{"title":"Wzorzec początku sesji","slug":"session-start-pattern","category":"llm-cookbook","summary":"Kanoniczna sekwencja początkowa, którą powinien stosować każdy agent LLM.","audience":["llm"],"tags":["cookbook","session","pattern","startup"],"difficulty":"beginner","updated":"2026-06-27","word_count":222,"read_minutes":1,"llm_context":"ALWAYS at session start: 1) GET /memory/recall, 2) GET /chat/poll, 3) GET /mind/tasks?status=in_progress\nBuild system prompt from recall output.\nProcess unread chat messages before doing new work.\nResume any in_progress tasks before starting new ones.\nStore new learnings as they happen — don't wait until session end.\n","lang":"pl","translated":true,"requested_lang":"pl","content_markdown":"\n# Wzorzec początku sesji\n\nKażda sesja agenta LLM powinna podążać za kanoniczną sekwencją startową. Pominięcie\nkroków prowadzi do utraty kontekstu, przeoczenia wiadomości i zapomnienia zadań.\n\n## Wzorzec\n\n```\n1. Recall all memories\n2. Poll for unread chat messages\n3. Check in-progress tasks\n4. Build context from results\n5. Process pending items before new work\n```\n\n## Implementacja\n\n### Krok 1: recall wszystkich wspomnień\n\n> [!CRITICAL]\n> To najważniejsze wywołanie. Bez niego agent nie ma pamięci przeszłych sesji.\n\n```bash\ncurl -H \"Authorization: Bearer YOUR_MIND_KEY\" \\\n https://synapse.schaefer.zone/memory/recall\n```\n\nZwraca tekstowe podsumowanie wszystkich wspomnień, posortowane po priorytecie.\n\n### Krok 2: odpytanie o nieprzeczytane wiadomości czatu\n\n```bash\ncurl -H \"Authorization: Bearer YOUR_MIND_KEY\" \\\n https://synapse.schaefer.zone/chat/poll\n```\n\nZwraca nieprzeczytane wiadomości od człowieka. **Automatycznie oznacza je jako\nprzeczytane.**\n\n### Krok 3: sprawdzenie zadań w toku\n\n```bash\ncurl -H \"Authorization: Bearer YOUR_MIND_KEY\" \\\n \"https://synapse.schaefer.zone/mind/tasks?status=in_progress\"\n```\n\nZwraca zadania, nad którymi pracowano w ostatniej sesji.\n\n### Krok 4: budowa kontekstu\n\nPołączyć trzy odpowiedzi w system prompt:\n\n```python\ndef build_context(memories, messages, tasks):\n context = f\"\"\"# SESSION CONTEXT\n\n## Memories (from previous sessions)\n{memories}\n\n## Unread Messages from Human\n{format_messages(messages)}\n\n## Active Tasks\n{format_tasks(tasks)}\n\n## Instructions\n- Address unread messages first\n- Resume active tasks before starting new work\n- Store new learnings as they happen (POST /memory)\n- Poll for new messages every 30-60 seconds\n\"\"\"\n return context\n```\n\n### Krok 5: przetworzenie oczekujących elementów\n\n```\nFor each unread message:\n - Acknowledge receipt (POST /chat/reply)\n - Address the message content\n - Store any new commitments as memories\n\nFor each in-progress task:\n - Recall why you were working on it\n - Continue from where you left off\n - Update task status as you progress\n```\n\n## Pełny przykład\n\n```python\nimport os\nimport requests\n\nURL = \"https://synapse.schaefer.zone\"\nKEY = os.environ[\"SYNAPSE_MIND_KEY\"]\n\ndef session_start():\n \"\"\"Canonical session start sequence.