لانجتشين تعرض DeltaChannel لتوفير الذاكرة للوكلاء طويلة الأمد

يواجه الوكلاء طويلو الأمد مشكلة تدرج كلاسيكية: يجب حفظ حالة النظام الكاملة في كل خطوة، وكلما تقدمت العملية، تنمو أحجام التخزين بشكل أسي. تتحول جلسة تعمل لعدة ساعات أو أيام بسرعة إلى عشرات جيجابايت من البيانات المخزنة مؤقتاً. حلت LangChain هذه المشكلة ببدائي جديد يسمى DeltaChannel في LangGraph 1.2.

المشكلة: النمو الأسي للذاكرة

تخيل وكيل يعمل بالطريقة المعتادة: يتخذ خطوة، يحسب النتيجة، يحفظ حالة النظام بأكملها. في الخطوة التالية، يكرر نفس العملية. تُكتب الحالة الكاملة مرة أخرى في التخزين. في الخطوة المئة، لديك 100 نسخة من الحالة، وفي الألفة - 1000. تتسع المشكلة بسرعة. عند وجود جلسة طويلة (دعنا نقول أن الوكيل يعمل طوال اليوم وينفذ ملايين العمليات الصغيرة)، تصبح تكلفة التخزين لا تحتمل. إنها ليست فقط أموال لمساحة القرص - بل أيضاً تأخيرات في القراءة والكتابة وتعقيد الاستعادة عند الفشل.

ما هو DeltaChannel؟

DeltaChannel هو بناء بدائي جديد في LangGraph يحل المشكلة على مستوى الهندسة المعمارية. بدلاً من حفظ لقطة حالة كاملة في كل خطوة، يسجل النظام فقط التغييرات (دلتا). الفكرة ليست جديدة - أنظمة التحكم في الإصدارات (Git)، قواعس البيانات (Write-Ahead Logs) والأنظمة الموزعة استخدمت هذا النهج منذ فترة طويلة.

لكن تطبيقها في سياق وكلاء الذكاء الاصطناعي كان أكثر صعوبة: تتضمن حالة الوكيل عدداً كبيراً من الهياكل المتداخلة والذاكرات المخبئة وتاريخ التفاعلات. طبقت LangChain DeltaChannel بحيث: في كل خطوة، يقوم النظام بإعادة حساب ما تغير بالضبط في الحالة (رسائل جديدة، سياق محدث، نتائج الحسابات). يُحفظ فقط هذا الفرق.

بشكل دوري (كل N خطوة بشكل افتراضي، N قابل للتكوين)، يتم تنفيذ لقطة كاملة (snapshot)، بحيث لا تتطلب الاستعادة بعد الفشل إعادة تشغيل التاريخ كاملاً.

كيف يوفر هذا الذاكرة

• دلتا بدلاً من الحالة الكاملة - بدلاً من حفظ السياق بالكامل للوكيل بعد كل خطوة، يتم تسجيل الحقول المتغيرة فقط والسجلات الجديدة
• لقطات دورية - لا تُكتب لقطات الحالة الكاملة بعد كل خطوة، بل مرة واحدة كل N خطوات (بشكل افتراضي كل 100 خطوة، لكن يمكن تكوينها)
• نمو خطي بدلاً من تربيعي - جلسة طويلة من 1000 خطوة تشغل الآن تقريباً نفس كمية الذاكرة التي احتلتها جلسة من 100 خطوة سابقاً؛ عند مليون خطوة، يصبح الفرق أكثر جذرية

في الممارسة العملية، يعني هذا أن وكيل طويل الأمد، الذي كان يتطلب سابقاً عشرات جيجابايت من التخزين، يمكنه الآن العمل على أحجام أقل بأوامر حجم. بالنسبة للأنظمة الضخمة في الإنتاج، فإن هذا يحول مشكلة "لا يمكن التشغيل" إلى مشكلة "هذا اقتصادي".

DeltaChannel موجود بالفعل في Deep Agents v0.6

دمجت LangChain DeltaChannel في Deep Agents v0.6 - إطار عمل جديد للوكلاء طويلي الأمد - بشكل افتراضي، بدون أعلام تكوين. بالنسبة للمستخدمين النهائيين، يعني هذا أن التحسين يعمل تلقائياً.

لا يلزم تغيير الكود. لا تحتاج إلى ترحيل البيانات القديمة - تستمر الجلسات القديمة في العمل مع الآليات الجديدة بالتوازي. هذا مفيد بشكل خاص للأنظمة طويلة الأمد: روبوتات الدردشة التي تجري محادثات لساعات، سير عمل متعدد الخطوات ينفذ مهام معقدة على مدى عدة ساعات، والوكلاء المساعدون الذين يتعلمون من التجربة على مدى أسابيع.

في كل حالة من هذه الحالات، كان نظام التخزين القديم قد أصبح اختناقاً. بالنسبة للمطورين الذين يريدون ضبطاً دقيقاً (على سبيل المثال، تغيير الفاصل الزمني بين لقطات)، تتوفر معاملات التكوين. لكن في الواقع العملي، تعمل القيم الافتراضية بشكل جيد بالنسبة لمعظم السيناريوهات، من روبوتات الدردشة إلى سير العمل المعقد متعدد الخطوات.

ماذا يعني هذا

أصبح الوكلاء الذين يعملون لساعات أو أيام أكثر اقتصادية وقابلية للتوسع. هذا حرج للإنتاج: كل جيجابايت ذاكرة موفر - وهذا انخفاض حقيقي في تكلفة تشغيل الأنظمة طويلة الأمد. يُظهر DeltaChannel أن مهندسي LangChain يستمعون بعناية إلى ملاحظات مستخدمي الإنتاج ويحلون آلامهم ليس بطريقة ملتفة (اختراقات، تحسينات جزئية)، بل على مستوى وقت التشغيل نفسه. هذا علامة على نضج الإطار.