Tencent Team Memory: delt agent-hukommelse

Team Memory er struktureret omkring en central hub, som alle agenter i et team kan læse fra og skrive til. Når én agent lærer noget nyt, gemmer den det i hubben, og resten af teamet kan trække på den samme information i deres egne opgaver. Det er en logisk arkitektur, hvis man tænker på et agent-team som en gruppe kolleger, der deler et fælles notat i stedet for at sende beskeder frem og tilbage.

Frameworket sorterer den delte viden i fire typer: Chat Memory, altså det agenterne har talt om og aftalt undervejs; Skill, konkrete arbejdsmåder og procedurer agenterne har lært; LLM-Wiki, opsamlet faktuel viden om domænet de arbejder i; og Code-Graph, struktureret viden om kodebasen og dens afhængigheder. Ovenpå det ligger fire adgangsniveauer, der styrer, hvor bredt en given hukommelse deles, fra strengt privat til fuldt tilgængeligt for hele teamet. Det er et forsøg på at give struktur til noget, der ellers hurtigt kan blive kaotisk, når flere autonome processer arbejder på samme datasæt.

Det, arkitekturen ikke løser, er hvad der sker, når en delt hukommelse er forkert. Hvis én agent lagrer en fejlagtig antagelse, en forældet oplysning eller en direkte fejlfortolkning i hubben, arver resten af teamet den samme fejl. Der findes ingen indbygget mekanisme til at markere en hukommelse som ugyldig, tilbagekalde den, eller spore hvilke beslutninger der siden er truffet på baggrund af den.

Det er den slags problem, der er usynligt lige indtil det ikke er. En agent, der løser en enkeltstående opgave, laver en fejl, som mennesket kan rette. En agent, der lægger en fejl i en delt hukommelse, spreder fejlen videre til hver eneste agent, der efterfølgende læser den samme kilde. Uden et versioneringslag eller en godkendelsesproces for skriv til hubben, er der ingen naturlig bremse på den spredning.

Et beslægtet scenarie opstår, når to agenter i samme team ender med modstridende versioner af samme fakta, fordi de har opdateret hubben på forskellige tidspunkter eller ud fra forskellige kilder. Uden en klar konfliktløsningsregel er der ingen garanti for, hvilken version der vinder, eller om systemet overhovedet opdager, at der er en uoverensstemmelse. I praksis betyder det, at et agent-team kan operere med intern splittelse, uden at nogen menneskelig operatør ser det, før konsekvensen viser sig i et forkert resultat over for en kunde eller i en forretningsbeslutning.

Det er ikke et hypotetisk problem. Jo mere et agent-team bruges til reelle arbejdsopgaver, jo flere skrivninger sker der til den delte hukommelse, og jo større bliver sandsynligheden for, at to agenter på et tidspunkt trækker modstridende konklusioner fra samme kilde.

Vi ser i vores arbejde med virksomheder, der har flere AI-agenter i produktion, at delt kontekst mellem agenter er et af de områder, hvor governance halter længst bagefter den tekniske udvikling. Team Memory er et eksempel på en teknisk løsning, der løser et reelt koordinationsproblem, men som samtidig introducerer en ny type risiko: en fejl er ikke længere isoleret til én agent, den bliver en del af teamets fælles hukommelse.

For en dansk virksomhed, der overvejer at sætte flere agenter til at arbejde sammen om samme opgaveflow, betyder det, at spørgsmålet ikke kun er, om delt hukommelse virker teknisk. Det er lige så vigtigt at spørge, hvem der har ansvaret for at opdage en forkert delt hukommelse, hvordan den rettes, og hvordan man sporer, hvilke beslutninger der er truffet på grundlag af den, før fejlen blev fanget. Uden de svar er delt agent-hukommelse en effektivitetsgevinst med en indbygget blind vinkel, og den blinde vinkel bliver kun mere kritisk, jo mere ansvar man lægger over til agenterne.