Fallstudie: 77% av entiteter förlorade — sedan 100% återhämtade

När ett LLM-samtal överskrider kontextfönstret sammanfattar plattformarna det – och förlorar information. Vi mätte det i vår egen produktionsmiljö med multi-agent-utrullning: standardkompaktering förlorade 77% av namngivna entiteter (personer, beslut, verktyg, datum). När vi frågade om en betalningsbehandlingsintegrering som diskuterades 90 minuter tidigare svarade agenten "Jag vet inte".

Vi ersatte kompaktering med en trelagers återkallningsarkitektur över strukturerat minne: entiteterna bevaras fullständigt, och agenten hämtar exakt det det aktuella steget behöver, efter behov.

Resultatet, mätt över mer än 16 000 meddelanden på två produktionsagentinstanser: 100% återhämtning av tidigare beslut (jämfört med 43% utan), samtidigt som en session på 46 MB komprimeras till 35 kB av arbetskontext – en 99,94% minskning av tokenbelastningen. Slutsatsen i den publicerade artikeln håller: betala inte för en bättre modell, betala för bättre minne.

Den fullständiga metodologin, inklusive en översikt av 27 nyliga artiklar från västerländska, kinesiska, koreanska och japanska forskningsgrupper, publiceras som en öppen rapport av GLG, a.s. (Mars 2026) – inklusive koreanska och kinesiska utgåvor.