شرح Habr AI كيف تساعد الذاكرة وكلاء AI على تذكر الحوارات من دون فقدان السياق

نشر Habr AI تحليلاً مفصلاً لكيفية تنظيم ذاكرة وكلاء الذكاء الاصطناعي وسبب استحالة بناء مساعد مفيد لأكثر من محادثة واحدة بدونها. تغطي المادة الميكانيكا الأساسية: حدود نافذة السياق وثلاثة أنواع من الذاكرة الخارجية والطريقة التي يجمع بها الوكيل كل هذا في طلب عمل واحد للنموذج.

لماذا النوافذ غير كافية

يبدأ المؤلف بأهم نقطة: نماذج اللغة الكبيرة لا "تتذكر" الجلسات الماضية بمفردها. يتلقى النموذج كل طلب جديد مع موجهة النظام وسجل الدردشة ونتائج الأدوات والوثائق الإضافية من جديد. يعيش كل هذا داخل نافذة السياق—كمية محدودة من النص التي يمكن للنموذج معالجتها في استدعاء واحد. إذا دخل محتوى غير ذي صلة، مثل HTML ضخم من تحليل الصفحات، فإن التفاصيل المفيدة تُزاح وتنخفض جودة الإجابة.

"ما لا يناسب لا يوجد."

حتى عندما لا يتم تجاوز الحد رسمياً، تظهر مشكلة أخرى—فقدان في الوسط. يحافظ النموذج بشكل أفضل على البداية والنهاية للسياق الطويل في التركيز، بينما يبدأ الوسط في "الانجراف". لذلك فإن مجرد توسيع النافذة لا يحل مشكلة الذاكرة. تسلط المقالة الضوء على ثلاث تقنيات أساسية تقلل من الحمل الزائد: تلخيص الرسائل القديمة ونافذة انزلاقية فقط للتبادلات الأخيرة والتخزين الانتقائي للأجزاء المهمة حقاً. في الممارسة العملية، يتم دمجها في كثير من الأحيان أكثر من استخدامها بشكل منفصل.

ثلاثة أنواع من الذاكرة

خارج نافذة السياق توجد الذاكرة الخارجية—الملفات وقواعد البيانات والفهارس المتجهة والرسوم البيانية للمعرفة التي تتجاوز أي جلسة. يقسمها المؤلف إلى ثلاث طبقات بالقياس إلى ذاكرة الإنسان. هذا الإطار مفيد ليس من أجل المصطلحات في حد ذاتها، بل لأن لكل طبقة منطقها الخاص في التخزين والبحث والتحميل في السياق. إذا خلطت كل شيء في كومة واحدة، سيجد الوكيل صعوبة في فهم ما يجب تذكره دائماً وما يجب جلبه فقط عند الطلب.

• الذاكرة الحلقية—الحقائق حول المستخدم والتفاعلات السابقة: التفضيلات والشكاوى والعادات والإجراءات الناجحة والفاشلة للوكيل. إنها ضرورية خاصة للمساعدين الشخصيين والدعم.
• قاعدة المعرفة—الوثائق والمرجع الخاص بالمنتج ومعلومات المجال وكل ما يُسمى عادة RAG على الوثائق. هذه الذاكرة تجيب على الحقائق حول العالم أو الشركة، وليس عن شخص معين.
• الذاكرة الإجرائية—القواعد والتعليمات وسيناريوهات السلوك. يمكن أن تكون أجزاء من موجهة النظام أو ملفات markdown لمهام مختلفة أو مجموعات قواعد في وكلاء الترميز.

من هذا يتبع استنتاج عملي مهم: ذاكرة الوكيل ليست "قاعدة بيانات سحرية" واحدة، بل مجموعة من المصادر ذات الأنواع المختلفة. من المفيد تخزين الحلقات في الشكل الخام والشكل المضغوط القابل للبحث. يمكن الاحتفاظ بمعرفة المجال في قاعدة بيانات متجهة أو رسم بياني. غالباً ما تعيش التعليمات في ملفات نصية وتُحمل حسب الموقف. تعتمد العمارة أقل على الأداة وأكثر على نوع الذاكرة التي تحفظها.

كيف يتم تشغيل الذاكرة

فكرة مهمة من المقالة: لا يمكن ببساطة "تشغيل" الذاكرة الحلقية بخانة اختيار. عليك تصميمها في الكود. يبدو خط أنابيب نموذجي هكذا: يحفظ النظام الحوار ثم بخط استدعاء LLM منفصل يقوم بتلخيص المحادثة واستخراج الحقائق طويلة الأجل منها في شكل منظم—على سبيل المثال JSON مع نوع السجل والأهمية وID المستخدم والتاريخ. بعد ذلك يصبح كل سجل embedding ويُرسل إلى تخزين مناسب. لذلك لا يسحب الوكيل كل المراسلات إلى الجلسة التالية بل يعيد فقط الاستنتاجات ذات الصلة. أثناء طلب جديد، يسحب المنسق بالتوازي التعليمات والمعرفة المجالية وذكريات المستخدم ثم يلصقها في موجهة واحدة للنموذج.

في الوقت نفسه من الأفضل الاحتفاظ بأنواع مختلفة من الذاكرة في مجموعات أو قنوات وصول مختلفة: يمكن تحميل الإجراءات والحقائق المتعلقة بالمستخدم في كل مكان تقريباً، بينما قاعدة المعرفة—فقط بعد البحث الدلالي حسب المعنى. تذكر المقالة بشكل منفصل Mem0 و Letta و Graphiti كحلول جاهزة تؤتمت جزءاً من هذه العملية وتخفي التعقيد تحت الغطاء.

ما يعنيه هذا

بالنسبة لمطوري أنظمة الوكلاء، هذه المادة مفيدة كخريطة حد أدنى للتضاريس. إنها تذكرنا بأن وكيل العمل لا يُبنى حول LLM قوي واحد بل حول الذاكرة والتنسيق والتحميل الحذر للسياق. كلما أسرعنا في تأسيس هذه الطبقات في العمارة، قل عدد الهلوسات وفقدان التفاصيل والأخطاء المتكررة في السيناريوهات الحقيقية.