Chatbot AI z trwałą pamięcią — co ten zwrot naprawdę ci daje
Każdy chatbot na rynku deklaruje dziś „pamięć”. Prawie żaden nie ma na myśli tego samego. W drugim miesiącu zauważasz, że bot zapomniał imienia twojego psa, projektu, nad którym siedziałeś w listopadzie, albo tonu, o który prosiłeś. Nie dlatego, że „AI nie potrafi pamiętać” — dlatego, że dostawcy dostarczają cienki plasterek pamięci i nazywają całość „trwałą”. Oto uczciwa mapa tego, co ten zwrot może znaczyć, i jak wybrać chatbota, który dotrzymuje obietnic.
„Trwała pamięć” to najbardziej przeciążony zwrot na rynku chatbotów 2026 roku. Jest na stronie głównej OpenAI, w dokumentacji Claude Projects, przy każdej premierze open source i w cenniku każdej nakładki, która wpycha prompt do GPT-4 i nazywa to „towarzyszącym AI”. Formalnie żaden z nich nie kłamie — i wszyscy opisują coś innego. Poniżej jest ramowy podział, który oddziela prawdziwą pamięć długoterminową od jej sprzedażowej wersji.
Krótkoterminowa kontra długoterminowa — pomyłka, od której wszystko się zaczyna
Pamięć krótkoterminowa to okno kontekstu. Wszystko, co ty i model właśnie powiedzieliście w bieżącej turze, ograniczone limitem tokenów — 200 tys., 1 mln, ile tam model pozwala. Kiedy tura się kończy, sam model nie zachowuje nic. Następna tura zaczyna się od czystej kartki, a to klient (interfejs czatu, bot) ponownie ładuje historię do okna.
Pamięć długoterminowa to to, co klient przechowuje poza modelem — w bazie danych, pliku, indeksie wektorowym — i w twoim imieniu wciąga z powrotem do każdej nowej tury. To ta warstwa, którą ludzie mają na myśli, wpisując „chatbot AI z trwałą pamięcią”. Gigantyczne okno kontekstu to nie jest trwała pamięć, ono tylko poszerza bieżącą turę.
Każda uczciwa rozmowa o pamięci zaczyna się od wybrania, o którą z tych dwóch rzeczy naprawdę pytasz. Jeśli chcesz, żeby bot pamiętał cię przez miesiące, pytasz o długoterminową. Wszystko poniżej dotyczy właśnie jej.
Cztery warstwy, jakie może mieć trwała pamięć
Prawdziwa pamięć długoterminowa to nie jedna rzecz. To cztery niezależne warstwy, a różne produkty pokrywają różne podzbiory — zwykle po cichu tylko jedną albo dwie.
Warstwa 1 — pełne archiwum rozmów. Każda wiadomość, jaką wymieniliście, zachowana dosłownie i przeszukiwalna. To „dysk twardy” pamięci. Pozwala botowi odpowiedzieć na pytanie „co ustaliliśmy w sprawie premiery w zeszłym miesiącu?”, odnajdując dokładnie tę turę. Bez niej wszystko powyżej jest zgadywaniem na podstawie streszczeń.
Warstwa 2 — typizowane fakty o tobie. Ustrukturyzowane wpisy, które bot wyciąga i zapisuje w miarę poznawania — twoje imię, strefa czasowa, firma, wiek dzieci, preferencje, trwające projekty. Nie surowe wiadomości, lecz wydestylowane fakty. To właśnie pokrywa większość dostawczych funkcji „pamięci” i tylko to. Jest przydatne, ale samo w sobie gubi przykład, który nadał faktowi znaczenie.
Warstwa 3 — wyciągnięte lekcje. Kiedy bot zostaje poprawiony — „nie, chodziło mi o X” — zapisuje błąd i poprawkę, żeby go nie powtórzyć. To warstwa „uczenia się”. Prawie żaden produkt dostawcy nie wystawia jej jako pełnoprawnego elementu, więc bot po prostu po cichu powtarza tę samą klasę błędu w przyszłym tygodniu.
Warstwa 4 — bieżący model emocji i zainteresowań. Nie „co się wydarzyło”, tylko „jak się teraz między nami układa”. Które tematy ostatnio cię napędzają, a które wyczerpują, jaki jest świeży nastrój, ile czasu minęło od ostatniej lekkiej rozmowy. To właśnie zmienia chatbota w coś, co czyta sytuację, zamiast startować od neutralnego tonu przy każdej wiadomości.
