AI ագենտներին անհրաժեշտ է փաստաթղթավորում, ոչ թե retrieval-ի վրա հիմնված հիշողություն

Փաստաթղթավորում՝ հիշելու փոխարեն

Հիշողության պլագինները, որպես կանոն, սեսիայի տրանսկրիպտները մշակում են առանձին հատվածների ձևով, պահում են վեկտորային տվյալների բազայում և յուրաքանչյուր հարցման համար վերադարձնում են հինգ ամենանման միավորը։ Ագենտները կարող են որոնել նաև արխիվում, բայց միայն նմանությամբ չեն կարող որոշել, թե հատվածը ճիշտ է, ակտուալ է թե ամբողջական։ Համատեքստը, մոտիվացիան, դասընթացները և միջավայրի մանրամասները կարող են կորչել, երբ խոսակցությունները կրճատվում են հատվածների միջև։

Հղման համաձայն, սա անթափանցիկ պահեստ է ստեղծում։ Ներկայացնում է օրինակներ. ինտենդանտիկացիայի հետ կապված հարյուրավոր հատվածներ հնանում են կոդի փոփոխության հետ միասին, իսկ SQLite-ում գտնվող embedding-ները կարող են լինել հնացած, չկիրառելի կամ սխալ։ Ագենտը չի կարող վստահորեն որոնել անհայտ սխալներ, քանի որ չի գիտի, թե ինչ չի գիտի։ Արգումենտը այսպես է. թիմերը փաստագրում են սահմանափակումները և որոշումները, այլ ոչ թե վերականգնում են հին հանդիպումներից, ուստի ագենտները պետք է դիմեն պահպանված և թարմացված գրառումներին՝ հիշելու փոխարեն։

Կառուցվածքավորված աշխատանքային տարածք ագենտների համար

AGENTS.md ֆայլերը արդեն տալիս են ագենտներին նախագծի մակարդակի նշումներ, բայց հղումը հայտնում է, որ մեկ ֆայլը հազվադեպ բավարար է։ Այն խորհուրդ է տալիս ավելի լայն աշխատանքային տարածք, որը ներառում է հրահանգներ, հատուկություններ, որոշումներ, հետազոտություններ և ինդեքսներ։ Ագենտները պետք է կարդան համապատասխան փաստաթղթերը աշխատանքից առաջ, այնուհետ թարմացնեն հնացած կամ կորած նյութերը։ Սա աշխատանքային գործընթացը „prompt, build and forget“ սկզբունքից անցնելու է „prompt, consult, build and update“ սկզբունքին և համատեքստը դարձնում է ընթեռնելի, խմբագրելի և կիսելի։

Մոդելը ներկայացված է որպես փաստաթղթերի վրա հիմնված հիշողություն. մշտական գիտելիքների բազա, այլ ոչ թե որոնված խոսակցության ֆրագմենտների տվյալների բազա։ Նպատակն է, որ ագենտը ավելի ամբողջական պատկեր ստանա նրանից, թե ինչու գոյություն են ունենում ֆունկցիաները, ինչի վրայի են համաձայնվել և ինչպես է աշխատում նախագիծը, միաժամանակ մարդկանց հնարավորություն տալով ստուգել և պահպանել հիմնական գրառումները։

Operator Memory-ը մոդելը Markdown-ի է փոխակերպում

Operator Memory-ը այս մոտեցման աղբյուրի հեղինակի բաց կոդի իրականացումն է: Այն ագենտներին տրամադրում է Markdown աշխատանքային տարածք հրահանգների, սպեցիֆիկացիաների, հետազոտության և ինդեքսների համար: Ագենտները աշխատանքից առաջ կարդում են համապատասխան փաստաթղթերը, այնուհետև թարմացնում են աշխատանքային տարածքը՝ հնացած նյութերը վերանայելով և բացակայող փաստաթղթերը ավելացնելով:

Աղբյուրի համաձայն, համակարգը չի օգտագործում վեկտորային տվյալների բազաներ, embedding-ներ, ամփոփիչներ, կուրատորներ, թարմացման մեխանիզմներ, ֆոնային դեմոններ կամ սև տուփի սկզբունքով որոնում: Դրա գրառումները մնում են սովորական Markdown ֆայլեր, որոնք կարելի է կարդալ, թարմացնել, commit-ում ներդնել և թիմի հետ կիսվել: Հեղինակը հայտնում է, որ այս համակարգը իր սեփական նախագծերում մեկ տարուց ավելի է օգտագործում և ծրագիրը անվճար և բաց կոդով է: