Loading content
Aktuelle Konversations-Turns werden aufbewahrt und wieder eingespielt, damit das Modell Kontext für den nächsten Turn hat — als vollständiges Transkript, als festes Fenster der letzten N Turns oder als laufende… Geeignet, wenn nutzerkontext über mehrere Turns hinweg gepflegt werden muss; Bezüge auf frühere Aussagen erwartet werden. Der zentrale Trade-off: Ve…
Nutze diesen Steckbrief, um den Baustein kurz zu verstehen, ihn im Modell einzuordnen und bei Bedarf in die 360°-Bewertung zu wechseln.
Theoretisches Gebilde: erklärt einen Begriff, ein Prinzip oder ein Denkmodell.
Was Zusammenhänge ordnet, verbindet oder entscheidbar macht.
Conversational Memory hält aktuelle Gesprächsbeiträge vor und spielt sie vor dem nächsten Modellaufruf wieder ein, damit ein Assistent über mehrere Turns hinweg anschlussfähig bleibt.
In der Multi-Agent-Systems-Quelle wird Conversational Memory als Produktionsebene des Agentengedächtnisses beschrieben. Die laufende Nachrichtenhistorie wird vor jeder Antwort erneut in den Prompt geladen – als vollständiges Transkript, als Fenster der letzten N Turns oder als Zusammenfassung. Das adressiert das Grundproblem begrenzter Kontextfenster: Ohne gespeicherte Historie verlieren LLMs in Mehrturn-Dialogen schnell den Anschluss.
Stell es dir als Kontextpuffer mit Budgetgrenze vor. Neue Turns werden gesammelt, dann vor dem nächsten Modellaufruf als relevanter Ausschnitt wieder eingesetzt. Reicht der Platz nicht mehr, wird entweder auf ein Sliding Window gekürzt oder ältere Historie verdichtet. Dauerhafte Fakten gehören in strukturierten Speicher, damit sie beim Kürzen nicht versehentlich verschwinden.
Neue Nachrichten werden zwischengespeichert, bevor sie erneut als Kontext eingesetzt werden.
Ein temporärer Arbeitszustand hält Zwischenschritte und offene Aufgaben nur für einen einzelnen Lauf.
Abgeschlossene Interaktionen werden als abrufbare Episoden abgelegt, statt jedes Mal vollständig mitzuschleppen.
Das begrenzte Kontextfenster wird wie knappe Arbeitsfläche behandelt, auf der Informationen bewusst ein- und ausgelagert werden.
Gespeicherter Kontext kann manipuliert oder verfälscht werden und spätere Antworten in die Irre führen.
Conversational Memory ist nützlich, wenn ein Assistent Präferenzen, Bezüge oder offene Aufgaben über mehrere Turns hinweg behalten soll, etwa in Support-, Planungs- oder Agenten-Workflows. Weniger geeignet ist es für strikt zustandslose Aufgaben oder wenn Speicherung rechtlich und organisatorisch heikel ist. Mehr Kontext verbessert Anschlussfähigkeit, erhöht aber Tokenkosten, Latenz, Datenschutzaufwand und das Risiko, dass altes Material das Kontextfenster verdrängt.
Wo dieser Baustein im Themenmodell verortet ist.
Keine Strukturpfade verfügbar.
Erkunde, wie dieser Wissensbaustein mit Konzepten, Methoden, Technologien und Tools verbunden ist.
Diese Quellen belegen den Begriff und seine fachliche Bedeutung.
Alle direkten Verbindungen des aktuellen Wissensbausteins in einer kompakten, textuellen Darstellung.
Diese Einordnung zeigt, in welchem Kontext der Baustein typischerweise relevant wird, wie anspruchsvoll er ist und welche Wirkung er im Modell hat.
Die Ebene innerhalb der Organisation (Unternehmen, Domäne, Team), auf der der AssetBlock angewendet wird.