Cách AI Agent ghi nhớ và học hỏi

Một mô hình ngôn ngữ tự thân nó là không trạng thái: mỗi yêu cầu đều bắt đầu từ con số không. Để hành xử như một trợ lý có năng lực biết ghi nhớ ngữ cảnh, học hỏi từ sai lầm và ngày càng tốt hơn theo thời gian, một agent cần một hệ thống bộ nhớ tường minh được xây dựng quanh mô hình. Lĩnh vực này đã hội tụ về một thiết kế bộ nhớ dựa trên cách người ta hiểu về nhận thức của con người, kết hợp với những kỹ thuật cho phép agent cải thiện mà không bao giờ thay đổi trọng số của mô hình.

Mô hình bộ nhớ bốn tầng

Khoa học nhận thức phân biệt một số loại bộ nhớ của con người, và các agent hiện đại mô phỏng chúng một cách trực tiếp.

Bộ nhớ làm việc (working memory) là những gì vừa khớp trong context window của mô hình ngay lúc này — cuộc hội thoại đang diễn ra và nhiệm vụ trước mắt. Nó nhỏ và tốn kém, nên công việc chính là quản lý nó cho tốt, thường bằng cách tóm tắt nội dung cũ để giải phóng không gian.

Bộ nhớ tình tiết (episodic memory) là một nhật ký về những gì đã xảy ra: nhiệm vụ nào đã chạy, khi nào, và kết quả ra sao. Các sự kiện này được gắn nhãn thời gian và lập chỉ mục bằng vector embedding để sau này agent có thể truy xuất “những lần tôi đã làm điều gì đó tương tự việc này”.

Bộ nhớ ngữ nghĩa (semantic memory) là một cơ sở tri thức gồm các sự kiện và niềm tin — thông tin ổn định chứ không phải các sự kiện gắn với thời gian. Nó được khử trùng lặp và truy vấn theo độ tương đồng, đóng vai trò là kho thông tin dài hạn của agent.

Bộ nhớ thủ tục (procedural memory) là một thư viện kỹ năng: các đoạn mã đã được kiểm chứng, các quy trình, và các mẫu hướng dẫn cách làm có thể tái sử dụng. Khi một agent giải quyết thành công một bài toán, nó có thể lưu lại cách tiếp cận hiệu quả và nhớ lại lần sau thay vì phải suy ra lại từ đầu.

Cùng với nhau, các tầng này cho phép một agent duy trì một cuộc hội thoại, nhớ lại các trải nghiệm trong quá khứ, tra cứu sự kiện, và tái sử dụng các kỹ năng đã được kiểm chứng — chính là sự phân chia lao động được thấy trong bộ nhớ con người.

Các hệ thống bộ nhớ hiện đại

Một số hệ thống chuyên biệt hiện thực hóa những ý tưởng này thành hạ tầng vận hành, và chúng có những đánh đổi khác nhau.

Letta (trước đây là MemGPT) tổ chức bộ nhớ thành các khối tường minh, có thể chỉnh sửa, và rất phù hợp cho các cuộc hội thoại nhiều lượt có trạng thái, đổi lại là bạn bị ràng buộc vào mô hình bộ nhớ của nó. Zep, được xây dựng trên một knowledge graph theo thời gian, theo dõi cách các sự kiện thay đổi theo thời gian và kết hợp tìm kiếm vector, tìm kiếm theo từ khóa và duyệt đồ thị; nó dẫn đầu trên các benchmark về suy luận thời gian và giảm mạnh độ trễ truy xuất. Mem0 pha trộn lưu trữ vector với một cơ sở dữ liệu quan hệ, hoạt động xuyên các nhà cung cấp mô hình khác nhau, và đạt kết quả mạnh trên các benchmark hội thoại dài với một thuật toán truy xuất tiết kiệm token. LangMem là một lựa chọn nhẹ hơn, gắn liền với framework, coi bộ nhớ như những cập nhật liên tục vào prompt — đơn giản hơn để áp dụng nhưng kém trưởng thành hơn.

Xu hướng rõ ràng của năm 2026 là bộ nhớ lai (hybrid memory): kết hợp độ tương đồng vector, đối sánh từ khóa, và cấu trúc đồ thị hoặc thời gian thay vì dựa vào bất kỳ phương pháp truy xuất đơn lẻ nào. Thị trường hạ tầng bộ nhớ agent đang tăng trưởng nhanh khi điều này trở thành chuẩn vận hành.

Tự cải thiện mà không cần huấn luyện lại

Một sự thật đáng ngạc nhiên và quan trọng là các agent có thể trở nên tốt hơn một cách đo lường được mà hoàn toàn không cần tinh chỉnh (fine-tuning) mô hình nền. Một số kỹ thuật đạt được điều này thuần túy thông qua bộ nhớ và prompting.

Reflexion để agent tự phê bình những thất bại của chính mình, lưu bản phê bình vào bộ nhớ tình tiết, và truy xuất nó khi đối mặt với một nhiệm vụ tương tự. Agent về cơ bản học hỏi từ những sai lầm của mình qua các lần chạy. Việc có nhiều agent tranh luận về một bản phê bình thường vượt trội hơn so với một agent đơn lẻ tự làm điều đó.

