ذاكرة وكلاء الذكاء الاصطناعي: كيف تبني وكلاء ذكاء اصطناعي ذوي سياق دائم

لو اضطررت إلى مرافقة زميل جديد إلى الطابعة كل صباح لمدة ستة أشهر، لبدأت تشعر بالقلق. ولو كان قادرًا على سرد كل مرة رافقته فيها سابقًا بأدق التفاصيل، لكنه لا يزال بحاجة إلى من يرافقه، فذاكرته ممتازة… لكنك ستظل تنهض من مكتبك.

تعاني ذاكرة وكلاء الذكاء الاصطناعي حاليًا من نسخة لا تنتهي من مشكلة المرافقة إلى الطابعة هذه. ويقول تشارلز باكر، الرئيس التنفيذي لشركة Letta، في حديثه إلى The New Stack إن معايير قياس الذاكرة بلغت حد التشبع لأنها تقيس القدرة على الاسترجاع، وهي مسألة يرى أنها حُلّت بالفعل. أما المشكلة التي لا تزال مطروحة، فهي أن يتحسن أداء الوكيل في عمله من خلال السياق الذي يحتفظ به، دون الحاجة إلى أي إعادة تدريب.

وتُشبّه شريكته في التأسيس سارة وودرز الأمر ببدء وظيفة جديدة، إذ تمنح معايير القياس الوكيلَ كل السياق الذي يحتاج إليه، مهمةً تلو أخرى لا رابط بينها، وهذا لا يشبه طريقة عمل البشر على الإطلاق. قد يحتاج الموظف الجديد إلى من يرافقه إلى الطابعة. لكن بعد ثلاث سنوات، تأمل أن تسلّمه توجيهًا من سطر واحد دون أن تنهض من مكتبك.

هذا هو المعيار الذي ينبغي السعي إليه، وهو الهدف من وراء Brain، نظام الذاكرة ذاتي التحسين الذي طورناه لـ Perplexity Computer، والذي ينظّم الأعمال السابقة والتصحيحات في ويكي معرفي يتطور باستمرار.

سنتناول ما ينبغي أن يتذكره الوكيل، وكيف نختبر ما إذا كان ذلك يساعده على أداء عمله بشكل أفضل.

ما المقصود بذاكرة وكيل الذكاء الاصطناعي؟

ذاكرة وكيل الذكاء الاصطناعي هي المعلومات التي يحتفظ بها الوكيل من تفاعلاته وأعماله السابقة، إلى جانب الآليات التي يحدّثها ويستخدمها بها. ويحمل سياق الذاكرة الدائمة هذه المعلومات عبر الجلسات، فلا يعني إغلاق محادثة أن تبدأ المهمة التالية من الصفر.

معظم ما يُطرح تحت هذا المسمى يتذكر المستخدم: تفضيلاتك، وجهات اتصالك، ودورك، وحقيقة أنك تريد ملفات PDF بدلًا من PNG. وهذا هو النصف السهل.

عندما بنينا Brain، نظام الذاكرة الذي يقف وراء Perplexity Computer، ركّزنا على العمل نفسه. أي نهج نجح؟ وأي مصدر أهدر عشرين دقيقة؟ وما الذي اضطررت إلى تصحيحه بعد أن أعلن الوكيل أنه انتهى؟ هذا السجل يمنح المهمة التالية نقطة انطلاق أفضل.

يخزّن Brain هذه المعلومات في صورة ملفات داخل Sandbox الخاص بالوكيل، مقسّمة إلى ثلاث طبقات:

• يضم sessions/ السجلات النصية الخام للجلسات وملخصاتها.
• يضم notes/ المعلومات المستخلصة مصنّفةً حسب الموضوع.
• يضم knowledge/ الويكي نفسه؛ أي صفحات Markdown مترابطة عن الأشخاص والمشاريع والمفاهيم.

