Aģenta atmiņas sistēmas dizains: īstermiņa un ilgtermiņa atmiņas realizācijas risinājumi

Šajā rakstā tiek apskatīts aģenta atmiņas sistēmas dizains, sadalot to divos līmeņos – īstermiņa un ilgtermiņa atmiņā – un detalizēti aprakstīti to realizācijas risinājumi un svarīgākie apsvērumi.

Ietvars un galvenie uzskati:

1. Vispārējie dizaina principi: Aģenta atmiņas sistēma tiek sadalīta divos slāņos:

   • Īstermiņa atmiņa: kalpo pašreizējai sesijai, kontrolējot konteksta garumu ar tehniskām metodēm, vienlaikus saglabājot semantisko saskaņotību.
   • Ilgtermiņa atmiņa: kalpo starpsesiju scenārijiem, izmantojot izguves mehānismu, lai pēc vajadzības iegūtu atbilstošas atmiņas no vēsturiskās informācijas.

2. Divas galvenās īstermiņa atmiņas metodes:

   • Fiksēta loga nogriešana: tiek saglabātas tikai pēdējās N sarunu kārtas vai tokeni, pārējie tiek izmesti. Priekšrocības: vienkārša realizācija, zemas izmaksas, stabils garums, piemērota ikdienas sarunām vai vienkāršiem klientu apkalpošanas scenārijiem; trūkumi: var tikt zaudēta agrīna svarīga informācija, izraisot aģenta "atmiņas zudumu".
   • Ritošais kopsavilkums: kad sarunu vēsture tuvojas loga robežai, agrīnās sarunas daļas tiek apkopotas īsā kopsavilkumā, aizstājot oriģinālos ierakstus. Priekšrocības: spēj saspiest garumu, vienlaikus saglabājot augstvērtīgu informāciju, piemēram, uzdevuma mērķus un stila prasības, kā arī mazina uzmanības atšķaidīšanu garā kontekstā, padarot to piemērotāku ilgtermiņa uzdevumiem, piemēram, projektu plānošanai un garu tekstu radīšanai; izmaksas: nepieciešami papildu modeļa izsaukumi, un kopsavilkuma kvalitāte tieši ietekmē turpmākos rezultātus.

3. Ilgtermiņa atmiņas izveides risinājums: vispārējs risinājums, izmantojot vektoru datubāzi zināšanu bāzes izveidei.

   • Pamatideja: apstrādāt iepriekšējās sarunas par izgūstamiem atmiņas fragmentiem un pēc nepieciešamības atsaukt tos pēc atbilstības.
   • Trīs galvenie soļi:
     • Uzglabāšana: sarunu vektorizē un kopā ar oriģinālo tekstu saglabā ilgtermiņa atmiņu krātuvē.
     • Izguve: veic līdzības meklēšanu, pamatojoties uz lietotāja jauno jautājumu.
     • Kombinēšana: atbilstošākos vēsturiskos fragmentus kopā ar pašreizējo jautājumu ievada modelim.
   • Priekšrocības: pārvar konteksta loga ierobežojumus, spējot precīzi iegūt atbilstošu informāciju no milzīgas vēstures, kas ir pamats ilgtermiņa interaktīvām sistēmām, piemēram, personalizētiem asistentiem un uzņēmumu zināšanu bāzēm.
   • Trūkumi: augsta sistēmas sarežģītība, nepieciešams ieviest Embedding modeli, vektoru datubāzi un visu izguves loģiku.

4. Svarīgi apsvērumi praksē:

   • Atmiņas ierakstīšanas kritēriji: nav ieteicams pēc noklusējuma glabāt visu saturu; ilgtermiņa atmiņai jānosaka piekļuves nosacījumi, piemēram, ierakstīt tikai ilgtermiņa lietotāja preferences, galvenos uzdevumu mērķus, apstiprinātus svarīgus faktus un atkārtoti izmantojamus secinājumus.
   • Atmiņas pārvaldība: uzsver, ka atmiņa ir dinamisks datu aktīvs, kas regulāri jātīra, jāapvieno, jāatjaunina un jāpārbauda fakti, kā arī jānodrošina lietotājam pārvaldības saskarne, lai garantētu ilgtermiņa atmiņas sistēmas stabilu darbību.