Слой интеллекта для агентов: память, семантика, онтология

Что в ролике
Если вы уже строите агентов и знаете agent memory и control plane, спикер предлагает следующий слой — intelligence plane, который нужен, чтобы агенты не просто управлялись, а учились на данных и памяти. Он описывает четыре компонента intelligence plane: знания, память, управление доступом и непрерывное обучение, и отличает его от control plane с оркестрацией, политиками и аудитом. В демо два агента на одних моделях отвечают на одни финансовые вопросы: наивный агент тратит 200 тысяч токенов и ошибается в 5% случаев, а governed-агент с ontology и semantic layer тратит 32 тысячи токенов и отвечает верно в 99% случаев. Докладчик объясняет, что ontology и semantic layer дают точность, которую не получить простым keyword search, а разница в 5% критична в финансах, где ошибка может означать штраф в 100 млн долларов за мошенническую транзакцию. Он призывает относиться к памяти как к данным, фиксировать entities и определения, переносить entitlements в data layer и захватывать memory traces для fine-tuning. Oracle предоставляет компоненты: Python-пакет agent memory, deep data security с наследованием прав пользователя в базе данных, private AI service container для инференса на своей инфраструктуре и no-code платформу Private Agent Factory. Второй демо — открытый инструмент Memories: fine-tuned decision model для memory routing (маршрутизации в conversation memory или workflow memory) поверх embedding и re-ranker, что дешевле и быстрее кода.
Практика
- Что получишь
- Конкретное понимание, как перейти от управления агентами (control plane) к системам, которые учатся через intelligence plane, и список компонентов Oracle для этого — с примерами экономии токенов и точности.
- Первый шаг
- Начните с получения QR-кода у стенда Oracle, чтобы скачать код демо и reference architecture, а затем изучите Python-пакет agent memory.
- Цифры
- —32 тысячи против 200 тысяч токенов — расход governed и наивного агентов на одних и тех же вопросах
- —99% против 95% — точность governed и наивного агентов (у наивного 5% ошибок)
- —100 млн долларов — возможный штраф за мошенническую транзакцию, который упоминается как цена ошибки в финансах
- —6 месяцев — на столько, по словам спикера, идеи из доклада опережают текущий уровень индустрии
- Честно
- Доклад — презентация продуктов Oracle: спикер прямо показывает, что все компоненты intelligence plane реализуются в Oracle AI Database, Deep Data Security, Private AI service container и Private Agent Factory. Код демо и слайды доступны только через QR-код на слайдах или у стенда Oracle, в открытом доступе их нет. Демо не запускается вживую из-за плохого интернета, поэтому подробности (интерфейс, точные настройки) остаются на скриншотах.
Если слова незнакомы — 9 терминов
- intelligence planeслой агентной системы, который отвечает за знания, память, доступ и обучение агента, в отличие от control plane, который управляет оркестрацией
- ontology layerформальное описание сущностей и их связей, чтобы агент понимал значения терминов, а не искал по ключевым словам
- semantic layerпрослойка, добавляющая смысловое значение данным, чтобы агент различал похожие термины в контексте
- entitlementsправа доступа пользователя к данным, которые переносятся в агента
- memory tracesзаписи событий и контекста, которые агент сохраняет для дальнейшего использования и дообучения
- fine-tuningдообучение модели на собственных данных
- decision modelмодель, обученная принимать быстрые решения (например, куда направить данные) вместо написания кода
- embeddingчисловое представление текста для поиска по смыслу
- re-rankerмодель, которая переупорядочивает результаты поиска по релевантности
Компоненты
6 шт.Формат: разбор · для практикующих · уверенность разметки 0.8 · источник