ولا يتحسن أي من ذلك من تلقاء نفسه. فخلال الليل، يقرأ وكلاء يعملون في الخلفية، نطلق عليهم اسم «Dream»، جلسات اليوم ويلخّصونها ويراجعون الويكي حيثما تغيّرت الصورة. ونُجهّز هذه التعديلات ونتحقق منها قبل اعتمادها عبر Git، بحيث يتوفر فرق (diff) يمكن فحصه عندما يبدو شيء ما غير سليم.

هل يجعل ذلك الوكيل أفضل في أداء عمله؟ في تقييمنا الزوجي الذي استمر 30 يومًا، حسّنت الجلسات المفعّل فيها Brain صحة الإجابات بمقدار 9.3 نقاط مئوية والاسترجاع بمقدار 8.9 نقاط، مع استهلاك عدد أقل من الرموز (tokens) بنحو 15%.

تكبير

المصدر: X

ما أنواع ذاكرة الوكلاء؟

هناك نوعان رئيسيان، والتقسيم يشبه كثيرًا التقسيم الذي قد تستخدمه مع الإنسان: ما تحتفظ به في ذهنك الآن، وما ستظل تعرفه في الشهر المقبل.

الذاكرة قصيرة المدى

تحتفظ الذاكرة قصيرة المدى بسياق المحادثة أو المهمة الحالية: طلبك، والرسائل الأخيرة، ونتيجة استدعاء أداة، والمستند الذي فتحه الوكيل للتو. أي ما يكفي من المعلومات لتحديد الخطوة التالية.

ستجد أيضًا أنها تُسمى الذاكرة العاملة. وبالنسبة إلى النموذج اللغوي الكبير (LLM)، تحتفظ نافذة السياق بالمعلومات المتاحة أثناء استدعاء معيّن للنموذج. وقد يحتفظ التطبيق بحالة إضافية للمهمة ويقرر الأجزاء التي سيقدّمها في كل خطوة.

ولا يعني قِصر المدى بالضرورة أنها مؤقتة يمكن التخلص منها. فيمكن لإطار العمل حفظ حالة المحادثة واستئنافها غدًا، ومع ذلك تظل تنتمي إلى تلك السلسلة. أما ما إذا كان بإمكان مهمة أخرى استخدام هذه المعلومات، فهو قرار تصميمي منفصل.

الذاكرة طويلة المدى

تجعل الذاكرة طويلة المدى المعلومات متاحة عبر الجلسات. وقد استعارت ورقة CoALA البحثية ثلاث فئات من العلوم المعرفية، مانحةً مطوري الوكلاء مفردات لوصف التجارب والخبرة العملية:

• الذاكرة العرضية هي ما حدث: وتشمل الجلسات السابقة، والخطوات التي اتخذها الوكيل، والنتيجة التي حصل عليها. وفي Brain، يوفّر sessions/ هذا السجل من خلال السجلات النصية الخام وملخصاتها.
• الذاكرة الدلالية هي ما يعدّه الوكيل صحيحًا: وقد تكون حقائق عن المستخدم ومشاريعه وعالمه، مستخلصة من المحادثات. ويحتفظ ويكي knowledge/ في Brain بهذا النوع من المعلومات، مع روابط تعود إلى الأدلة.
• الذاكرة الإجرائية هي كيفية القيام بالأشياء: وتشمل الموجّهات، وسير العمل القابل لإعادة الاستخدام، والمهارات التي تبنيها Perplexity لتزويد الوكلاء بالتعليمات والأدوات التي تتطلبها المهمة. وربما لديك بعض ذلك بالفعل دون أن تسمّيه ذاكرة.

العمل المثير للاهتمام يحدث بين الطبقات. فالجلسة تسجّل أنك رفضت ملف PNG. وتتحول تعليماتك باستخدام ملفات PDF إلى تفضيل يمكن للوكيل أن يحمله معه. ويصبح التصحيح الذي أجريته على عملية التصدير شيئًا يمكنه اتباعه في المرة القادمة.