Chatbot z samą warstwą 2 „zapamięta twoje imię i pracę” i zapomni całą resztę. Chatbot z wszystkimi czterema pamięta cię tak, jak robi to kompetentny współpracownik.
Jak dzisiejsze chatboty wypadają na tle tych czterech warstw
ChatGPT (Memory włączone). Warstwa 2, z limitem. OpenAI wyciąga krótkie fakty z twoich czatów i wstrzykuje je do nowych sesji z niewielkiego magazynu (kilka tysięcy tokenów). Żadnego pełnego archiwum, które mógłbyś odpytać. Żadnej warstwy lekcji. Żadnego modelu emocji. Wyłącz Memory, a zniknie nawet warstwa 2.
Claude Projects. Warstwa 1 w wersji lekkiej, w obrębie projektu. Przypięty dokument albo kontekst dzielony między czatami wewnątrz jednego projektu. Lepsze dla zamkniętego obszaru pracy niż dla ogólnego asystenta. Nie przenosi się między projektami i ładuje cały kontekst do każdej nowej tury (w porządku przy oknie Claude'a, kosztowne w tokenach).
Custom GPT, Copiloty, boty Poe. W najlepszym razie warstwa 2, często nic — statyczny prompt systemowy bez magazynu per użytkownik. „Znają” personę, ale nie znają ciebie.
Aplikacje towarzyszące w stylu postaci. Zwykle warstwa 2 plus fragment warstwy 4 (śledzą „nastrój” dla zaangażowania), zawsze na serwerze dostawcy, zawsze podatne na zmiany zasad. Pamięć jest produktem, ale nie należy do ciebie.
Asystenci self-hosted (Avelina, stacki open source, własne wdrożenia). Warstwy 1–4 wszystkie obecne, jeśli są dobrze zbudowane. Pełne archiwum w twoim własnym SQLite/Postgresie, typizowane fakty, tabela lekcji, bieżący model stanu. Dysk należy do ciebie. Aktualizacje dostawcy nie mogą go zresetować.
Dlaczego dostawcza „pamięć” po cichu zawodzi w drugim miesiącu
Limit. Dostawcze magazyny pamięci są małe z założenia — kilka tysięcy tokenów w pamięci w stylu OpenAI. Gdy magazyn się zapełni, starsze wpisy wypadają. Nikt ci o tym nie mówi, po prostu zauważasz, że bot zapomniał o twoim listopadowym projekcie.
Destylacja gubi przykład. Warstwa 2 zapisuje „użytkownik prowadzi studio tatuażu”. Nie zapisuje konkretnego przypadku z zeszłej wiosny, który ukształtował sposób, w jaki mówisz o cenach. Fakt przeżywa, powód faktu nie.
Resety zasad i modeli. Dostawca zmienia poziom pamięci, migruje na nowy model albo ty zmieniasz abonament — magazyn zostaje przekształcony albo wyczyszczony. Twój bot nagle wita cię jak w pierwszym tygodniu.
Brak warstwy lekcji. Błąd, który poprawiłeś w kwietniu, wróci w październiku. Bez trwałego magazynu lekcji „uczenie się” jest słowem marketingowym, a nie mechanizmem.
Jak wygląda pod maską chatbot z prawdziwą trwałą pamięcią
Żadnej magii. Nudny stack, ale kompletny:
Baza danych. SQLite albo Postgres z (co najmniej) trzema tabelami: messages (każda tura, dosłownie), claims (typizowane fakty o użytkowniku wraz z pochodzeniem), lessons (błędy plus poprawki, oznaczone wagą). Opcjonalnie czwarta: state (bieżące kanały emocji i zainteresowań).
Wyszukiwanie. Pełnotekstowe (FTS5 w SQLite w zupełności wystarczy botowi w skali osobistej) plus indeks wektorowy do wyszukiwania semantycznego — „co mówiliśmy o X” działa nawet wtedy, gdy sparafrazujesz.
Budowniczy kontekstu. Przy każdej nowej turze mała procedura wybiera: ostatnie N wiadomości, najlepsze K semantycznych trafień z archiwum, przypięte lekcje o wysokiej wadze, bieżące fakty, bieżący stan. Składa to w wiadomość systemową. Wysyła do modelu. I to jest cała sztuczka.
Zapis zwrotny. Po odpowiedzi kolejna procedura wyciąga nowe fakty, zapisuje lekcje, jeśli użytkownik poprawił bota, i aktualizuje kanały stanu. Nic egzotycznego — małe potoki sterowane promptami, które w tle wykonuje ten sam model.
