Yapay zeka ajanları oluşturmanın en zor kısmı onlara hatırlamayı öğretmek değil. Onlara unutmayı öğretmek. Meslektaşım ve inanılmaz yetenekli yazar@helloiamleonie gördüğüm en kapsamlı ajan hafızasının bir dağılımı yayımladı - ve bana güvenin, hepimizin buna ihtiyacı vardı. İşte temel zorluk: LLM'ler state'sizdir. Her konuşma yeni bir başlangıçtır. Beş dakika önce ne söylediğinizi hatırlamıyorlar, geçen hafta söylediklerinizi ise hatırlamıyorlar. Peki gerçekten hatırlayan ajanlar nasıl yapabiliriz? İki temel bellek türü: • Kısa vadeli bellek: LLM'nin bağlam penceresindeki bilgi (güncel konuşma) • Uzun vadeli hafıza: Dış olarak depolanan bilgiler (geçmiş konuşmalar, kullanıcı tercihleri, öğrenilmiş gerçekler) Ama işin ilginç ve kafa karıştırıcı olduğu yer burası. Farklı çerçeveler belleği farklı şekilde kategorize eder, örneğin: CoALA'nın yaklaşımı (insan bilişinden esinlenmiş): • Çalışma hafızası (güncel konuşma) • Anlamsal hafıza (kullanıcı hakkında gerçekler) • Epizodik hafıza (geçmiş deneyimler ve eylemler) • Prosedürel hafıza (talimatlar ve davranışlar) Letta'nın yaklaşımı (mimari odaklı): • Mesaj Tamponu (son mesajlar) • Çekirdek Bellek (aktif olarak yönetilen bağlam içi bloklar) • Hafıza Hafızası (ham konuşma geçmişi) • Arşivsel Hafıza (açıkça depolanmış bilgi) En zor kısmı mı? Unutu. Hafızaya ne girdiğini yönetmek çok karmaşıktır. Silinen şeyleri yönetmek ise daha da zor. Neyin modası geçmiş olduğuna nasıl karar vermeyi nasıl otomatikleştirirsiniz? Eski bilgiler gerçekten güncel değil mi, ne zaman bağlamsal olarak anlamlıdır? Çoğu uygulamanın zorlandığı yer burasıdır. Leonie, farklı bellek türlerinden (çalışma, anlamsal, epizodik, prosedürel) pratik uygulama stratejilerine ve mem0, Letta ve zep gibi büyüyen bellek çerçeveleri ekosistemine kadar her şeyi kapsar....