Memory در AI Agentها چیست؟ حافظه ایجنت‌های هوش مصنوعی چگونه کار می‌کند؟

در قسمت‌های قبلی مجموعه «پشت پرده AI Agentها» دیدیم که یک ایجنت هوش مصنوعی می‌تواند برای رسیدن به یک هدف تصمیم بگیرد، از ابزارهای مختلف استفاده کند و براساس نتیجه اقدامات خود، مرحله بعدی را انتخاب کند.

اما یک سؤال مهم باقی می‌ماند:

AI Agent چطور اطلاعات قبلی را به خاطر می‌آورد و در تصمیم‌های بعدی از آن‌ها استفاده می‌کند؟

اینجاست که مفهوم Memory در AI Agentها اهمیت پیدا می‌کند.

Memory یا حافظه، یکی از اجزای مهم بسیاری از سیستم‌های Agentic است و به ایجنت کمک می‌کند اطلاعاتی را که در گذشته دریافت کرده، در مراحل بعدی یک وظیفه یا حتی در تعاملات آینده مورد استفاده قرار دهد.

چرا AI Agent به Memory نیاز دارد؟

مدل‌های زبانی معمولاً براساس اطلاعاتی پاسخ می‌دهند که در همان لحظه در اختیار آن‌ها قرار گرفته است.

اگر یک Agent هیچ سازوکار حافظه‌ای نداشته باشد، ممکن است در مراحل مختلف یک کار اطلاعات قبلی را از دست بدهد یا مجبور شود دوباره همان اطلاعات را دریافت کند.

برای مثال فرض کنید از یک Agent بخواهید:

«برای پروژه جدید ما برنامه بازاریابی آماده کن. مخاطب اصلی ما مدیران شرکت‌های فناوری هستند.»

اگر Agent بتواند این اطلاعات را در حافظه نگه دارد، در مراحل بعدی لازم نیست هر بار دوباره توضیح دهید که مخاطب هدف چه کسانی هستند.

Agent می‌تواند هنگام نوشتن محتوا، پیشنهاد کانال‌های بازاریابی یا ایجاد کمپین تبلیغاتی، همان اطلاعات قبلی را در نظر بگیرد.

Memory در AI Agent چیست؟

به زبان ساده، Memory در AI Agent سیستمی برای نگهداری و بازیابی اطلاعات موردنیاز ایجنت است.

این اطلاعات می‌توانند شامل موارد مختلفی باشند؛ برای مثال:

اطلاعات مربوط به یک گفت‌وگو
مراحل انجام یک وظیفه
نتایج ابزارهای قبلی
ترجیحات کاربر
اطلاعات مربوط به یک پروژه
تصمیم‌هایی که در مراحل قبلی گرفته شده‌اند

اما نکته مهم این است که Memory لزوماً به این معنا نیست که مدل زبانی خودش همه این اطلاعات را برای همیشه درون خود ذخیره می‌کند.

در بسیاری از سیستم‌ها، حافظه توسط بخش‌های دیگری مانند دیتابیس، فایل، سیستم ذخیره‌سازی یا Vector Database مدیریت می‌شود و اطلاعات لازم هنگام نیاز دوباره در اختیار مدل قرار می‌گیرد.

Short-term Memory چیست؟

یکی از انواع رایج حافظه در AI Agentها، Short-term Memory یا حافظه کوتاه‌مدت است.

این نوع حافظه معمولاً اطلاعات مربوط به کار یا گفت‌وگوی فعلی را نگهداری می‌کند.

برای مثال، اگر به یک Agent بگویید:

«یک گزارش فروش برای ماه گذشته آماده کن.»

Agent ممکن است ابتدا فایل فروش را باز کند، بعد داده‌ها را تحلیل کند و سپس چند نتیجه مهم پیدا کند.

در این فرآیند باید بتواند اطلاعات مراحل قبلی را نگه دارد تا در مرحله نهایی گزارش از آن‌ها استفاده کند.

این اطلاعات معمولاً فقط تا زمانی اهمیت دارند که وظیفه یا گفت‌وگوی فعلی ادامه دارد.

به همین دلیل به آن‌ها حافظه کوتاه‌مدت گفته می‌شود.

Long-term Memory چیست؟

نوع دیگر، Long-term Memory یا حافظه بلندمدت است.

این حافظه برای اطلاعاتی استفاده می‌شود که ممکن است در تعاملات یا وظایف آینده نیز مفید باشند.

برای مثال یک Agent ممکن است اطلاعات زیر را در حافظه بلندمدت ذخیره کند:

«کاربر گزارش‌های مدیریتی کوتاه و نموداری را ترجیح می‌دهد.»

یا:

«این پروژه مربوط به فروش محصولات نرم‌افزاری در بازار ایران است.»

اگر این اطلاعات در تعاملات آینده دوباره بازیابی شوند، Agent می‌تواند پاسخ‌ها و اقدامات خود را براساس آن‌ها تنظیم کند.

آیا Memory یعنی ذخیره کردن همه چیز؟

خیر.

