Každá AI věděla něco jiného. Tak jsem jim zkusil dát společnou paměť.
Při práci s několika AI nástroji mi stále častěji chyběl společný kontext. Zkusil jsem proto vytvořit paměť, ze které mohou různí asistenti číst a do které mohou zapisovat.
Co jsem zkusil
Už nějakou dobu používám při práci několik různých AI nástrojů. S jedním řeším nápady a rozhodování, s jiným vyvíjím aplikace, další agenti mi pomáhají s konkrétními projekty. Každý má trochu jiné možnosti, silné stránky a způsob práce. A každý také ví něco jiného.
Časem jsem zjistil, že mě neomezuje jen to, co jednotlivé nástroje umějí. Dost často je problém v tom, co nevědí. Jeden zná historii projektu, druhý vidí jeho současný stav, třetímu jsem minulý týden vysvětloval, proč už určitou cestou jít nechci. A když otevřu další nástroj, můžu začít vysvětlovat znovu.
Zkusil jsem proto vytvořit společnou paměť, kterou by různí AI asistenti mohli při své práci používat. Ne aby si pamatovali každou moji větu. Aby měli kde hledat souvislosti, které jim jinak chybí.
Proč jsem to zkusil
Zpočátku to není tak vidět. Když mám jeden chat a v něm řeším jedno téma, předávání informací je celkem jednoduché. Napíšu, co potřebuji, AI se doptá a společně se někam dostaneme.
Situace se změní, když s AI začnu pracovat dlouhodobě. Mám několik projektů, v každém dělám různá rozhodnutí, používám různé nástroje a občas se vracím k problému, který už jsme před měsícem vyřešili. Jenže ne nutně se stejným asistentem.
Některé nástroje mají vlastní paměť, jiné pracují hlavně s aktuálním zadáním nebo s tím, co vidí v projektu. To samo o sobě není chyba. Jenže tyhle oddělené znalosti se automaticky nespojí v jeden celek.
Začalo mě štvát, že místo řešení problému opakovaně přenáším kontext. Co stavím, pro koho, co už funguje, co jsem zkoušel, proč jsem něco zamítl a na čem jsme se minule dohodli. Někdy je důležitější právě poslední z těch informací. Nápad může být dobrý, ale pokud jsme ho už zavrhli kvůli konkrétnímu omezení, nepotřebuji si celou debatu zopakovat.
Postupně mi začalo připadat zvláštní, že dokážu propojit několik nástrojů, aby společně pracovaly na produktu, ale jejich představa o tom produktu zůstává roztříštěná.
Jak jsem postupoval
Nejdřív jsem si pomáhal poznámkami a soubory. Ukládal jsem si informace o projektech, důležitá rozhodnutí a další souvislosti, které bych nechtěl příště znovu vysvětlovat. To byl užitečný základ, ale pořád to znamenalo starat se o to, aby se správné informace dostaly ke správnému nástroji.
Postupně se z toho stal samostatný systém sdílené paměti. Dnes už nejde jen o repozitář s textovými soubory. Informace jsou uložené v databázi a různí AI agenti k nim mohou přistupovat prostřednictvím společného rozhraní, kterému se říká MCP.
V praxi je myšlenka jednodušší než její technické provedení. Když asistent řeší nějaký úkol, může si vyžádat relevantní kontext. Například co už o daném projektu víme, jaká rozhodnutí platí nebo na jaké problémy jsme dříve narazili. A pokud při práci vznikne nový důležitý poznatek, může ho do sdílené paměti zapsat, aby ho mohl využít i jiný asistent.
Nejde tedy o to nasypat všem AI úplně všechno. Smyslem je předat jim to, co pro daný úkol potřebují, a přitom zachovat informace i pro další práci. Součástí toho je rozlišovat mezi potvrzeným rozhodnutím, pracovní hypotézou a něčím, co je teprve potřeba ověřit.
Co fungovalo
Základní princip už jsem si prakticky ověřil. Z různých prostředí se podařilo načítat starší záznamy, dohledat konkrétní rozhodnutí a zapisovat nové informace.
