Less Context, More Accuracy: A Bi-Temporal Memory Engine for LLM Agents Where a Lean Retrieved Context Beats the Full History

Cet article présente Engram, un moteur de mémoire bi-temporel open-source pour les agents LLM, conçu pour résoudre les problèmes de coût, de latence et de précision liés à la relecture de l'historique complet. Il utilise un contexte récupéré plus concis pour améliorer la précision, gérant la mémoire à long terme avec un graphe de connaissances et la résolution des contradictions.