Les plugins de mémoire analysent les conversations et génèrent 1 000 extraits isolés insérés dans une base de données vectorielle. À chaque prompt, ils attachent les cinq extraits les plus similaires, créant une loterie sur les extraits RAG. Cette approche échoue car les agents ne comprennent pas les projets : ils ont besoin de documentation, pas de mémoire. Tous les plugins de mémoire suivent la même architecture défectueuse : traiter les transcriptions, générer des extraits, insérer dans la base de données RAG, récupérer les cinq premiers par prompt et fournir des outils de recherche.
Ils souffrent de problèmes : les mémoires apparaissent par similarité seule, manquent de contexte, traitent le passé comme une vérité et dépendent d'un rappel qui devient imprécis à mesure que les bases de code changent. Le magasin est inauditables avec plus de 10 000 embeddings. L'hypothèse centrale est fausse—les agents n'oublient pas, ils ont besoin de documentation.
Les gens ne revoient pas les anciennes réunions ; ils écrivent les choses. La solution est une mémoire basée sur les documents, pas des outils de recherche sur des millions de tokens. Les fichiers AGENTS.md fonctionnent mais sont souvent la seule documentation.
Sous la pression de produire une sortie AI rapidement, la documentation devient une après-pensée alors qu'elle devrait être priorisée.
Source: Hacker News · Résumé par HeadlinesBriefing