9.000+

token per kueri SEBELUM xMemory

~4.700

token per kueri SETELAH xMemory

~50% Pengurangan Token + Akurasi Lebih Baik

Satu-satunya sistem memori yang menghemat uang DAN membuat AI lebih pintar

Masalahnya: Mengapa RAG Standar Gagal untuk Agen AI

RAG standar dibangun untuk basis dokumen besar dengan konten yang sangat beragam. Agen AI menghadapi tantangan yang lebih sulit: aliran percakapan yang kontinu dan berkorelasi di mana potongan-potongannya hampir merupakan duplikat satu sama lain.

Masalah buah jeruk: Seorang pengguna berkata "Saya suka jeruk," "Saya suka mandarin," dan secara terpisah membahas apa yang termasuk buah jeruk. RAG standar memperlakukan semuanya sebagai dekat secara semantik — dan mengambil 10 salinan "preferensi jeruk" sementara melewatkan fakta kategori yang sebenarnya diperlukan untuk menjawab pertanyaan. Agen kekurangan konteks yang sudah dimilikinya.

Mengapa Perbaikan yang Ada Malah Memperburuk

Tim teknik biasanya menggunakan pemangkasan atau kompresi pasca-pengambilan — menyaring noise setelah pengambilan. Kedengarannya masuk akal. Tapi ini gagal untuk agen AI karena dialog manusia "terjerat secara temporal":

• Ko-referensi: "itu" dan "tersebut" merujuk pada konteks sebelumnya

• Elipsis: kata yang hilang yang hanya masuk akal dengan kalimat sebelumnya

• Ketergantungan timeline: fakta yang hanya berarti dalam urutan

Alat pemangkasan secara tidak sengaja menghapus fragmen percakapan yang vital. AI kehilangan alur. Jawaban menjadi tidak koheren. Anda membayar untuk token itu dan tidak mendapatkan apa-apa.

xMemory: Hirarki Memori 4-Tingkat

Peneliti di King's College London dan The Alan Turing Institute membangun xMemory — sebuah kerangka kerja yang mengatur percakapan ke dalam hirarki semantik yang dapat dicari alih-alih membuang semuanya ke dalam konteks.

4

Level Tema

Topik dan kategori tingkat tinggi — pencarian dimulai di sini

3

Level Semantik

Fakta suling yang dapat digunakan kembali — pengetahuan inti, tanpa pengulangan

2

Level Episode

Blok ringkasan percakapan yang berurutan

1

Pesan Mentah

Aliran percakapan asli

Inovasi Utama: Uncertainty Gating

💡 Kemiripan semantik adalah sinyal untuk menghasilkan kandidat. Ketidakpastian adalah sinyal untuk mengambil keputusan.

— Lin Gui, Rekan Penulis, King's College London

Sistem tradisional mengambil data berdasarkan kemiripan saja. xMemory menambahkan gerbang kedua: ketidakpastian . Setelah menemukan kandidat, sistem bertanya: "Apakah menambahkan ini benar-benar mengurangi ketidakpastian saya tentang jawabannya?" Jika tidak, proses berhenti. Inilah sebabnya xMemory mencapai akurasi lebih tinggi dengan token lebih sedikit.

Kemiripan memberi tahu apa yang ada di dekat. Ketidakpastian memberi tahu apa yang sebenarnya layak dibayar dalam anggaran prompt.

xMemory vs Alternatif Lain

Sistem Struktur Redundansi Akurasi Biaya Flat RAG (MemGPT) Log mentah Tinggi Turun Tinggi Structured RAG (A-MEM) Hierarki/Graf Sedang Moderat Sedang xMemory ⭐ 4-Level + Uncertainty Gate Rendah Meningkat -50%

Apa Artinya bagi Coding Agent

Bagi coding agent AI yang menjalankan alur kerja multi-sesi, xMemory langsung dapat diterapkan:

✅ Agent dapat mempertahankan memori proyek yang koheren selama berjam-jam atau berhari-hari tanpa membengkakkan konteks

✅ Keputusan kode relevan dari sesi sebelumnya diambil tanpa menyuntikkan riwayat penuh

✅ Lebih sedikit token per kueri = tagihan API lebih rendah + respons lebih cepat

✅ Akurasi lebih baik karena percakapan yang tidak relevan secara struktural dikecualikan, bukan hanya dipangkas

Berhenti membayar untuk token yang tidak Anda butuhkan.

Masa depan memori AI bukanlah jendela konteks yang lebih besar — melainkan pengambilan yang lebih cerdas. xMemory membuktikan Anda bisa mendapatkan keduanya: biaya lebih rendah DAN jawaban lebih baik.

Penelitian: xMemory (arXiv:2602.02007) — King's College London & The Alan Turing Institute | Via VentureBeat Tags: #xMemory #AIResearch #TokenOptimization #CodingAgent #RAG #LLMMemory #FinOps #AI