كيف تنشئ Memori ذاكرة دائمة للوكلاء وLLM متعددة الجلسات

Memori عبارة عن إطار عمل لإنشاء ذاكرة أصلية للوكلاء في تطبيقات LLM. يحل مشكلة موجودة في نماذج اللغة منذ اليوم الأول: فهي لا تتذكر أي شيء خارج المحادثة الحالية. ينشئ Memori طبقة ذاكرة بين التطبيق والنموذج، مما يسمح للوكلاء بتذكر سجل المستخدم والسياق والتفضيلات.

لماذا نماذج LLM القياسية غير كافية

تعمل تطبيقات LLM القياسية داخل الجلسة الحالية: كل طلب جديد هو صفحة بيضاء من السجل. يمكن للمستخدم أن يكرر نفسه عشر مرات، والنموذج سيعتقد في كل مرة أنها معلومات جديدة. بالنسبة لروبوتات الدردشة والمساعدات الشخصية والأنظمة المؤسسية، هذه مشكلة حرجة. يغير Memori هذا من خلال إنشاء طبقة ذاكرة دائمة. الآن يمكن للوكيل أن يتذكر ليس فقط المحادثة الحالية، بل جميع التفاعلات السابقة والحقائق المتعلمة عن المستخدم وتفضيلاته.

كيف يعمل Memori

يعمل Memori كوسيط بين التطبيق وواجهة برمجة تطبيقات OpenAI. تقوم بتغليف عميل OpenAI قياسي في Memori، وكل استدعاء نموذج يمر عبر طبقة الذاكرة. يعمل الإطار مع العملاء المتزامنين وغير المتزامنين — مهم للأنظمة الإنتاجية التي تتعامل مع طلبات متعددة. تتطلب التكامل في Google Colab ثلاث خطوات فقط:

• تثبيت Memori من PyPI
• تهيئة عميل Memori مع معاملات التخزين
• استبدال عميل OpenAI القياسي بالإصدار المغلف في Memori

لا يحتاج أي شيء آخر إلى التغيير في الكود الخاص بك — كل شيء آخر يحدث تلقائياً.

الوكلاء متعددو المستخدمين

يدعم Memori السيناريوهات التي يعمل فيها وكيل واحد مع عدد من المستخدمين في نفس الوقت. يحصل كل مستخدم على ذاكرة منفصلة وسياق منفصل. هذا حرج للإنتاج: يجب أن تتذكر المساعدات الشخصية سجل مستخدم محدد، يجب على روبوتات الدردشة B2B أن تميز بين العملاء، يجب على أنظمة دعم المؤسسات أن تحافظ على حالات منفصلة لكل منها.

« الذاكرة طويلة الأجل ليست ميزة، بل هي أساس الإنتاج »، كما يقول مؤلفو

Memori.

ماذا يعني هذا

تتوقف تطبيقات LLM عن كونها بدون حالة. هذا يشير إلى ثورة في تجربة المستخدم: ستصبح الروبوتات أكثر فائدة، ستتعلم من عاداتك، ستتذكر القرارات التي اتخذتها بالفعل. لن تضطر إلى تكرار نفسك. بالنسبة للمطورين، يوفر Memori أشهراً من العمل — لا حاجة لكتابة نظام الذاكرة الخاص بك، تكامل التخزين، آلية النسيان ومنطق تحديث السياق.