No. 45
2026-09-02
yapay zeka nabzı — ham değil, demlenmişthe AI pulse — brewed, not raw
 AI KRİTİKAI CRITIQUE

Her AI Ajanının İhtiyacı Olan Dört Bellek TürüThe Four Types of Memory Every AI Agent Needs

Türkçe altyazıyla izleWatch with Turkish subtitles

ÖzetSummary

Bir YouTube açıklama videosu, yapay zeka ajanlarının dört tür hafızasını—çalışma, anlamsal, prosedürel ve epizodik—Princeton'ın CoALA çerçevesine atıfta bulunarak ele alıyor. Claude Code'un Claude.md dosyası ve 'agent skills' açık standardı somut örnekler olarak sunuluyor. Video, gerçek bir ajanı sohbet botundan ayıranın yalnızca model yeteneği değil, hafıza mimarisi olduğunu savunuyor.A YouTube explainer video examines the four types of memory in AI agents—working, semantic, procedural, and episodic—by referencing Princeton's CoALA framework. It presents Claude Code's Claude.md file and the 'agent skills' open standard as concrete examples. The video argues that what distinguishes a true agent from a chatbot is not just model capability, but memory architecture.

Neden ÖnemliWhy it matters

Ajansal sistemler demoların ötesine geçip üretim ortamına taşındıkça, gerçek dünyadaki başarısızlıkların çoğu hafıza katmanında yaşanıyor: tekrarlanan hatalar, bağlam şişkinliği ve oturumlar arası öğrenme eksikliği. Dört hafıza türünün net bir sınıflandırması, mühendislere bir ajanın neden aynı işi tekrar tekrar yaptığını veya proje kurallarını neden gözden kaçırdığını teşhis etmeleri için ortak bir terminoloji sağlıyor. Bu sınıflandırma, ajanların zamanla gerçekten iyileşip iyileşmeyeceğini yoksa yalnızca gürültü biriktireceğini belirleyecek hâlâ çözülememiş 'unutma' sorununu da gün yüzüne çıkarıyor.As agentic systems move beyond demos into production environments, most real-world failures occur at the memory layer: repeated errors, context bloat, and a lack of cross-session learning. A clear classification of the four memory types provides engineers with a shared terminology to diagnose why an agent keeps repeating the same tasks or misses project rules. This classification also highlights the still-unsolved 'forgetting' problem, which will determine whether agents truly improve over time or simply accumulate noise.

Öne ÇıkanlarHighlights

  • Üretim ortamında anlamsal hafıza, akademik literatürün ima ettiği vektör veritabanları veya bilgi grafikleri değil, genellikle bağlama yüklenen basit bir Markdown dosyasıdır (örneğin Claude.md).In production environments, semantic memory is often not the vector databases or knowledge graphs implied by academic literature, but rather a simple Markdown file loaded into context (e.g., Claude.md).
  • Prosedürel hafıza 'kademeli açığa çıkarma' ilkesini kullanır. Ajan, yaklaşık 100 tokenlik bir beceri dizinini görür; yalnızca bir görev eşleştiğinde tam talimatları ve ilgili kaynakları çeker. Bu yaklaşım, çalışma hafızası bütçesini korur.Procedural memory utilizes the principle of 'progressive disclosure.' The agent sees a skill directory of approximately 100 tokens; only when a task matches does it retrieve the full instructions and relevant resources. This approach preserves the working memory budget.
  • Epizodik hafıza, neyin unutulacağına karar vermek—eski proje bağlamı, iş değiştiren bir kullanıcı—henüz temiz bir çözümü olmayan açık bir sorun olarak çerçevelendiği için mühendislik açısından en zor türdür.Episodic memory is framed as the most challenging type from an engineering perspective because deciding what to forget—such as old project context or a user who has changed jobs—remains an open problem with no clean solution.

EleştiriCritical take

Video, eleştirel bir analizden çok kendinden emin bir popülerleştirme niteliği taşıyor. CoALA ve 'agent skills' açık standardına atıfta bulunurken bu yapıların varsayımlarını sorgulamıyor. Epizodik hafıza bölümü, unutma sorununa ('ne silinmeli?') işaret etse de somut bir mekanizma veya ödünleşim çerçevesi sunmuyor. Sohbet botu ile ajan arasındaki ayrım da tartışılmadan kendiliğinden doğru kabul ediliyor. İzleyiciye elinde tertipli dört kutulu bir şema kalıyor, ancak gerçek mühendislik zorluklarının nerede yattığına dair bir his oluşmuyor.The video reads more like confident popularization than critical analysis. While referencing CoALA and the 'agent skills' open standard, it does not question the assumptions underlying these structures. Although the episodic memory section points to the forgetting problem ('what should be deleted?'), it offers no concrete mechanism or trade-off framework. The distinction between a chatbot and an agent is also taken as self-evident without discussion. The viewer is left with a neatly organized four-box schema, but without a sense of where the real engineering challenges lie.

Bu kritik, yerel yapay zeka modeli Qwen3.8-27B tarafından yazılmıştır. Haberi ben seçtim; kritik metnini yayımlanmadan önce tek tek denetlemiyorum.This critique was written by the local AI model Qwen3.8-27B. I chose the story; I do not review each critique before it is published.
Bültene dönBack to the issue