هذا التحول، من «هذا ما حدث» إلى «هذا صحيح» إلى «هكذا ننجزه»، جزء من مشكلة التعلّم التي بدأنا بها، وهو المجال الذي تكرّس له عمليات وكيل Dream الليلية في Brain جهدها.

لنفترض أن أحدهم سخّن سمكًا في الميكروويف في مطبخ مشترك. تتوالى الشكاوى، وتُفتح نافذة. وفي النهاية، تظهر لافتة: ممنوع السمك.

بعد ستة أشهر، يكون المتسبب قد غادر، لكن اللافتة لم تُزَل. هذه هي الاستمرارية. ويمكنك شرح أنواع الذاكرة من خلال ما يبقى:

• الذاكرة العاملة هي ما تتابعه أثناء إعداد الغداء، مثل أن الحساء يحتاج إلى التقليب.
• الذاكرة العرضية هي حادثة السمك؛ الرائحة التي لاحقت الجميع إلى الممر.
• الذاكرة الدلالية هي المعرفة التي استخلصتها منها: إعادة تسخين السمك قد تترك رائحة عالقة في المطبخ المشترك.
• الذاكرة الإجرائية هي التعليمات التي تحكم ما يحدث بعد ذلك. لا تسخّن السمك في الميكروويف هنا. فاللافتة تتيح لمن فاتته الحادثة بأكملها اتباع القاعدة.

وهناك تمييز آخر أيضًا، لأنه يغيّر ما نبنيه. إذ تقول دراسة استقصائية نُشرت لأول مرة في ديسمبر 2025 بعنوان Memory in the Age of AI Agents إن التمييز بين القصير والطويل لا يكفي، فهي تصنّف الذاكرة أيضًا حسب شكلها:

• الذاكرة على مستوى الرموز: وهي المحتوى الصريح الذي يقرؤه الوكيل: الملفات، والسجلات المخزنة، والأجزاء المسترجعة.
• الذاكرة البارامترية: وهي المعلومات المرمّزة في الأوزان المُتعلَّمة. ويتطلب تحديثها أساليب تدريب أو تعديل للنموذج.
• الذاكرة الكامنة: وهي المعلومات المحفوظة في التمثيلات الداخلية دون أن تُكتب في صورة نص مقروء.

نركّز هنا على الذاكرة على مستوى الرموز؛ أي المعلومات المخزنة خارج النموذج والتي تُقرأ في سياقه عند الحاجة. ويُعد ويكي Markdown في Brain مثالًا على ذلك.

تكبير

عندما نحدّث صفحة، فإننا نغيّر ما يمكن للوكيل قراءته في مهمته التالية، لكن أوزانه الأساسية تبقى كما هي. وهذه هي النقطة التي أشار إليها باكر في المقدمة: التحسن من خلال السياق الذي يحتفظ به الوكيل، دون إعادة تدريب.

كيف تعمل أنواع ذاكرة الوكيل معًا؟

يمكن للوكيل أن يعود إلى محاولة سابقة، ويرى أين أخطأ، ويحمّل التعليمات التي قدّمتها له بعد ذلك. فهناك عدة أنواع من الذاكرة تشارك في المهمة نفسها، ولا يحتاج كل منها إلى دور منفصل أو قاعدة بيانات مستقلة.

هنا، تحدد الاستمرارية ما يبقى متاحًا بعد انتهاء المحادثة، بينما يحدد الاسترجاع ما إذا كان الوكيل سيراه مرة أخرى أصلًا.

في Brain، نحافظ على هذا المسار الذي يربط الدرس بالأدلة. لنفترض أنك طلبت من Computer مواصلة مشروع من الأسبوع الماضي:

• يُخبره فهرس Brain بصفحات الذاكرة الموجودة وأين يجدها.
• يفتح Brain صفحة المشروع لقراءة القرارات والتعليمات المحفوظة.
• إذا ذكرت ملاحظةٌ أنك رفضت نهجًا ما، يمكن للوكيل أن يتتبع استشهادها وصولًا إلى المحادثة ويتحقق من السبب.

