Memory

Memory Semantisch Strukturiert

Was ist Memory?

Memory ist die langfristige Speicher‑Engine der Plattform. Sie gibt AI‑Agents Zugriff auf deine strukturierten Geschäftsdaten – vergangene Interaktionen, Support‑Tickets, Rechnungen oder Dokumentation.

Anders als ein klassisches Filesystem oder eine Datenbank speichert nara Memory nicht nur Text, sondern indiziert die Bedeutung und die Beziehungen deiner Daten. So finden Agents relevante Informationen auch dann, wenn die Keywords nicht exakt übereinstimmen.

Zentrale Bausteine

Das Memory‑System besteht aus drei Hauptkonzepten.

Data Types

Die Blaupausen deiner Daten. Ein Typ definiert das JSON‑Schema, das jedes Objekt erfüllen muss, bevor es gespeichert wird.

Memory Objects

Die eigentlichen Datensätze. Jedes Objekt ist an eine konkrete Typ‑Version gebunden und wird vor dem Speichern validiert.

Knowledge Graph

Die Beziehungen. Verknüpfungen zwischen Objekten (z. B. Relates To, Depends On) bilden einen Graphen, der Agents zusätzlichen Kontext liefert.

Datenfluss

1. Data Types definieren
   Lege JSON‑Schema‑basierte Blaupausen für Tickets, Rechnungen, Kunden, Incidents usw. an.
2. Memory Objects schreiben
   Speichere validierte Datensätze gegen diese Typen. Jeder Schreibvorgang wird gegen das Schema geprüft.
3. Über den Graph verbinden
   Verknüpfe Objekte, um Beziehungen und Abhängigkeiten zwischen Entitäten abzubilden.
4. Über Agents & Retrieval abfragen
   Nutze Agents oder die Retrieval‑API, um semantische Suchen über deine Objekte auszuführen.

Semantische Suche: Bedeutung finden

Beim Speichern eines Memory‑Objects analysiert die Plattform den Text automatisch und erzeugt eine Embedding‑Vektor‑Repräsentation. So können Agents “fuzzy” suchen – basierend auf Intention statt exakten Keywords.

Suchanfrage	Klassische Suche	nara Semantic Memory
„The internet is down“	❌ Keine Ergebnisse (matcht nur „internet“)	✅ Findet: „Network outage on Floor 3“
„Who bought the gold plan?“	❌ Keine Ergebnisse	✅ Findet: „Invoice for Premium SLA Subscription“

Memory mit Retrieval nutzen

Memory übernimmt Speicherung und Indexierung. Für semantische Queries in Produktion empfehlen wir, die höhere Ebene der Retrieval‑API oder Agents zu verwenden, statt Embeddings direkt aufzurufen.

Typische Use Cases

• Langzeit‑Gedächtnis für Agents – Speichern von Zusammenfassungen vergangener Gespräche, damit sich Agents nicht wiederholen.
• Knowledge‑Base‑Retrieval – Ablage von FAQs oder internen Wikis, auf die sich Agents beim Beantworten beziehen können.
• Business‑Entitäten verfolgen – Synchronisierte Bestände von Rechnungen, Nutzern oder Incidents, auf die Tools in komplexen Workflows zugreifen.