AI som Memento Man: Slik bygger du agenter som husker
Autonome AI-agenter har ett stort problem: de glemmer alt mellom hver økt. Her er rammeverket som løser det.
Har du sett filmen Memento? Hovedpersonen er ekstremt dyktig – men han husker ingenting fra dag til dag. Han overlever ved hjelp av tatoveringer, notater og rutiner.
Det er nøyaktig slik moderne AI-agenter fungerer.
Og det er ikke nødvendigvis et problem – hvis du vet hvordan du håndterer det.
Problemet ingen snakker om
De fleste som bygger AI-agenter fokuserer på hva agenten kan gjøre. Færre tenker på hva som skjer mellom øktene.
Svaret er enkelt: ingenting. Modellen starter med blanke ark hver gang.
Dette betyr at et agent-team uten riktig struktur fort blir kaotisk:
- Agenter gjentar arbeid som allerede er gjort
- Instrukser tolkes ulikt fra økt til økt
- Feil eskalerer i stedet for å bli korrigert
Paperclip AI, bygget av blant andre medgründer Dotta, har laget et rammeverk som angriper dette direkte.
Slik fungerer "Memento-modellen"
Konseptet er enkelt: ikke stol på modellens hukommelse – bygg den inn i systemet.
Kontekstinjeksjon ved oppstart
Hver gang en agent aktiveres, mottar den en komplett kontekstfil. Tenk på det som tatoveringene i Memento: alt agenten trenger å vite, skrevet ned på forhånd. Denne filen – gjerne kalt memory.md – inneholder:
- Selskapets misjon og mål
- Prosjekthistorikk og relevante beslutninger
- Spesifikke roller og forventninger for denne agenten
Heartbeat-sjekklister
I stedet for å vente på menneskelig input, vekkes agenten av en timer – en "puls". Deretter følger den en fast rutine:
- Observer oppgavekøen
- Orienter deg i konteksten
- Utfør oppgaven
- Logg resultatet for neste agent
Denne faste rytmen hindrer at agenter "kløner det til" over tid.
Iterative forbedringer
Fordi alt logges, kan hvert agent-steg bygge på det forrige – selv om modellen selv ikke husker det. Det er systemet som husker, ikke agenten.
Trender og muligheter
Fra reaktiv til proaktiv
Tradisjonelle AI-verktøy venter på spørsmål. Agent-team med heartbeat-arkitektur initierer arbeid. Det er en fundamental endring i hvordan AI integreres i arbeidsflyter.
Skalering uten opplæringskostnader
Fordi regler og kontekst er skriftlig dokumentert og injisert automatisk, kan du legge til nye agenter uten å "lære opp" noen. Rammeverket gjør jobben.
Menneskelig overvåking som unntaket
Paperclip-modellen er designet for at menneskelig inngripen skal være unntaket, ikke regelen. Agentene rapporterer, logger og eskalerer – men stopper ikke og venter.
Hvorfor dette er viktig nå
Vi er inne i en periode der mange eksperimenterer med AI-agenter – men de fleste stopper ved enkle demo-prosjekter. Årsaken er ofte at agentsystemer kollapser under egenvekt uten god minnearkitektur.
Memento-modellen er ikke bare et teknisk grep. Det er et designprinsipp: skriv ned alt agenten trenger å vite, og injiser det ved hver økt. Resten ordner seg.
Det er slik du bygger agenter som faktisk fungerer i produksjon.
Oppsummering
Autonome AI-agenter glemmer alt mellom øktene – og det er greit, så lenge systemet kompenserer. Paperclips Memento-rammeverk gjør dette via kontekstinjeksjon, heartbeat-sjekklister og iterativ logging. Resultatet er agent-team som skalerer uten konstant menneskelig korrigering.