تتيح له الروابط إلى الصفحات ذات الصلة البحث عن الأشخاص أو المشاريع الأخرى المعنية. ويفعل الوكيل ذلك من خلال قراءة الملفات والبحث فيها. فعلى سبيل المثال، يتيح له grep العثور على الإشارات إلى مشروع ما باسمه.

اختبرنا أيضًا ما يكسبه الوكلاء من القدرة على استكشاف الملفات. ففي معيار قياس داخلي يضم 150 سؤالًا حول مستندات مالية، حقق وكيل استكشاف يستخدم أدوات الملفات القياسية درجة إجابة بلغت 0.627، مقارنةً بنحو 0.37 للبحث الدلالي في مجموعة البيانات نفسها.

تكبير

المصدر: X

كيف يمكن تحسين ذاكرة وكيل الذكاء الاصطناعي؟

تحدد ورقة بحثية نشرها أوروغات ومنصور في مايو 2026 أربعة إخفاقات متكررة في ذاكرة الوكلاء: يستمر المخزن في النمو، ولا تُراجَع المعتقدات القديمة، وتُنسى المعلومات عند نفاد المساحة، ويقرأ الاسترجاع دون أن يتعلم أي شيء من الزيارة.

والحل الذي يقترحانه هو التوقف عن التعامل مع ذاكرة الوكلاء كمساحة تخزين، والتعامل معها بوصفها «حالة» تتطور عبر أربع عمليات: الاستيعاب، والمراجعة، والنسيان، والاسترجاع. وهذه هي قائمة التحقق التي نعتمدها في هذا القسم.

كن انتقائيًا فيما يُحفظ في الذاكرة

بمجرد دخول ذاكرة «سيئة»، ترثها كل خطوة لاحقة.

اختبر فريق Workday AI Research نهجًا انتقائيًا على نحو 1500 ذاكرة مرشّحة من معيار قياس LoCoMo، بطرح خمسة أسئلة قبل الاحتفاظ بأي منها:

• هل هي مفيدة؟ هل يُرجّح أن تتكرر الحاجة إليها؟
• هل هي جديرة بالثقة؟ هل ذُكرت فعلًا في المحادثة، أم أن النموذج استنتجها من عنده؟
• هل هي جديدة، أم مخزنة بالفعل؟
• هل هي حديثة؟
• هل هي حقيقة دائمة أم حالة عابرة؟

لم يحتج إلى استدعاء النموذج سوى السؤال الأول. أما الأسئلة الأربعة الأخرى فقد نُفّذت كقواعد في أقل من 65 مللي ثانية مجتمعة. وحققت الطريقة دقة أعلى بنسبة 12% في قرارات الإبقاء أو الحذف، مع الاحتفاظ بنسبة 97% من الذكريات ذات الصلة.

وكان السؤال الأخير هو الأكثر تأثيرًا، فعند إزالة التمييز بين المعلومات الدائمة والمؤقتة، انخفضت جودة القرارات بنحو 18%.

راجِع الإجابة دون أن تفقد السجل

سجّل متى أصبحت الحقيقة صالحة، وما المصدر الذي يدعمها، وما الذي حلّت محله. وإذا تعارضت المصادر، فأبقِ هذا التعارض ظاهرًا إلى أن تتوفر أدلة كافية لحسمه. فقد يكون أحدث مستند خاطئًا أيضًا.

يحدّث Brain الويكي باستخدام المستندات المصدرية ونتائج الموصلات وتصحيحات المستخدمين. ويرتبط كل إدخال في الذاكرة بمصدره. فنحن نحتاج إلى أن يجد الوكيل الإجابة الحالية، وأن يكون لديه مكان يرجع إليه إذا بدت تلك الإجابة مريبة.

