Zasnova sistema spomina agenta: implementacija kratkoročnega in dolgoročnega spomina

Ta članek raziskuje zasnovo sistema spomina agenta, ki ga deli na dve ravni: kratkoročni in dolgoročni spomin, ter podrobno opisuje njune implementacijske sheme in pomembne vidike.

Okvir in ključne ugotovitve:

1. Splošna načela oblikovanja: Sistem spomina agenta je razdeljen na dve plasti:

   • Kratkoročni spomin: Služi trenutni seji, nadzoruje dolžino konteksta s tehničnimi sredstvi, hkrati pa ohranja pomensko koherentnost.
   • Dolgoročni spomin: Služi medsejnim scenarijem, po potrebi pridobiva relevantne spomine iz zgodovinskih informacij z mehanizmom iskanja.

2. Dve glavni shemi za kratkoročni spomin:

   • Odrezovanje s fiksnim oknom: Ohrani le zadnjih N krogov pogovora ali žetonov, presežek pa zavrže. Prednosti so preprosta implementacija, nizki stroški in stabilna dolžina, primerna za priložnostne pogovore ali preproste scenarije podpore strankam; slabost je, da lahko zaradi "enotnega rezanja" izgubi ključne zgodnje informacije, kar povzroči "izgubo spomina" agenta.
   • Drseči povzetek: Ko zgodovina pogovora presega okno, se zgodnji del pogovora povzame v krajši povzetek, ki nadomesti izvirne zapise. Prednosti so, da ob stiskanju dolžine ohrani visokovredne informacije, kot so cilji naloge in zahteve po slogu, ter ublaži redčenje pozornosti pri dolgih kontekstih, zato je bolj primeren za dolgotrajne naloge, kot so načrtovanje projektov ali ustvarjanje daljših besedil; cena pa je dodatni klic modela, kakovost povzetka pa neposredno vpliva na nadaljnje rezultate.

3. Shema gradnje dolgoročnega spomina: Splošna shema uporabe vektorske podatkovne baze za gradnjo baze znanja.

   • Osnovna ideja: Pretekli pogovori se obdelajo v iskalne spominske fragmente, ki se po potrebi prikličejo glede na relevantnost.
   • Ključni trije koraki:
     • Shranjevanje: Pogovor se vektorizira in skupaj z izvirnim besedilom shrani v dolgoročni spomin.
     • Iskanje: Na podlagi novega vprašanja uporabnika se izvede iskanje po podobnosti.
     • Kombiniranje: Najbolj relevantni zgodovinski fragmenti se skupaj s trenutnim vprašanjem posredujejo modelu.
   • Prednosti: Presega omejitve kontekstnega okna, omogoča natančno pridobivanje relevantnih informacij iz obsežne zgodovine, kar je osnova za gradnjo dolgoročnih interaktivnih sistemov, kot so personalizirani asistenti in podjetniške baze znanja.
   • Slabosti: Visoka kompleksnost sistema, zahteva uvedbo modela vdelave, vektorske podatkovne baze in celotne logike iskanja.

4. Pomembni vidiki v praksi:

   • Merila za zapisovanje spomina: Ne shranjujemo vsega privzeto, temveč določimo pogoje za dostop do dolgoročnega spomina, na primer shranjujemo le dolgoročne preference uporabnikov, osnovne cilje nalog, potrjena pomembna dejstva in ponovno uporabne zaključke.
   • Upravljanje spomina: Poudarja, da je spomin dinamično podatkovno sredstvo, ki ga je treba redno čistiti, združevati, posodabljati in preverjati dejstva, ter uporabnikom zagotoviti vmesnik za upravljanje, da se zagotovi stabilno delovanje sistema dolgoročnega spomina.