یکی از مهم‌ترین چالش‌های طراحی حافظه برای AI Agentها این است که همه اطلاعات ارزش ذخیره‌سازی ندارند.

اگر یک Agent تمام جزئیات هر تعامل را ذخیره کند، خیلی زود با حجم بزرگی از اطلاعات روبه‌رو می‌شود که بسیاری از آن‌ها دیگر کاربردی نیستند.

به همین دلیل یک سیستم حافظه مناسب باید بتواند تشخیص دهد:

چه اطلاعاتی مهم هستند؟
چه اطلاعاتی باید موقت باشند؟
چه چیزی باید برای آینده نگهداری شود؟
چه اطلاعاتی دیگر کاربرد ندارند؟
چه زمانی باید اطلاعات قدیمی به‌روزرسانی یا حذف شوند؟

بنابراین مدیریت Memory فقط درباره «به خاطر سپردن» نیست؛ فراموش کردن اطلاعات غیرضروری نیز بخشی از طراحی یک Agent خوب است.

AI Agent چگونه اطلاعات حافظه را پیدا می‌کند؟

در سیستم‌های پیشرفته، ممکن است هزاران یا حتی میلیون‌ها قطعه اطلاعات ذخیره شده باشد.

واضح است که نمی‌توان همه این اطلاعات را هر بار در اختیار مدل قرار داد.

به همین دلیل Agent معمولاً از مکانیزم‌های بازیابی اطلاعات استفاده می‌کند.

برای مثال، اگر کاربر درباره یک پروژه خاص سؤال کند، سیستم ابتدا اطلاعات مرتبط با همان پروژه را از حافظه پیدا می‌کند و فقط همان بخش‌ها را در اختیار مدل قرار می‌دهد.

در برخی معماری‌ها برای این کار از روش‌هایی مانند Semantic Search و Vector Database استفاده می‌شود تا اطلاعات براساس شباهت معنایی پیدا شوند.

تفاوت Context و Memory چیست؟

Context و Memory مفاهیم نزدیکی هستند، اما دقیقاً یک چیز نیستند.

Context اطلاعاتی است که مدل در همان لحظه برای تولید پاسخ در اختیار دارد.

اما Memory سیستمی است که اطلاعات را نگهداری می‌کند تا در زمان مناسب دوباره به Context اضافه شوند.

می‌توان خیلی ساده گفت:

Memory اطلاعات را نگه می‌دارد و Context اطلاعاتی است که مدل همین حالا می‌بیند.

این تفاوت یکی از نکات مهم در درک معماری Agentهای هوشمند است.

چرا Memory برای AI Agentها اهمیت دارد؟

بدون حافظه، یک Agent ممکن است در هر مرحله مانند سیستمی عمل کند که هیچ اطلاعی از گذشته ندارد.

Memory باعث می‌شود Agent بتواند:

ادامه یک کار را از مرحله قبلی دنبال کند
اطلاعات پروژه را نگه دارد
تصمیم‌های قبلی را در نظر بگیرد
از تکرار مراحل غیرضروری جلوگیری کند
اطلاعات مرتبط را در زمان مناسب بازیابی کند
تجربه تعامل با کاربر را منسجم‌تر کند

در Agentهای پیچیده‌تر، حافظه می‌تواند یکی از عوامل اصلی در ایجاد رفتار مداوم و چندمرحله‌ای باشد.

جمع‌بندی

Memory در AI Agentها به ایجنت کمک می‌کند اطلاعات مهم را نگهداری کرده و در مراحل یا تعاملات بعدی دوباره از آن‌ها استفاده کند.

حافظه کوتاه‌مدت بیشتر برای اطلاعات مربوط به وظیفه فعلی استفاده می‌شود، در حالی که حافظه بلندمدت می‌تواند اطلاعاتی را برای استفاده در آینده نگهداری کند.

اما یک Agent خوب نباید همه چیز را ذخیره کند.

سیستم حافظه باید بتواند تشخیص دهد چه چیزی ارزش نگهداری دارد، چه زمانی باید بازیابی شود و چه اطلاعاتی دیگر لازم نیست حفظ شوند.

به همین دلیل Memory فقط یک محل ذخیره اطلاعات نیست؛ بلکه یکی از بخش‌های مهم معماری یک AI Agent برای مدیریت اطلاعات و تصمیم‌گیری بهتر است.

درباره فیلاگر

فیلاگر، جامعه هوش مصنوعی ایران، مرجعی برای آموزش و بررسی مفاهیم و فناوری‌های روز AI است. در مجموعه «پشت پرده AI Agentها» تلاش می‌کنیم ایجنت‌های هوش مصنوعی، نحوه کار آن‌ها و کاربردهای واقعی‌شان را با زبانی ساده، دقیق و کاربردی توضیح دهیم.

پشت پرده AI Agentها | قسمت ۱
پشت پرده AI Agentها | قسمت ۲
پشت پرده AI Agentها | قسمت ۳
پشت پرده AI Agentها | قسمت ۴