انسَ عن قصد

تُطلق الورقة البحثية على أحد أنماط الإخفاق اسم «النسيان المدفوع بالسعة»: إذ تُحذف المعلومات للالتزام بحد التخزين، لا لأنها لم تعد مفيدة.

لنعد إلى المطبخ المشترك. بعد ستة أشهر، لا يهتم أحد بمن سخّن السمك في الميكروويف أو بالمدة التي ظلت فيها النافذة مفتوحة. لكن اللافتة لا تزال تؤدي دورًا.

إذا أعدّ الشخص التالي غداءه، فستكون القاعدة متاحة. كل ما عليك هو أرشفة الشكاوى.

تبدأ فحوصات الحداثة ونوع المعلومات لدى Workday قبل التخزين، فتُرشّح ما يستحق أن يصبح ذاكرة. وفي Brain، نعيد أيضًا النظر في المعرفة الموجودة مع تغيّر المستندات المصدرية وإجراء المستخدمين للتصحيحات. وفي كلتا الحالتين، يكون المحتوى هو ما يستدعي التدخل.

اجعل الاسترجاع يغذّي التحديث التالي

يسترجع الوكيل حقيقة، ويستخدمها، ثم يترك المخزن كما وجده تمامًا. وما لم يلتقط النظام ما حدث بعد ذلك، فلن يسجّل شيءٌ ما إذا كانت تلك الحقيقة قد ساعدت أم قادت الوكيل إلى طريق مسدود آخر.

سجّل النتيجة والمصدر وأي تصحيح. عندما بنينا Brain، جعلنا سجل العمل هذا جزءًا مما يتذكره: أي نهج نجح، وأي مصدر لم يؤدِّ إلى شيء، وما الذي صحّحه المستخدم بعد أن أعلن الوكيل أنه انتهى. ويدمج Brain هذه الخبرة في تحديثاته الدورية للويكي، لتتمكن المهام اللاحقة من الاستفادة منها.

ومع ذلك، لا يظهر أي من هذا في معيار قياس للاسترجاع. والطريقة لمعرفة ما إذا كانت الحلقة تعمل هي أن تمنح الوكيل مهمة لا يمكنه إنجازها إلا بالذاكرة، ثم تحسب عدد مرات إنجازه لها، مع احتساب التكلفة وزمن الاستجابة. وهذا ما يفعله DolphinBench، ولهذا السبب لا تزال أعلى الدرجات عند السبعين ونيّف.

كيفية بناء وكيل بذاكرة دائمة باستخدام Perplexity

لا توفّر Agent API من Perplexity نظام ذاكرة يتولى صيانة نفسه بنفسه مثل Brain، ونفضّل أن نوضح ذلك منذ البداية. لكن ما توفره لك هو مكونات الذاكرة التي تحتاج إليها: مكان لحفظ الإجراءات، وطريقة لنقل السياق بين أدوار المحادثة، وأدوات للقراءة من مخزن تتحكم فيه والكتابة إليه.

ابدأ بالذاكرة الإجرائية

تجمع المهارة المخصصة التعليمات والإجراءات والملفات الداعمة تحت رقم إصدار. ويمكن لفريق المنصة كتابة فحوصات النشر ومعايير التراجع وتنسيق التقارير الخاصة به مرة واحدة، ثم جعل التطبيقات تشير إلى المهارة نفسها. وعندما يتغير الإجراء، يرفع الفريق إصدارًا جديدًا.

تكبير

المصدر: X

أما ملف التعريف فيرتقي مستوى واحدًا أعلى. إذ تحفظ ملفات التعريف نموذج الوكيل وتعليماته وأدواته ومهاراته وموصلاته وإعدادات التشغيل تحت معرّف واحد ذي إصدار.

