Agent को Memory नहीं, Documentation चाहिए
मूल शीर्षक: Agents don't need memory, they need documentation
यह क्यों महत्वपूर्ण है
यह बहस AI agent architecture की एक बड़ी कमज़ोरी उजागर करती है, जो पूरे memory plugin उद्योग को प्रभावित करती है।
Kevin Liao ने 3 अक्टूबर 2026 को तर्क दिया कि सभी Memory Plugins गलत समस्या सुलझा रहे हैं — वे RAG-based recall पर निर्भर हैं, जबकि Agents को असल में structured documentation की ज़रूरत है।
Kevin Liao के अनुसार, बाज़ार में मौजूद हर Memory Plugin एक ही तरह काम करता है: session transcripts से snippets बनाओ, vector database में डालो, और हर prompt पर top-5 results inject करो। कुछ tools इसे 'multi-tier memory', 'dreamers', या 'context compression' जैसे नामों से सजाते हैं — लेकिन बुनियादी ढाँचा वही रहता है।
Liao पाँच मुख्य समस्याएँ गिनाते हैं। पहली: memories similarity से surface होती हैं, न कि सटीकता से। दूसरी: RAG snippet में context, motivations और environment गायब हो जाते हैं। तीसरी: codebase रोज़ बदलता है, तो पुरानी 500 snippets कितनी सही हैं? चौथी: agent वही खोज सकता है जो उसे पता है — जो नहीं पता, वह miss हो जाता है। पाँचवीं: 10,000 embeddings में कौन-सी stale हैं, कौन-सी गलत हैं — यह audit करना लगभग असंभव है।
उनका मूल तर्क सीधा है: इंसान किसी feature की constraint जानने के लिए 3 साल पुरानी meeting नहीं देखते — वे लिखे हुए records पढ़ते हैं। Agents को भी recall नहीं, structured documentation चाहिए। वे AGENTS.md जैसी पहलों को इस दिशा में सही कदम मानते हैं।