👌👌

Mă întorc mereu la o frustrare simplă: cele mai multe sisteme „inteligente” par inteligente în momentul respectiv, apoi acționează de parcă nu te-ar fi cunoscut niciodată a doua zi. Instinctul meu era să dau vina pe model, de parcă un raționament mai bun ar rezolva totul. Dar cu cât urmăresc mai mulți agenți reali desfășurându-se în lucrări haotice și continue, cu atât mai mult cred că blocajul este memoria, nu IQ-ul. Când oamenii vorbesc despre „lanțuri gata pentru AI”, găsesc util să separ două locuri de muncă pe care le-am amestecat istoric. Unul este execuția: mutarea token-urilor, rularea contractelor, înregistrarea unei schimbări de stare. Celălalt este continuitatea: urmărirea a ceea ce a învățat un agent, ce a încercat, ce preferă utilizatorul și ce context a modelat o decizie. Agenții de astăzi se împiedică în acea a doua sarcină, deoarece o mare parte din „memoria” lor este un jurnal temporar sau o bază de date privată care nu se deplasează bine între sesiuni. Uneltele recente au început să trateze memoria pe termen lung ca o parte de primă clasă a stivei agentului—LangGraph, de exemplu, a introdus integrarea menită să stocheze și să recupereze memoria durabilă între sesiuni, mai degrabă decât să se bazeze doar pe feronierul de context pe termen scurt. Vanar este interesant pentru mine deoarece încearcă să apropie acel strat de continuitate de infrastructura lanțului în loc să-l lase complet aplicațiilor. Documentația lor descrie Vanar Chain ca un Layer-1 construit pentru adoptarea pe scară largă. Partea mai concretă este Neutron, pe care Vanar o prezintă ca o modalitate de a comprima activele digitale astfel încât să poată trăi pe lanț ca „semințe” mici, cu o demonstrație publică descrisă ca micșorarea unui videoclip de 25MB într-o semință scurtă și redarea directă din lanț. Sugerează ceva ce cred că contează: dacă referințele și artefactele unui agent pot fi stocate într-un format durabil și portabil, agentul își poate purta istoria înainte în loc să o reconstruiască de fiecare dată. Vanar poziționează de asemenea Neutron ca un strat de memorie semantică pentru agenții OpenClaw, punând accent pe memoria persistentă, căutabilă și încorporări multimodale. Direcția se potrivește cu ceea ce văd în practică: oamenii doresc agenți care pot prelua de unde au rămas, și nu vor să repete preferințele, constrângerile și deciziile anterioare. Un strat de memorie bazat pe lanț adaugă un unghi suplimentar: proveniența. Dacă memoria este scrisă într-un sistem doar de adăugare, poți întreba: „Când a învățat agentul asta?” și „A fost schimbată?” chiar și atunci când ai nevoie în continuare de controale puternice de confidențialitate și reguli de acces. Ceea ce mă surprinde este cât de repede „amintirea” a devenit o cerință de produs mai degrabă decât o lux de cercetare. Acum cinci ani, majoritatea dintre noi încă dovedeam că modelele puteau vorbi. Acum îi vedem programând lucrări și operând în locuri unde uitarea nu este doar deranjantă, ci riscantă. Caviatul sincer este că memoria pe lanț nu va rezolva magic costurile, latența sau confidențialitatea, și mă aștept la designuri hibride unde lanțul ancorează dovezi în timp ce datele de bază trăiesc în altă parte. Totuși, schimbarea conceptuală pare reală: lanțuri care doar execută sunt conducte; lanțuri care ajută agenții să își amintească încep să semene cu o infrastructură comună pentru inteligența continuă în timp.