تصور کنید یک برنامهنویس را که بهجای دستوپنجه نرم کردن با داشبوردهای پیچیده و بستهٔ شرکتهای ابری، تنها با یک دستور سادهٔ cat در ترمینال، تمام حافظهٔ یک عامل هوش مصنوعی را میخواند. برای پایان دادن به عصر ذخیرهسازهای مبهم و بسته، گوگل کلاود (Google Cloud) در ژوئن ۲۰۲۶ استاندارد Open Knowledge Format (OKF) را منتشر کرد.
در حال حاضر، اکثر سیستمهای عاملمحور، دانش accumulated را در پایگاهدادههای برداری (Vector Database) — که شبیه به یک بایگانی دیجیتال است که به جای نام، بر اساس شباهت مفاهیم فایلها را پیدا میکند — یا خروجیهای JSON دفن میکنند که فقط توسط یک ابزار خاص قابل تفسیر است. این وضعیت باعث میشود وقتی تیمی چارچوب (Framework) خود را عوض میکند، به یک ردپای بازرسیپذیر (Auditable Trail) نیاز دارد، یا بخواهد نسخهای پشتیبان تهیه کند که واقعاً قابل بازرسی باشد، با مشکل جابجایی دادهها مواجه شود. این چالشها نشان میدهد که مدیریت حافظه در ابزارهای هوش مصنوعی، بیش از آنکه یک قابلیت فنی باشد، یک مسئلهی مدیریتی است، موضوعی که در بررسی ما دربارهی حکمرانی داده در برابر ذخیرهسازی برداری به تفصیل تحلیل شده است. همانطور که در تحلیل قبلی ما دربارهی مورد Ryan Lopopolo و استدلال او برای مهندسی هارنس (Harness Engineering) اشاره کردیم، OKF حافظهٔ عامل را نه به صورت یک جعبه سیاه، بلکه مانند یک کد منبع (Codebase) قابل مدیریت میبیند.
طبق مستندات گوگل، یک بستهٔ OKF در واقع پوشهای از فایلهای Markdown است. هر فایل، یک واحد دانش را نمایندگی میکند که شامل متادیتا در بخش YAML frontmatter و محتوای اصلی در بدنه است. این طراحی مینیمال، سطح تعامل (Interoperability) را تعریف میکند — یعنی اینکه یک فایل چگونه اعلام کند چه چیزی است — بدون اینکه مدل داخلی محتوا را دیکته کند.
به عنوان مثال، یک حافظه استخراجشده از یک سیستم واقعی به این شکل است:
type: preference
title: "User prefers TypeScript examples"
created: 2026-05-14T09:32:00Z
tags: [coding-style, typescript]
x_memanto:
provenance: session-8f3a
valid_from: 2026-05-14
recall_count: 23
کاربر بهطور مستمر در مثالهای کد، TypeScript را به Python ترجیح داده است. این مورد در ۱۴ مه ۲۰۲۶ صراحتاً تأیید شد.
بر اساس مستندات فنی، اساساً تنها یک فیلد اجباری در این مشخصه وجود دارد و آن فیلد type است. این خوستن و سادگی باعث میشود OKF برخلاف استانداردهای سنگین و سختگیرانه قبلی، شانس موفقیت داشته باشد. برای مدیریت دادههای خاص هر ابزار بدون اینکه باعث شکست سیستمهای دیگر شود، این استاندارد از یک فضای نام x_ استفاده میکند؛ چیزی شبیه به X-headers در پروتکل HTTP یا یادداشتهای (Annotations) در Kubernetes.
هر چیزی که یک سیستم حافظه فراتر از مشخصات پایه ردیابی کند (مانند منشاء داده یا provenance، اعتبار زمانی یا آمارهای بازیابی)، در یک بلوک نامگذاری شده مثل x_memanto قرار میگیرد. ابزارهای دیگر بهگونهای طراحی شدهاند که مواردی را که نمیفهمند نادیده بگیرند و در عین حال دادهها را حفظ کنند تا اطمینان حاصل شود که انتقال داده بین ابزارهای مختلف، باعث تخریب اطلاعات نمیشود.
