Ana Brainiall

Bangun agen AI pertama Anda dengan memori

intermediario · 12 min · Por Ana Brainiall

Agen vs chatbot: apa bedanya

Sebuah chatbot membalas pesan secara independen. Setiap percakapan terisolasi. Jika Anda menyebutkan nama Anda kemarin, ia tidak mengingatnya hari ini.

Sebuah agen memiliki 3 karakteristik tambahan:

1. Memori persisten: mengingat Anda antar sesi
2. Alat: dapat memanggil API eksternal (mencari di Google, mengirim email, menjalankan kode)
3. Perencanaan: dapat memecah tugas kompleks menjadi langkah-langkah

Dalam kursus ini kita akan fokus pada (1): memori persisten. Alat dan perencanaan adalah kursus terpisah.

ilustração de 2 personagens — à esquerda um chatbot sem memória (balão vazio ao

Arsitektur memori dasar

Apa yang perlu disimpan agen tentang Anda:

Pola penyimpanan:

`
memoria_usuario = {
"facts": [
{"text": "Pedro bekerja dengan Python", "pinned": False},
{"text": "lebih suka jawaban singkat", "pinned": True}
],
"summary_last_10_sessions": "Pengguna belajar tentang TLS, API, dan autentikasi...",
"preferences": {"response_language": "id", "tone": "technical"}
}
`

Bagaimana Brainiall melakukannya

Backend kami sudah mengimplementasikan memori persisten. Anda dapat:

1. Klik ikon 🧠 di sidebar chat
2. Lihat daftar fakta yang telah dipelajari AI tentang Anda
3. Sematkan fakta penting (agar tidak pernah terlupakan)
4. Edit atau hapus
5. Nonaktifkan memori melalui toggle

Secara internal kami menggunakan:
- PostgreSQL JSONB untuk menyimpan fakta per pengguna
- Eviction policy: maksimal 50 fakta yang tidak disematkan, yang paling lama akan dihapus terlebih dahulu
- Extraction: setiap 10 pesan, LLM membaca percakapan dan menyarankan fakta baru untuk disetujui
- Retrieval: sebelum menjawab, fakta yang relevan dicari dan disuntikkan ke dalam prompt

Membangun agen Anda melalui API

Contoh minimalis Python:

`python
import httpx

BASE = "https://api.brainiall.com"
KEY = "brnl-xxxxx"

def chat(message, user_memory):
# Inject memory as system prompt context
memory_text = "\n".join(f"- {f}" for f in user_memory["facts"])
system = f"Anda adalah asisten pribadi. Tentang pengguna:\n{memory_text}"

r = httpx.post(
f"{BASE}/v1/chat/completions",
json={
"model": "claude-sonnet-4-6",
"messages": [
{"role": "system", "content": system},
{"role": "user", "content": message}
]
},
headers={"Authorization": f"Bearer {KEY}"}
)
return r.json()["choices"][0]["message"]["content"]

# Penggunaan
memory = {"facts": ["Pedro bekerja dengan Python", "suka kopi tanpa gula"]}
print(chat("Apa yang saya minum tadi pagi?", memory))
# → "Anda kemungkinan minum kopi tanpa gula, bukan?"
`

Ini adalah agen dasar. Menambahkan extraction otomatis (LLM membaca dan mengekstrak fakta baru) dan retrieval (hanya menyuntikkan fakta yang relevan) akan membuat kodenya menjadi sekitar ~100 baris.

Jebakan umum

lista visual de 5 armadilhas com ícones e exemplos curtos — caderno inflado, "??

Kasus penggunaan

Coba sekarang juga

Di chat Brainiall, buka percakapan, ceritakan sesuatu tentang diri Anda, tutup, lalu buka percakapan baru keesokan harinya — agen akan mengingatnya. Aktifkan/nonaktifkan melalui ikon 🧠 di sidebar. Paket Pro seharga Rp 49rb memiliki memori penuh; paket gratis memiliki memori terbatas hingga 10 fakta.

Suka kursusnya?

Buka 17 kursus Pro + 40+ AI di chat + pembuatan video, musik, dan Studio lengkap.

Jadi Pro · Rp 49rb/bulan

Batalkan kapan saja · Tanpa komitmen