كيف تبني Memori ذاكرة دائمة للوكلاء ونماذج LLM متعددة الجلسات

Memori إطار عمل لبناء ذاكرة أصيلة للوكلاء في تطبيقات LLM. وهو يعالج مشكلة لازمت النماذج اللغوية منذ يومها الأول: فهي لا تتذكر شيئًا خارج الحوار الحالي. يُنشئ Memori طبقة ذاكرة بين التطبيق والنموذج، ما يتيح للوكلاء تذكّر السجل والسياق وتفضيلات المستخدم.

لماذا لا تكفي نماذج LLM التقليدية؟

تعمل تطبيقات LLM التقليدية ضمن الجلسة الحالية فقط: فكل طلب جديد يبدأ من صفحة بيضاء بلا أي سجل. وقد يكرر المستخدم نفسه عشر مرات، وفي كل مرة سيتعامل النموذج مع كلامه على أنه معلومة جديدة. وهذه مشكلة حرجة لروبوتات الدردشة والمساعدين الشخصيين وأنظمة المؤسسات.

يغيّر Memori هذا الواقع عبر إنشاء طبقة ذاكرة دائمة. وبذلك يستطيع الوكيل أن يتذكر لا الحوار الحالي فحسب، بل أيضًا جميع التفاعلات السابقة والحقائق التي تعلّمها عن المستخدم وتفضيلاته.

كيف يعمل Memori

يعمل Memori كوسيط (proxy) بين التطبيق وواجهة OpenAI API. تُغلّف عميل OpenAI القياسي بـ Memori، فيمر كل استدعاء للنموذج عبر طبقة الذاكرة. ويمكن للإطار العمل مع العملاء المتزامنين وغير المتزامنين على حد سواء، وهذا أمر مهم لأنظمة الإنتاج (production) التي تعالج عددًا كبيرًا من الطلبات.

يتطلب الدمج في Google Colab ثلاث خطوات فقط:

• تثبيت Memori من PyPI
• تهيئة عميل Memori مع معلمات التخزين
• استبدال عميل OpenAI العادي بالنسخة المغلّفة بـ Memori

لا يلزم تغيير أي شيء آخر في الشيفرة، فالباقي يتم تلقائيًا.

وكلاء متعددو المستخدمين

يدعم Memori السيناريوهات التي يعمل فيها وكيل واحد مع عدد كبير من المستخدمين في وقت واحد. يحصل كل مستخدم على ذاكرة مستقلة وسياق مستقل. وهذا أمر حاسم في بيئة الإنتاج: فالمساعدون الشخصيون يجب أن يتذكروا سجل المستخدم المعني تحديدًا، وروبوتات الدردشة لقطاع B2B يجب أن تميّز بين العملاء، وأنظمة الدعم في المؤسسات يجب أن تحتفظ بملف منفصل لكل حالة.

«الذاكرة طويلة الأمد ليست ميزة إضافية، بل أساس للإنتاج»، بحسب مطوري

Memori.

ماذا يعني ذلك

لم تعد تطبيقات LLM بلا حالة (stateless). وهذا يعني ثورة في تجربة المستخدم: ستصبح الروبوتات أكثر فائدة، وستتعلم من عاداتك، وتتذكر القرارات التي اتخذتها من قبل. ولن تضطر إلى تكرار نفسك.

أما بالنسبة للمطورين، فيوفر Memori أشهرًا من العمل: فلا حاجة إلى كتابة نظام ذاكرة خاص أو بناء تكامل مع وحدة تخزين أو تصميم آلية للنسيان وتحديث السياق.