به گزارش توسعهدهندگان، با همگامسازی فایلهای OKF در یک مخزن Git، برنامهنویسان این توانایی را پیدا میکنند که با حافظه مانند کد منبع برخورد کنند. با استفاده از ابزاری مثل Memanto، یک برنامهنویس میتواند با اجرای یک دستور همگامسازی (memanto memory sync --okf ./agent-memory) مغز عامل خود را به مجموعهای از کامیتها (Commits) تبدیل کند. این کار عملیات استاندارد Git را برای مدیریت حافظه ممکن میسازد:
- ردپای بازرسی: اجرای دستور
git log --since="1 week ago" --statدقیقاً فاش میکند که عامل در هفت روز گذشته چه چیزهایی یاد گرفته است. - بازرسیهای هدفمند: با استفاده از دستور
git diff HEAD~5 -- knowledge/billing/یک انسان میتواند دقیقاً ببیند که درک عامل از یک ماژول خاص (مثلاً بخش صورتحساب) چگونه تکامل یافته است. - بازگشت سریع (Hard Revert): در سیستمهای سنتی، اصلاح یک حافظه غلط نیاز به شکار آن از طریق یک API دارد؛ اما در OKF، یک یادگیری اشتباه صرفاً یک کامیت است. توسعهدهندگان میتوانند از
git revert <commit>برای پاک کردن فوری آن اتفاق یادگیری خاص استفاده کنند.
علاوه بر این، OKF یادگیری عامل را به یک فرآیند قابل بازبینی تبدیل میکند. با اجرای همگامسازیهای حافظه روی یک Branch جداگانه و باز کردن درخواستهای ادغام (Pull Requests)، تیمها میتوانند تعیین کنند چه چیزی اجازه دارد به حافظه رسمی (Canonical Memory) عامل ادغام شود.
این موضوع برای صنایع تحت نظارت (Regulated Industries) مثل مالی یا سلامت که افسران تطبیق (Compliance Officers) باید به سؤال «دExactly نشان دهید سیستم چه یاد گرفته و چه کسی آن را تأیید کرد» پاسخ دهند، حیاتی است. پاسخ اکنون در تاریخچه PRها یافت میشود. تیمها حتی میتوانند این فرآیند را با استفاده از فایلهای CODEOWNERS دقیقتر کنند تا اطمینان یابند هر تغییری در حافظههایی که برچسب 'policy' دارند، حتماً توسط یک مسئول حقوقی یا تطبیق بررسی شود و سپس عامل آن رفتار را بپذیرد.
از سوی دیگر، چون حافظهها اکنون فایلهایی در یک مخزن هستند، میتوان آنها را از طریق اسکریپتها (مثلاً .github/workflows/memory-lint.yml) در خط لولههای CI/CD ادغام کرد. یک اسکریپت پایتونی ۵۰ خطی میتواند فساد حافظه را قبل از رسیدن به محیط عملیاتی بگیرد. اعتبارسنجیهای مفید CI شامل موارد زیر است:
- تأیید اینکه هر فایل بهدرستی به عنوان YAML+markdown پارس میشود.
- اطمینان از اینکه هر فایل یک
typeرا تعریف کرده است. - بررسی اینکه هیچ دو فایلی ادعاهای متضاد را در بازههای زمانی مشترک (Overlapping) مطرح نکرده باشند.
- بررسی اینکه برچسبهای زمانی (Timestamps) دارای منطقه زمانی (Timezone-aware) باشند.
- تأیید اینکه هیچ حافظهای به شناسهی جلسهای (Session ID) ارجاع ندهد که در لاگها وجود ندارد.
برنامهنویسان باید بهطور ویژه روی متادیتای زمانی Lint بزنند. باگها اغلب در برچسبهای زمانی «فقط تاریخ» پنهان میشوند که به جای پوشش کامل یک روز، روی نیمهشب تنظیم شدهاند، یا در تضادهای بین Timezoneهای Naive و Aware. این موارد منجر به رانش خاموش (Silent Drift) و رفتارهای نامنظم عامل میشوند که ممکن است ماهها شناسایی نشوند.
در معماریهای چندعاملی، اغلب مشکل سیلوهای حافظه موازی وجود دارد؛ جایی که یک عامل فروش هیچچیز از یافتههای عامل پشتیبانی نمیداند. OKF با تبدیل دانش مشترک به یک بسته (Bundle) که هر ابزار سخنگو بتواند آن را با دستورات مهاجرت وارد کند (مثلاً memanto migrate support-agent --okf ./shared-knowledge)، این مشکل را حل میکند. این رویکرد برای شکستن سیلوهای داده، همسوی با مفاهیمی است که در پروتکل OMP برای اشتراک حافظه بررسی شده است.