أضفنا كليهما في سبتمبر، إلى جانب الموصلات المُدارة، بحيث يمكن لمسؤول المشروع تهيئة اتصال معتمد بـ GitHub أو Slack مرة واحدة والسماح للتطبيقات بالإشارة إليه بدلًا من تخزين بيانات اعتماد منفصلة. وعندما تتغير صلاحيات الوصول، يحدّث المسؤول الاتصال في مكان واحد.

لماذا يُعدّ هذا ذاكرة؟ لنعد مرة أخرى إلى المطبخ الذي سُخّن فيه السمك في الميكروويف. فأيًّا كان من يصل بعد ذلك، يمكنه الالتزام بلافتة «ممنوع السمك» دون أن يكون قد شهد الشكاوى.

تؤدي المهارة المهمة نفسها للوكيل، مع متسع للخطوات والاستثناءات والفحوصات التي لا يتسع لها باب الميكروويف. فالمهارات مكتوبة وذات إصدارات ومتاحة في المرة التالية التي تظهر فيها المهمة.

نستخدم المهارات أيضًا لتوجيه تحديثات الذاكرة في Dream. لكن ما لا تفعله المهارة هو التعلّم من تلقاء نفسها. إذ تتغير التعليمات عند رفع إصدار جديد، سواء أكان ذلك بواسطة شخص أم عملية آلية.

إذا أردت أن يلاحظ الوكيل أن فحص التراجع يفشل باستمرار في إحدى الخدمات وأن يعدّل سلوكه، فتلك هي حلقة نقل الجلسات إلى الويكي التي تناولناها سابقًا.

عليك الاحتفاظ بما حدث، وتحديد ما ينبغي تغييره، وإتاحة التصحيح في المرة التالية. وهذا يتطلب الجزأين التاليين.

احتفظ بالذاكرة العاملة بين جولات المحادثة

يُجري الوكيل فحصًا للنشر. فتسأل: «لماذا فشل ذلك؟» إنه سؤال متابعة معقول، شريطة أن يظل الوكيل قادرًا على رؤية ما تشير إليه كلمة «ذلك».

إن Agent API لدينا يدعم طريقتين لنقل سياق المحادثة إلى الطلبات التالية:

• أعد إرسال المحادثة بنفسك: ضمّن الرسائل السابقة في مصفوفة الإدخال الخاصة بالطلب التالي. وأنت من يقرر ما تحتفظ به أو تلخّصه أو تنقّحه أو تحذفه قبل إرساله.
• تابع من استجابة مكتملة: احفظ معرّفها ومرّره بوصفه previous_response_id مع الرسالة التالية. نحتفظ بحالة المحادثة على الخادم، فلا يضطر تطبيقك إلى إعادة إرسال الجولات السابقة. ويمكنك المتابعة من أحدث استجابة في السلسلة.

تمنحك إعادة الإرسال تحكمًا فيما يراه الوكيل، بينما توفّر عليك المتابعة عبر المعرّف عناء تجميع المحادثة من جديد. وفي كلتا الحالتين، قدّم أي تعليمات أو أدوات أو إعدادات نموذج جديدة تلزم للاستجابة التالية.

استخدم مخزنك الخاص للذاكرة العرضية والدلالية

هذا هو الجزء الذي يتركه لك Agent API.

أحد المسارات هو استدعاء الدوال. فأنت تحدد الأدوات، ويطلب الوكيل استدعاءً، ثم ينفّذه تطبيقك ويُعيد النتيجة. وبالنسبة إلى الذاكرة، فإن نقطة البداية البسيطة هي عملية قراءة قبل أن يتصرف الوكيل، وعملية كتابة بعد ذلك.

إذا سجّلت فقط المعلومة التي استرجعها الوكيل، فلن تعرف بعدُ ما إذا كانت قد ساعدت. أما إذا سجّلت النتيجة والمصدر وكل ما صحّحه المستخدم، فستكون لديك بداية طبقة عرضية.