Například při přípravě tohoto článku jsem nemusel znovu sestavovat celou historii projektu z hlavy. Asistent si dokázal dohledat, proč jsem s vlastní pamětí začal a jaké předchozí testy proběhly. To je přesně ten typ návaznosti, který mi při střídání nástrojů chyběl.
Důležité pro mě je i to, že záznam není jen osamocená věta. Může mít zdroj, čas a informaci o tom, nakolik je ověřený. Když někde stojí, že jsem se pro něco rozhodl, chci vědět, jestli jsem to opravdu potvrdil, nebo jestli to byl jen návrh, který se během rozhovoru objevil.
Samotná možnost takové informace sdílet mezi asistenty mi připadá užitečnější než ukládat stále delší souhrny, které bych jim musel ručně předkládat.
Co nefungovalo
Největší rozdíl je zatím mezi tím, že paměť existuje, a tím, že ji asistent správně používá.
To, že se může zeptat, ještě neznamená, že se zeptá. A když se zeptá, nemusí najít všechno podstatné. Někdy může být problém i v samotném zadání: asistent vyhledá přesně to, co požadoval, ale ne to, co by pro rozhodnutí skutečně potřeboval vědět.
Další otázkou je, co vlastně ukládat. Kdybych chtěl uchovat každou myšlenku a každou odpověď, rychle bych získal obrovský archiv, ve kterém by bylo potřeba znovu hledat smysl. Navíc ne každé tvrzení, které v rozhovoru zazní, je pravdivé. A ne každé včerejší rozhodnutí platí i dnes.
Sdílená paměť tak může kromě užitečného kontextu šířit také zastaralé informace a chybné předpoklady. To je nepříjemné hlavně proto, že záznam uložený v databázi může působit důvěryhodněji než obyčejná věta v chatu.
A zatím nemám poctivě změřené, kolik času mi to celé ušetřilo. Vybudovat a udržovat takový systém také stojí práci. Kdybych ji nezapočítal, byla by to docela zvláštní ukázka efektivity.
Co mi to dalo
Původně jsem řešil, jak předávat informace mezi různými AI. Postupně jsem ale narazil na zajímavější otázku: které informace mají cenu uchovávat?
Samotný přepis rozhovoru mi řekne, co se kdy probíralo. Jenže pro další práci často potřebuji něco jiného. Co z debaty vyplynulo, proč jsme se rozhodli určitým způsobem, co jsme ověřili a co stále nevíme.
Je rozdíl mezi větou „vybrali jsme tuto variantu“ a vysvětlením „vybrali jsme ji, protože v dané situaci byla levnější, jednodušší a splňovala naše omezení“. První se dá snadno zopakovat. Druhá mi umožňuje poznat, jestli rozhodnutí stále dává smysl.
Začínám proto paměť vnímat spíš jako společný pracovní kontext než jako pokus vytvořit AI, která o mně bude vědět úplně všechno. Různí asistenti nemusí být stejní ani dělat stejnou práci. Potřebuji ale, aby při rozhodování nevycházeli z několika vzájemně neúplných verzí reality.
A je docela možné, že nejtěžší část nakonec nebude samotné propojení nástrojů. Bude to udržet informace natolik kvalitní a aktuální, aby na ně stálo za to navazovat.
Verdikt
Pro někoho, kdo používá AI jen na jednotlivé dotazy, bude vlastní sdílená paměť nejspíš zbytečná komplikace. Mně při práci na několika dlouhodobých projektech smysl dává.
Čtení i zápis kontextu mezi nástroji už fungují. Zatím ale nemám ověřené, že si každý agent vždycky vyžádá právě to, co potřebuje, ani že je systém dlouhodobě bezúdržbový.
Nevyřešil jsem tím problém zapomínání jednou provždy. Spíš jsem vytvořil místo, kde mají různí asistenti šanci navázat na to, co jsme už společně zjistili. A nemusím jim pokaždé všechno vyprávět od začátku.