چون این بستهها Markdown هستند، افراد غیرفنی هم میتوانند آنها را نگهداری کنند. یک مدیر محصول (Product Manager) میتواند دانش عامل را با ویرایش مستقیم یک فایل مارکداون در رابط وب گیتهاب بهروز کند و دیگر نیازی به پنلهای ادمین یا ارسال تیکت به تیم هوش مصنوعی نباشد. برای اینکه بستههای بزرگ برای انسانها و مدلها قابل پیمایش باشند، تیمها میتوانند از قراردادهای «افشای تدریجی» (Progressive-Disclosure) استفاده کنند، مانند یک فایل index.md که به زیرفایلهای دقیقتر اشاره میکند. تلاش برای استانداردسازی قواعد کدنویسی در فایلهای متنی، مشابه آنچه در پذیرش AGENTS.md مشاهده میکنیم، در اینجا برای کل حافظه عامل به کار گرفته شده است.
به نقل از نویسندگان پروژه، یک خروجی OKF یک پشتیبان واقعی است که حتی اگر ابزار نویسنده ناپدید شود، پنج سال بعد هم قابل خواندن است. اگر تیمی تصمیم بگیرد از ابزار A به ابزار B مهاجرت کند، این بسته باز به عنوان مسیر مهاجرت عمل کرده و نیاز به اسکریپتهای سفارشی ETL علیه دو API انحصاری را از بین میبرد.
نویسنده تأکید میکند که هر ابزاری که ادعای پشتیبانی از OKF را دارد — از جمله Memanto — باید تست «سفر رفتوبرگشت» (Round Trip) را پاس کند: خروج، بازگشت و Diff گرفتن. اگر فیلدهای زمانی یا دادههای منشاء حذف شوند، آن خروجی «ناقص» (Lossy) تلقی میشود. در زمینه جابجایی دادهها، یک خروجی ناقص صرفاً یک «اسکرینشات» است، نه یک مسیر مهاجرت واقعی.
البته باید صادقانه گفت که OKF یک موتور بازیابی (Retrieval Engine) نیست. در مقیاس بالا، توسعهدهندگان همچنان به یک لایه فهرست یا Embedding روی آن برای جستوجوی معنایی نیاز دارند؛ بستهٔ OKF منبع حقیقت در حالت سکون (At Rest) است، نه مسیر فعال پرسوجو.
additionally، حافظه کاری با فرکانس نوشتاری بالا (وضعیتهای موقت هر Turn یا Scratch State) نباید در Git قرار گیرند، زیرا استراتژی «یک کامیت برای هر توکن» غیرعملی است. علاوه بر این، چون نسخه v0.1 از OKF هنوز نوپا است، تاکسونومی حافظه را استاندارد نکرده است. ممکن است دو ابزار هر دو «به زبان OKF صحبت کنند» اما حافظهها را متفاوت مدل کنند، به این معنی که تعاملپذیری معنایی هنوز در حال تکامل است.
این چرخش نشان میدهد اکوسیستم عاملها در حال تکرار تاریخ نرمافزار است: حرکت از رشد سریع قابلیتهای انحصاری به سمت تعاملپذیری استاندارد. تیمهایی که اکنون از فرمتهای باز استفاده میکنند، در واقع از «دوران مهاجرت» دردناک در آینده پیشگیری میکنند.
شما باید با استخراج حافظه فعلی عامل خود به فایلهایی شروع کنید که بتوانید آنها را cat و diff کرده و git log بگیرید. آزمایش با یک گردش کار بررسی PR یا Linting در CI سریعترین راه برای افزایش قابلیت اطمینان سیستم است. مثالهای ارائه شده از Memanto (متنباز، لایسنس MIT، نصب با pip install memanto) استفاده میکنند، اما این گردش کارها برای هر ابزاری که بستههای OKF را بخواند و بنویسد، کاربرد دارد.
گام بعدی شما
- حافظهٔ فعلی عامل خود را به فایلهایی که با
catوdiffقابل خواندن باشند تبدیل کنید. - یک گردش کار بررسی PR یا Linting در CI برای اعتبارسنجی حافظه پیادهسازی کنید.
- اگر از ابزارهای بسته استفاده میکنید، احتمال پشتیبانی آنها از OKF را بررسی کنید.
اما داستان سختافزاری این تحول حتی شگفتانگیزتر است — به تحلیل ما دربارهی تراشههای Blackwell مراجعه کنید.
گفتگو