (ревьюер, который не видел рассуждений автора и потому не заражён его ошибками). Сигналы «против»: задача короткая и линейная; подзадачи плотно связаны общим состоянием — тогда передача контекста между агентами съест весь выигрыш и добавит ошибок на «испорченном телефоне».

> **⚠️ Подводный камень**
>
> Субагент не видит вашего диалога. Если оркестратор передал задачу одной строкой «поправь конфиг», без контекста «какой, где, зачем» — субагент уверенно сделает не то. Формулировка задания субагенту — это самостоятельный промпт, и он должен быть самодостаточным.

> **🎤 На собеседовании**
>
> - «Контекст переполняется — что делать?» — компакция старой истории, вынос артефактов в файлы, выборочная подгрузка, делегирование объёмных подзадач субагентам.
> - «Что такое lost in the middle?» — модель хуже использует информацию из середины длинного контекста; поэтому «напихать всё в окно» — не стратегия.
> - «Главный плюс и главный минус мультиагентности?» — плюс: чистый контекст у каждого субагента и параллелизм; минус: потери на передаче, больше токенов, сложнее отладка.
> - «Когда один агент лучше нескольких?» — короткая линейная задача или плотно связанные подзадачи с общим состоянием.

## Связанные темы

- [Агентный цикл и критерий остановки](https://ml-book.com/t/agent-loop/)
- [Tool calling: как модель вызывает инструменты](https://ml-book.com/t/tool-calling/)
- [Что такое RAG и зачем он нужен](https://ml-book.com/t/rag-basics/)
- [Работа с контекстом и разметка сообщений](https://ml-book.com/t/context-engineering/)

---

Интерактив, тест из 12 вопросов и карточки терминов — на странице темы: https://ml-book.com/t/agent-memory/
Весь учебник в markdown: https://ml-book.com/llms-full.txt · Оглавление для агентов: https://ml-book.com/llms.txt