Thư viện kỹ năng (skill libraries) cho phép một agent tự động tạo ra và kiểm chứng một đoạn mã, rồi lưu nó được lập chỉ mục bằng embedding. Theo thời gian, agent tích lũy một bộ công cụ ngày càng lớn gồm các giải pháp đã được kiểm chứng, điều đã được chứng minh là đẩy nhanh quá trình học hỏi một cách đáng kể trong các môi trường thử nghiệm.

Phát lại trải nghiệm (experience replay) lưu các ví dụ thành công gồm nhiệm vụ-suy luận-đầu ra và chèn những thành công tương tự nhất trong quá khứ vào prompt cho một nhiệm vụ mới. Đây là học theo kiểu few-shot được lắp ráp ngay tại chỗ từ chính lịch sử của agent.

Tối ưu hóa prompt (prompt optimization) tiến hóa các chỉ dẫn của agent bằng cách suy ngẫm, bằng ngôn ngữ tự nhiên, về các vết (trace) của những lần thực thi trước và viết lại prompt để đạt hiệu quả tốt hơn — cải thiện kết quả với ít lần thử nghiệm hơn nhiều so với các phương pháp tinh chỉnh prompt tự động cũ.

Hiểu biết chung xuyên suốt là một agent có thể cải thiện đơn giản bằng cách phát triển và chăm chút bộ nhớ của nó. Không cần cập nhật trọng số nào cả; bộ nhớ tốt hơn tạo ra hành vi tốt hơn.

Truy xuất trong thực tế

Bộ nhớ chỉ hữu ích nếu đúng những mảnh thông tin có thể được tìm thấy vào đúng thời điểm, điều này khiến truy xuất trở thành trái tim của hệ thống. Chuẩn vận hành là một pipeline lai: tìm kiếm bằng cả độ tương đồng vector và đối sánh từ khóa, xếp hạng lại (rerank) các ứng viên, rồi sinh ra một câu trả lời đặt nền tảng trên tài liệu đã truy xuất. Việc áp dụng truy xuất lai tăng mạnh trong những tháng đầu năm 2026 vì nó cải thiện chất lượng câu trả lời một cách đáng tin cậy so với chỉ dùng tìm kiếm vector đơn thuần.

Các agent tiên tiến hơn sử dụng truy xuất agentic (agentic retrieval), trong đó agent chia một câu hỏi phức tạp thành các truy vấn con, truy xuất và đánh giá kết quả, rồi lập kế hoạch lại nếu câu trả lời chưa đầy đủ — định tuyến các câu hỏi đơn giản qua một đường nhanh và các câu hỏi khó qua một đường kỹ lưỡng hơn.

Các hệ thống bộ nhớ tốt cũng cần hợp nhất (consolidation): cắt tỉa các sự kiện cũ hoặc ít giá trị, phát hiện mâu thuẫn khi thông tin mới được ghi vào, và quyết định khi nào nên ghi (sau khi suy ngẫm hoặc hoàn thành nhiệm vụ) và khi nào nên đọc (khi độ tự tin của agent thấp). Không có hợp nhất, bộ nhớ phình to vô hạn, truy xuất chậm lại, và các sự kiện cũ kỹ hoặc mâu thuẫn làm giảm chất lượng câu trả lời.

Đo lường chất lượng bộ nhớ

Các hệ thống bộ nhớ được đánh giá trên các benchmark được xây dựng từ những cuộc hội thoại dài, nhiều phiên, kiểm tra xem một agent có thể nhớ lại và suy luận trên thông tin được đưa ra từ rất sớm hay không. Các hệ thống dẫn đầu hiện đạt điểm ở khoảng đầu đến giữa chín mươi trên các bài kiểm tra này, với suy luận thời gian — hiểu cách các sự kiện thay đổi theo thời gian — là một yếu tố tạo khác biệt đặc biệt. Trong thực tế, các đội ngũ nên theo dõi tỷ lệ thành công, độ trễ và chi phí theo từng lĩnh vực, và thường xuyên chạy các bài kiểm tra hồi quy trên những trường hợp khó đã biết để bắt được sự trôi dạt chất lượng.

Một ngăn xếp bộ nhớ tham khảo

Một ngăn xếp phổ biến, thực dụng kết hợp một cơ sở dữ liệu quan hệ với một extension vector để lưu bộ nhớ tình tiết và ngữ nghĩa, một kho lưu trữ cục bộ nhẹ cho thư viện kỹ năng, và một lớp điều phối để quản lý context window. Các thành phần có sẵn đảm nhận việc lưu trữ và truy xuất, trong khi logic đặc thù theo lĩnh vực — ngưỡng khử trùng lặp, lập chỉ mục kỹ năng, và các chính sách suy giảm bộ nhớ — thường được xây dựng riêng. Vẫn còn những câu hỏi mở quanh ngưỡng tương đồng chính xác để khử trùng lặp, cách quản lý phiên bản kỹ năng khi chúng hỏng, và bộ nhớ có thể lớn đến mức nào trước khi độ trễ truy xuất trở thành vấn đề, nhưng kiến trúc tổng thể hiện đã được hiểu rõ và có thể tái tạo.