Память агента теряет ценность, если не может забывать неудачные примеры

Автор поднимает проблему «застойного контекста» в памяти ИИ-агентов, указывая, что накопление всех черновиков и ошибок снижает качество работы. Предлагается разделить память на три категории с истекающим сроком годности для неудачных примеров и предпочтений пользователя. Главный вывод: доверие к агенту выше, когда у системы памяти есть механизм удаления, а не только сохранения.