يمنحك دعمنا لـ MCP مسارًا آخر. فإذا كان خادم MCP بعيد متوافق يوفّر العمليات التي تحتاج إليها، يمكن للوكيل استدعاؤها دون أن تضطر إلى تغليف كل منها كدالة مخصصة.

تمنح موصلاتنا الوكيل إمكانية الوصول إلى الأدلة الكامنة وراء الذكريات. وتتوفر GitHub وSlack وGoogle Drive وDatadog وLinear وNotion في كتالوجنا المُدار، ويمكنك إضافة موصلات مخصصة للأنظمة الداخلية.

أخيرًا، حدّد متى يُراجَع السجل، ومتى تُنقَّح الرواية الحالية.

اختبر ما يصمد في جلسة جديدة

أغلق المحادثة الآن. ابدأ طلبًا جديدًا دون إعادة إرسال الرسائل القديمة أو تمرير previous_response_id، لكن امنح الوكيل إمكانية الوصول إلى مخزن الذاكرة نفسه. واطلب منه أداء عمل ذي صلة دون تكرار التصحيح.

إذا احتاج إلى التذكير، فأنت لم تنتهِ بعد.

بالنسبة إلى وكيل النشر، أنشئ بعض الاختبارات حول ما ينبغي أن ينتقل إلى الجلسات التالية:

• يصمد التصحيح: يسترجع الوكيل أمر التراجع الذي تم التحقق منه ويستخدمه للخدمة المتأثرة.
• يبقى التصحيح ضمن نطاقه: لا يمسّ إجراءات الخدمات الأخرى.
• تحل المعلومات الجديدة محل الإرشادات القديمة: عندما يتغير الأمر مرة أخرى، يستخدم الوكيل الإصدار الحالي ويمكنه تتبع التغيير حتى مصدره.

يوضح الدليل العملي لاختبار الانحدار الخاص بنا كيفية حفظ مخرجات الوكيل والأدلة المسترجعة، والتحقق منها مقارنةً بالسلوك المتوقع، ومقارنة عمليات التشغيل بعد تغيير التعليمات أو النماذج.

ثبّت إصدارات النموذج وملف التعريف والمهارة أثناء مقارنة عمليات التشغيل مع الذاكرة ومن دونها. وابدأ كل مقارنة من لقطة معروفة للمخزن؛ وإلا فقد يعلّم أحد الاختبارات الوكيلَ إجابة الاختبار التالي.

عندما يفشل شيء ما، احفظ هذه الحالة. ويجب أن يجتازها التغيير التالي.

أو تجاوز مرحلة البناء: Brain في Computer

إذا كان ما تريده هو الحلقة المكتملة بدلًا من أجزائها، فهذا هو Computer. يعمل Brain في أساسه، متعلّمًا من أربعة مصادر: جلساتك، والأدوات المتصلة، والملفات والعناصر التي تنشئها، وتصحيحاتك. وتعزز تحديثات Brain في الخلفية ما لا يزال صحيحًا، وتنقّح ما تغيّر، وتضع علامة على المعلومات التي لم تعد محدّثة.

لست مضطرًا إلى بناء هذه الحلقة بنفسك. ما عليك سوى أداء عملك.

تحتفظ الذاكرة بالتفضيلات والتفاصيل التي شاركتها. أما Brain فيربط المشاريع والأشخاص والقرارات والأعمال غير المكتملة بالأدلة الكامنة وراءها.

يمكنك فحص ما تعلّمه في عرض الذاكرة، وتتبع الإدخالات حتى مصادرها، وتعديلها أو حذفها. يستخدم Brain نشاطك الخاص، ويستثني جلسات التصفح المتخفي، وله مفتاح تبديل خاص به.

تكبير

في Rho، على سبيل المثال، كانت قرارات مشروع الفوترة متفرقة بين Slack وNotion وJira وFigma وGoogle Docs. فأعدّ الفريق Computer لمراجعة التغييرات خلال الليل، ورصد أوجه عدم الاتساق، ونشر ملخّص صباحي في Slack.