\"\"\"\n headers = {\"Authorization\": f\"Bearer {KEY}\"}\n \n # 1. Recall wspomnień\n r = requests.get(f\"{URL}/memory/recall\", headers=headers)\n memories = r.text\n \n # 2. Odpytanie czatu\n r = requests.get(f\"{URL}/chat/poll\", headers=headers)\n messages = r.json().get(\"messages\", [])\n \n # 3. Sprawdzenie zadań\n r = requests.get(f\"{URL}/mind/tasks?status=in_progress\", headers=headers)\n tasks = r.json().get(\"tasks\", [])\n \n # 4. Budowa kontekstu\n context = f\"\"\"You are a Synapse-enabled AI assistant.\n\nMEMORIES FROM PREVIOUS SESSIONS:\n{memories}\n\nUNREAD MESSAGES FROM HUMAN:\n{chr(10).join(f'- {m[\"content\"]}' for m in messages) or 'None'}\n\nACTIVE TASKS:\n{chr(10).join(f'- [{t[\"id\"]}] {t[\"title\"]}: {t.get(\"description\", \"\")}' for t in tasks) or 'None'}\n\nINSTRUCTIONS:\n1. Acknowledge each unread message\n2. Resume active tasks\n3. Store new learnings via POST /memory\n4. Poll /chat/poll every 30-60 seconds\n\"\"\"\n return context\n\n# Na początku sesji\nsystem_prompt = session_start()\n# Przekazać do LLM...\n```\n\n## Częste błędy\n\n> [!WARNING]\n> - **Pomijanie recall** — start bez kontekstu, powtarzanie przeszłych błędów\n> - **Zapominanie o odpytaniu czatu** — wiadomości człowieka pozostają bez odpowiedzi\n> - **Ignorowanie aktywnych zadań** — praca zostaje zapomniana w połowie wykonania\n> - **Brak zapisów** — sesja nie tworzy trwałej wartości\n\n## Wariacje\n\n### Wzorzec minimalny (LLM z małym kontekstem)\n\nDla LLM z małymi oknami kontekstu pominąć pełny recall:\n\n```bash\n# Tylko statystyki, nie pełna treść\ncurl -H \"Authorization: Bearer $KEY\" .../memory/stats\n```\n\nNastępnie wyszukiwać konkretne tematy w razie potrzeby:\n\n```bash\ncurl -H \"Authorization: Bearer $KEY\" \".../memory/search?q=current+project\"\n```\n\n### Wzorzec agresywny (agenty długotrwałe)\n\nDla agentów uruchomionych przez wiele godzin dodać okresowy ponowny recall:\n\n```python\nwhile working:\n if time.time() - last_recall > 3600: # co godzinę\n memories = recall()\n last_recall = time.time()\n # ... do work ...\n```\n\n## Następne kroki\n\n- [Strategia tagowania pamięci](/docs/llm-cookbook/memory-tagging-strategy)\n- [Przepływ oparty na zadaniach](/docs/llm-cookbook/task-driven-workflow)\n- [Wzorzec odpytywania czatu](/docs/llm-cookbook/chat-polling-pattern)\n","content_html":"

