აგენტის გრძელვადიანი მეხსიერება რა არის და როგორ აშენება (საგრეხილი, ვექტორული მეხსიერება)?

მომსახურებლის გრძელვადიანი მეხსიერება — ეს არის ინფორმაცია შენახვის და გამოყენების მექანიზმი, რომელიც აგენტი აკუმულირებს ხანგრძლივ პერიოდში, რათა გაუმჯობესდეს ურთიერთქმედების ხარისხი და გადაწყვეტილების მიღების უნარი:

სSummarization (სუმარიზაცია) — დიდი მოცულობის ინფორმაციის შეკუმშვის პროცესი, რომელიც ეხმარება აგენტს სწრაფად გახსენოს ძირითადი მომენტები, ყველა დეტალის შენახვის გარეშე:

ვექტორული მეხსიერება (ვექტორული მეხსიერება) — ინფორმაციის შენახვა ვექტორების სახით (მაგალითად, ემბედინგები), რაც საშუალებას აძლევს ეფექტურად მოძებნოს და შეადაროს მსგავსი მონაცემები მახლობელი მეზობლების მეთოდებით:

როგორ აშენდეს გრძელვადიანი მეხსიერება:

1. მონაცემების შეგროვება — აგენტი ინახავს მნიშვნელოვან მოვლენებს, დიალოგებს, ფაქტებს.
2. მუშაობა და შეკუმშვა — გამოიყენება სუმარიზაციის ალგორითმები მონაცემების მოცულობის შემცირებისათვის.
3. ვექტორიზაცია — ტექსტების ან სხვა მონაცემების გარდაქმნა ვექტორებში ემბედინგების მოდელების საშუალებით (მაგალითად, BERT, OpenAI embeddings).
4. შენახვა — გამოიყენება სპეციალიზებული ბაზები (მაგალითად, Pinecone, FAISS) ეფექტური ძიებისთვის ვექტორული წარმოდგენებით.
5. ძიება — საჭიროების შემთხვევაში, აგენტი ეძებს შესაბამის ჩანაწერებს მეხსიერებაში, იყენებს მსგავსების ძიებას და იყენებს მათ პასუხის ან გადაწყვეტილების მიღებისთვის.

Python-ის მაგალითი — ემბედინგებისა და FAISS-ის ბიბლიოთეკის გამოყენებით:

from sentence_transformers import SentenceTransformer
import faiss

# ემბედინგების მოდელის ინიციალიზაცია
model = SentenceTransformer('all-MiniLM-L6-v2')

# მაგალით მონაცემები
texts = ["დღეს მზიანი", "ხვალ წვიმა იქნება", "ამინდი კარგი"]

# ვექტორიზაცია
vectors = model.encode(texts)

# FAISS ინდექსის შექმნა
index = faiss.IndexFlatL2(vectors.shape[1])
index.add(vectors)

# ძიება მეხსიერებაში
query = "ხვალ რა ამინდი იქნება?"
query_vec = model.encode([query])
D, I = index.search(query_vec, k=1)
print(f"მსგავსი ტექსტი: {texts[I[0][0]]}")

ამგვარად, აგენტის გრძელვადიანი მეხსიერება აერთიანებს შეკუმშვას კოპაქტურობისთვის და ვექტორულ მეხსიერებას სწრაფი მოძიებისთვის.