لاحظ مهندس البرمجيات لديهم Oktawian Jurkiewicz أن Computer كان يبني أيضًا ذاكرة للمشروع. ويقول: «لم نحدد ذلك. لقد اكتشف Computer بنفسه نقاط البيانات التي ينبغي له تخزينها من كل مصدر.»

يفيد الفريق بأنه قلّص وقت الاجتماعات الأسبوعية من 2.5 ساعة إلى 15 دقيقة، ويقدّر أنه وفّر 120 ساعة عمل على مدار المشروع الذي استمر 12 أسبوعًا.

تُنسب الساعات الـ120 إلى سير العمل بأكمله: الموصلات، وعمليات التشغيل الليلية، وملخّص Slack. فما مقدار الوقت الذي وُفّر بفضل الذاكرة وحدها؟ لا يمكننا قياس ذلك بعد.

لكن ما يمكننا أن ننصح به هو أن تعود، عند بناء نظامك الخاص، إلى الاختبار الذي ذكرناه سابقًا: نفّذ مهام متكافئة مع تشغيل طبقة الذاكرة وإيقافها، ثم قارن معدلات الإنجاز والتكلفة والوقت، بما في ذلك الوقت الذي يقضيه أحدهم في تصحيح النتيجة.

الأسئلة الشائعة حول ذاكرة وكلاء الذكاء الاصطناعي

هل يمكن أن تكون لدى وكلاء الذكاء الاصطناعي ذاكرة؟

نعم. يمكن لوكلاء الذكاء الاصطناعي الاحتفاظ بالمعلومات عبر الجلسات من خلال المحادثات والحقائق والتفضيلات والإجراءات القابلة لإعادة الاستخدام المخزنة. ويجب على النظام استرجاع تلك المعلومات عندما تكون ذات صلة، وتحديثها عندما تتغير الظروف.

يبني Brain في Perplexity Computer، على سبيل المثال، سياق عمل من الجلسات والأدوات المتصلة والملفات وتصحيحات المستخدم.

ما مقدار ذاكرة الوصول العشوائي (RAM) التي يستخدمها وكيل الذكاء الاصطناعي؟

لا يوجد متطلب واحد يناسب الجميع. فإذا كان وكيلك يستدعي نموذجًا مستضافًا عبر Perplexity Agent API، فلن تحتاج إلى تحميل ذلك النموذج في ذاكرة RAM الخاصة بك. لكن تطبيقك وأدواتك المحلية لا تزال بحاجة إلى ذاكرة.

أما تشغيل نموذج محليًا فأمر مختلف. فعند استخدام أربع بتات لكل معلمة، تبلغ ثمانية مليارات معلمة نحو 4 غيغابايت من بيانات الأوزان الخام. وتكون الذاكرة الفعلية المطلوبة أعلى بمجرد احتساب الحمل الإضافي للتكميم ومعالجة السياق والبرنامج الذي يشغّل النموذج.

ما أفضل ذاكرة لوكيل الذكاء الاصطناعي؟

يعتمد الإعداد الأفضل على ما يحتاج الوكيل إلى الاحتفاظ به لاحقًا. فحالة المحادثة تدعم أسئلة المتابعة؛ والسجلات العرضية تحفظ ما حدث؛ والذاكرة الدلالية تحتفظ بالمعرفة الحالية؛ والذاكرة الإجرائية توفّر تعليمات قابلة لإعادة الاستخدام.

يستفيد معظم العمل المستمر من مزيج منها. فنحن نستخدم ويكي مترابطًا ومدعومًا بالمصادر لـ Brain. وعند بناء نظامك الخاص، اختبر ما إذا كان الإعداد يساعد الوكيل على إنجاز المهام، وتطبيق التصحيحات، والتخلي عن الإرشادات القديمة.