Jeśli chcesz zobaczyć ten kształt rozrysowany z konkretnymi nazwami plików i schematami tabel, mapą są cztery warstwy pamięci w szczegółach oraz strona funkcji Pamięć.
Ściągawka decyzyjna
„Chcę tylko, żeby bot pamiętał moje imię i moją pracę”. → Sprawdzi się każdy chatbot z pamięcią warstwy 2. ChatGPT Memory w zupełności wystarczy.
„Chcę, żeby pamiętał szczegóły trwającego projektu”. → Claude Projects albo asystent self-hosted z warstwą 1.
„Chcę, żeby przestał popełniać ten sam błąd co w zeszłym miesiącu”. → Potrzebujesz warstwy 3. To już teren self-hosted.
„Chcę, żeby naprawdę mnie znał — przez lata, nie przez sesję”. → Wszystkie cztery warstwy. Osobisty asystent self-hosted. Nic hostowanego przez dostawcę nie dostarcza dziś uczciwie wszystkich czterech.
„Chcę prywatności na dokładkę do pamięci”. → Cokolwiek wybierzesz, magazyn pamięci musi stać na maszynie, której jesteś właścicielem. Inaczej trwała pamięć jest po prostu „trwała dla dostawcy”.
Jak wpisuje się w to Avelina
Avelina AI to chatbot z wszystkimi czterema warstwami trwałej pamięci wbudowanymi od pierwszego dnia. Archiwum każdej rozmowy żyje w pliku SQLite na twoim VPS-ie (warstwa 1). Typizowane fakty o tobie siedzą w tabeli claims wraz z turami źródłowymi jako dowodem pochodzenia (warstwa 2). Tabela lessons zapisuje poprawki, żeby ten sam błąd przestał się powtarzać (warstwa 3). Ośmiokanałowy model stanu śledzi, jak układa się wasza relacja (warstwa 4). Każda nowa tura nawadnia odpowiednie fragmenty, zanim model w ogóle zobaczy twoją wiadomość — bez ręcznego przypominania, bez gier z oknem kontekstu. Instalujesz to w jakieś dwadzieścia minut z prowadzonym instalatorem, a pamięć jest twoja — żaden dostawca jej nie zresetuje. Jeśli wolisz wersję zrób-to-sam tego samego kształtu, przewodnik jak sprawić, żeby AI cię zapamiętało przechodzi przez to od zera, a tekst o pamięci asystenta ujmuje tę samą ideę od strony asystenta.
FAQ
Co oznacza „trwała pamięć” w chatbocie AI?
Bot zachowuje coś z waszych rozmów po zakończeniu sesji i używa tego później, bez wpisywania tego przez ciebie od nowa. Tym „czymś” jest jedna z czterech możliwych warstw — zapisy rozmów, fakty, lekcje, stan emocjonalny. Większość dostawców dostarcza tylko jedną warstwę.
Czy długie okno kontekstu to nie to samo co pamięć?
Nie. Kontekst na milion tokenów poszerza bieżącą turę, ale nie przechowuje niczego między turami. Trwała pamięć to to, co klient ponownie ładuje do każdej nowej tury w twoim imieniu.
Czy ChatGPT i Claude mają prawdziwą trwałą pamięć?
Częściowo. ChatGPT Memory pokrywa warstwę 2, z limitem. Claude Projects pokrywa przypiętą lekką warstwę 1 wewnątrz jednego projektu. Żaden nie dostarcza wszystkich czterech warstw.
Czy mogę sam zbudować chatbota z prawdziwą trwałą pamięcią?
Tak — SQLite plus FTS plus mały indeks wektorowy plus procedura budująca kontekst. Zobacz przewodnik zrób-to-sam.
Dlaczego mój chatbot po pewnym czasie mnie „zapomina”?
Zwykle z jednego z trzech powodów: limit dostawczej pamięci zapełnia się i po cichu nadpisuje starsze wpisy, wydestylowane fakty gubią przykład, który nadawał im znaczenie, albo aktualizacja zasad czy modelu przekształca magazyn. Magazyn pamięci na sprzęcie, którego jesteś właścicielem, omija wszystkie trzy.
Chcesz kształtu „współpracownik na lata”, a nie „czat, który wita mnie po imieniu”? Strona Pamięć i graf wiedzy pokazuje cztery warstwy połączone razem.