Agent Memory und Kontextfenster

Memory speichert ausgewählte Informationen über Threads hinweg; das Kontextfenster begrenzt, wie viel innerhalb eines Threads berücksichtigt werden kann.

Der awork Agent nutzt Gesprächskontext und persönliche Memories. Erfahre, was über Chats hinweg erhalten bleibt und wie du bessere Ergebnisse bekommst.

Was der awork Agent sich merkt

Innerhalb eines Threads berücksichtigt der Agent die bisherige Unterhaltung sowie vorhandene Artefakte – also Dateien und Ergebnisse, die im Thread bereitgestellt oder erstellt wurden – und den zugehörigen Kontext. Nach einer Kontextkomprimierung steht davon möglicherweise nur noch eine gekürzte Zusammenfassung zur Verfügung.

Über verschiedene Chats hinweg unterstützt awork derzeit persönliche Memorys für den awork Agent. Dabei können dauerhafte Präferenzen oder Fakten auf ausdrückliche Aufforderung gespeichert werden.

Persönliche Memorys werden pro Thread einmalig abgerufen: Beim ersten erfolgreichen Abruf wird ein Snapshot erstellt, der für alle weiteren Nachrichten im selben Thread wiederverwendet wird. Auch wenn beim Abruf keine passenden Memorys gefunden werden, zählt das als erfolgreicher Abruf. Es wird also nicht bei jeder Nachricht eine neue Suche ausgelöst. Falls der Abruf fehlschlägt oder deaktiviert ist, wird kein Snapshot gespeichert, sodass ein späterer Lauf es erneut versuchen kann.

Was der Agent nicht über mehrere Threads hinweg merkt

Nicht alles aus einem Chat wird automatisch zum dauerhaften Wissen des Agents.

• Keine automatische Weiterentwicklung aus Chats: Weder Agent noch Modell lernen aus deinen Chats

• Keine automatische Memory-Funktion für eigene Agents: Eigene spezialisierte Agents übernehmen Informationen aus einem Thread nicht automatisch in neue Threads. Wenn du möchtest, dass eine Anweisung künftig berücksichtigt wird, kannst du den Agent ausdrücklich bitten, seinen Prompt für zukünftige Threads entsprechend anzupassen oder du hinterlegst die neue Anweisung manuell.

• Getrennte Memorys bei geteilten Threads: Der Memory-Speicherstand in einem Thread gehört dem User, der den Thread erstellt hat. Andere Beteiligte im selben Thread erhalten deren persönliche Memorys nicht und können den gespeicherten Stand weder übernehmen noch ersetzen.

Wie du bessere Ergebnisse bekommst

Ein guter Kontext macht einen großen Unterschied. Besonders wichtig ist, Aufgaben sauber zu trennen.

Starte für neue Aufgaben einen neuen Thread

Jeder Chat-Thread hat ein begrenztes Kontextfenster. Je länger ein Thread wird, desto mehr ältere Inhalte müssen komprimiert werden. Dabei können Details verloren gehen.

Für neue, fokussierte oder unabhängige Aufgaben empfiehlt es sich deshalb, einen neuen Chat zu starten. Kurze, klar abgegrenzte Threads funktionieren besser als lange Threads mit wechselnden oder vermischten Aufgaben.

Nutze Docs für wiederkehrenden Kontext

Für wiederkehrende Aufgaben kannst du Kontext in Projekten oder Spaces hinterlegen. Dazu gehören Dateien, Anweisungen und Hintergrundwissen.

So musst du diesen Kontext nicht in jedem neuen Thread erneut mitführen.

Sag ausdrücklich, was dauerhaft relevant sein soll

Wenn der awork Agent etwas über dich dauerhaft berücksichtigen soll, kannst du das ausdrücklich sagen.

Beispielsweise kannst du bei einer Aufgabe festhalten, dass eine bestimmte Präferenz auch künftig berücksichtigt werden soll.

Gib den richtigen Kontext mit

Erwähne relevante Aufgaben, Projekte oder Dokumente oder füge sie mit @ hinzu. Du kannst den Agent auch direkt aus der entsprechenden Aufgabe oder dem Projekt starten.

So erhält der Agent den passenden Kontext für die aktuelle Arbeit.

FAQ

Lernt der awork Agent aus meinen Chats?

Nein. Weder der Agent noch das Modell lernen aus deinen Chats. Der awork Agent kann jedoch persönliche Memories speichern und in zukünftigen Threads berücksichtigen. Bei eigenen spezialisierten Agents kannst du den Prompt ausdrücklich für zukünftige Threads anpassen.

Warum sollte ich für neue Aufgaben einen neuen Thread starten?

Je länger ein Thread wird, desto mehr ältere Inhalte müssen aufgrund des begrenzten Kontextfensters komprimiert werden. Dabei können Details verloren gehen. Neue, fokussierte Threads halten den Kontext übersichtlich und reduzieren das Risiko, dass ältere Informationen durch die Kontextkomprimierung verloren gehen.