حوّلوا Codex إلى مساعد شخصي بذاكرة تعتمد على Markdown وGit وTelegram

نُشرت على Habr AI دراسة حالة تفصيلية حول كيفية تحويل Codex من وكيل ترميز إلى مساعد شخصي بذاكرة طويلة الأجل. بدلاً من قواعد البيانات المتجهة و RAG المعقد، بنى المؤلف نظاماً قابلاً للإدارة يعتمد على Markdown و Git والأدوار والتشغيل الآلي والمصادر الخارجية مثل Telegram و Anki.

لماذا ليس RAG

يبدأ المؤلف بمشكلة بسيطة: دردشة AI نموذجية تجيب بشكل جيد في اللحظة الحالية، لكنها تكافح من أجل الاستمرار عبر الزمن. تفقد كل محادثة جديدة جزءاً من السياق، وتميز بشكل سيء بين الحقائق المستقرة والملاحظات المؤقتة والفرضيات، وتبقى الشخصنة محبوسة داخل سلسلة معينة. بالنسبة إلى مساعد شخصي، هذا غير كافٍ، لأنه يجب أن يتذكر ليس فقط الإجابة على الأسئلة بل أيضاً العادات والأهداف وسجل القرارات والسيناريوهات المتكررة.

بدلاً من مجموعة نموذجية تحتوي على embeddings و vector DB و GraphRAG، اختار خياراً أكثر شفافية: تسلسل هرمي من ملفات Markdown في Git. يعمل هذا النهج، وفقاً له، بشكل أفضل على مجموعة معرفية صغيرة إلى متوسطة الحجم يمكن تنظيمها في هيكل واضح. الملفات سهلة القراءة من قبل البشر، يسهل إصدار نسخ منها، لا تخفي منطق البحث خلف صندوق أسود، وتجبرك على التفكير ليس فقط في الاسترجاع بل أيضاً في انضباط التخزين.

الفكرة الرئيسية للمقالة هي هذه: في الذاكرة الشخصية، تهم العمارة والقواعد أكثر من أحدث التكنولوجيا الرائجة.

كيف يعمل Jarvis

يُبنى Jarvis على مستودع مقسم إلى عدة طبقات: profile للمعلومات المستقرة للمستخدم، areas للمجالات الرئيسية للحياة، events للتسلسل الزمني، preferences للقيود والأنماط، roles لأنماط الاستجابة، skills للإجراءات المحلية، assets للمصادر الخارجية و inbox للمواد الخام.

النقطة ليست المجلدات بحد ذاتها، بل أن الوكيل يُعطى سلوكاً صارماً: أولاً ابحث عن سياق ذي صلة، ثم استجب، وإذا لزم الأمر حدّث الذاكرة دون تلويث النظام بأكمله.

تظهر القيمة العملية في سيناريوهات محددة ربطها المؤلف بالفعل مع Codex:

• دور معلم اللغة الإنجليزية الذي يعتمد على سجل الدروس ويمكنه العمل مع AnkiConnect
• التحليل اليومي للخصومات في المتاجر وتجميع نظام غذائي اقتصادي لاكتساب الكتلة
• إعادة تجميع أسبوعية لخطة رياضية بناءً على الحمل الحالي والتعافي
• ملخصات قصيرة للمهام والقرارات غير المحلولة والنتائج الشخصية الأسبوعية
• ربط أرشيفات Telegram، حيث تراكمت بالفعل ما يقرب من 300 ألف رسالة وأكثر من 3 آلاف رسالة صوتية

يتم التركيز بشكل خاص على الأدوار والتشغيل الآلي. يمكن لنفس الوكيل أن يعمل كمساعد حياة سياقي أو محلل أو مشغل إجراءات روتينية أو مساعد للعافية. بفضل هذا، تصبح الاستجابات ليست عامة بل مرتبطة بالمهام الحقيقية للمستخدم.

Telegram مطلوب هنا ليس كتخزين لا نهائي للبيانات الخام، بل كمصدر للتطبيع: يتم فهرسة الرسائل حسب السنة، تُنسخ الرسائل الصوتية، يتم تحديث بطاقات الأشخاص والتوليفات العامة بناءً على الحوارات. بدون هذه الطبقة التنظيفية، تتحول الذاكرة بسرعة إلى مكب نفايات، وتبدأ الصلاحيات الواسعة جداً للكتابة بتوليد الضوضاء والنسخ المكررة.

« كل وكيل فرعي يشبه الأخطبوط في حوض منفصل. »

ما معنى هذا

تُظهر المقالة بوضوح إلى أين ينتقل التركيز العملي اليوم حول وكلاء الذكاء الاصطناعي. بالنسبة للمساعدين الشخصيين وسيناريوهات العمل مع Copilot، لن يكون الفائز هو من لديه ببساطة نموذج أقوى، بل من يصمم بشكل أفضل الذاكرة والأدوار وحدود الوصول وتكاليف الصيانة. إذا جُعلت هذه الطبقة شفافة وبسيطة وغير مكلفة في الصيانة، فحتى وكيل ترميز عادي يمكن أن يبدأ في العمل كمساعد رقمي مفيد حقاً، خاصة حيث يكون من الحرج تذكر الشخص وعدم فقدان السياق بين الجلسات. هذا بالضبط ما يجعل هذا النهج عملياً.