Badacze z Anthropic zaprezentowali PrimeAgentOrchestrator - innowacyjny system, który rozwiązuje jeden z kluczowych problemów agentów opartych na modelach językowych: brak pamięci o poprzednich sesjach. Standardowe agenty kodujące takie jak Claude Code zaczynają pracę z pustym oknem kontekstu, tracąc wszelką wiedzę zebraną w poprzednich interakcjach.
PAO działa poprzez równoczesne zapytywanie dwóch niezależnych systemów pamięci - bazy danych PostgreSQL przechowującej obserwacje jednostkowe oraz indeksu semantic search w Cloudflare Worker. Wyniki z obu źródeł są łączone przy użyciu strategii retrieval dedykowanych dla każdego backend-u, a następnie pakowane w postaci briefingu wprowadzanego do agenta poprzez wstrzykiwanie do systemu plików. Ten mechanizm wstrzykiwania wykorzystuje automatyczne czytanie konfiguracji przez agenta, eliminując konieczność ręcznych interwencji. System zarządza całym cyklem życia agenta, od wstępnego ustawienia zaufania poprzez monitorowanie gotowości aż do adaptacyjnego wstrzykiwania tekstu do terminala.
Autorzy opisują doświadczenie z czterema miesiącami wdrożenia między grudniem 2025 a marcem 2026 roku, pokazując ewolucję trzech generacji mechanizmów dostarczania kontekstu. Dokumentacja szczególnie skupia się na failurach, które motywowały każdą przeprojektowanie systemu, oraz na trade-off-ach architektury łączącej heterogeniczne systemy pamięci zamiast budowania jednolitego rozwiązania. Takie podejście otwiera perspektywę dla bardziej inteligentnych asystentów AI, które mogą uczyć się z historii i utrzymywać kontekst użytkownika na przestrzeni wielu sesji.