Wzorzec początku sesji

\n

Każda sesja agenta LLM powinna podążać za kanoniczną sekwencją startową. Pominięcie\nkroków prowadzi do utraty kontekstu, przeoczenia wiadomości i zapomnienia zadań.

\n

Wzorzec

\n
1. Recall all memories\n2. Poll for unread chat messages\n3. Check in-progress tasks\n4. Build context from results\n5. Process pending items before new work

Implementacja

\n

Krok 1: recall wszystkich wspomnień

\n
To najważniejsze wywołanie. Bez niego agent nie ma pamięci przeszłych sesji.
curl -H "Authorization: Bearer YOUR_MIND_KEY" \\\n     https://synapse.schaefer.zone/memory/recall

Zwraca tekstowe podsumowanie wszystkich wspomnień, posortowane po priorytecie.

\n

Krok 2: odpytanie o nieprzeczytane wiadomości czatu

\n
curl -H "Authorization: Bearer YOUR_MIND_KEY" \\\n     https://synapse.schaefer.zone/chat/poll

Zwraca nieprzeczytane wiadomości od człowieka. Automatycznie oznacza je jako\nprzeczytane.

\n

Krok 3: sprawdzenie zadań w toku

\n
curl -H "Authorization: Bearer YOUR_MIND_KEY" \\\n     "https://synapse.schaefer.zone/mind/tasks?status=in_progress"

Zwraca zadania, nad którymi pracowano w ostatniej sesji.

\n

Krok 4: budowa kontekstu

\n

Połączyć trzy odpowiedzi w system prompt:

\n
def build_context(memories, messages, tasks):\n    context = f"""# SESSION CONTEXT\n\n## Memories (from previous sessions)\n{memories}\n\n## Unread Messages from Human\n{format_messages(messages)}\n\n## Active Tasks\n{format_tasks(tasks)}\n\n## Instructions\n- Address unread messages first\n- Resume active tasks before starting new work\n- Store new learnings as they happen (POST /memory)\n- Poll for new messages every 30-60 seconds\n"""\n    return context

Krok 5: przetworzenie oczekujących elementów

\n
For each unread message:\n  - Acknowledge receipt (POST /chat/reply)\n  - Address the message content\n  - Store any new commitments as memories\n\nFor each in-progress task:\n  - Recall why you were working on it\n  - Continue from where you left off\n  - Update task status as you progress

Pełny przykład

\n
import os\nimport requests\n\nURL = "https://synapse.schaefer.zone"\nKEY = os.environ["SYNAPSE_MIND_KEY"]\n\ndef session_start():\n    """Canonical session start sequence."""\n    headers = {"Authorization": f"Bearer {KEY}"}\n    \n    # 1. Recall wspomnień\n    r = requests.get(f"{URL}/memory/recall", headers=headers)\n    memories = r.text\n    \n    # 2. Odpytanie czatu\n    r = requests.get(f"{URL}/chat/poll", headers=headers)\n    messages = r.json().get("messages", [])\n    \n    # 3. Sprawdzenie zadań\n    r = requests.get(f"{URL}/mind/tasks?status=in_progress", headers=headers)\n    tasks = r.json().get("tasks", [])\n    \n    # 4. Budowa kontekstu\n    context = f"""You are a Synapse-enabled AI assistant.\n\nMEMORIES FROM PREVIOUS SESSIONS:\n{memories}\n\nUNREAD MESSAGES FROM HUMAN:\n{chr(10).join(f'- {m["content"]}' for m in messages) or 'None'}\n\nACTIVE TASKS:\n{chr(10).join(f'- [{t["id"]}] {t["title"]}: {t.get("description", "")}' for t in tasks) or 'None'}\n\nINSTRUCTIONS:\n1. Acknowledge each unread message\n2. Resume active tasks\n3. Store new learnings via POST /memory\n4. Poll /chat/poll every 30-60 seconds\n"""\n    return context\n\n# Na początku sesji\nsystem_prompt = session_start()\n# Przekazać do LLM...

Częste błędy

\n

Wariacje

\n

Wzorzec minimalny (LLM z małym kontekstem)

\n

Dla LLM z małymi oknami kontekstu pominąć pełny recall:

\n
# Tylko statystyki, nie pełna treść\ncurl -H "Authorization: Bearer $KEY" .../memory/stats

Następnie wyszukiwać konkretne tematy w razie potrzeby:

\n
curl -H "Authorization: Bearer $KEY" ".../memory/search?q=current+project"

Wzorzec agresywny (agenty długotrwałe)

\n

Dla agentów uruchomionych przez wiele godzin dodać okresowy ponowny recall:

\n
while working:\n    if time.time() - last_recall > 3600:  # co godzinę\n        memories = recall()\n        last_recall = time.time()\n    # ... do work ...

Następne kroki

\n\n","urls":{"html":"/docs/llm-cookbook/session-start-pattern","text":"/docs/llm-cookbook/session-start-pattern?format=text","json":"/docs/llm-cookbook/session-start-pattern?format=json","llm":"/docs/llm-cookbook/session-start-pattern?format=llm"},"translations_available":["en","zh","hi","es","fr","ar","pt","ru","ja","de","it","ko","nl","pl","tr","sv","vi","th","id","uk"]}