تصور کنید هر بار که از یک دستیار هوش مصنوعی به دستیار دیگر می‌روید، باید تمام ترجیحات کدنویسی و جزئیات پروژه‌تان را از اول توضیح دهید. این تجربهٔ تکراری و خسته‌کننده، دلیل اصلی پیدایش استاندارد جدیدی است که اکنون کنترل حافظه را از شرکت‌های بزرگ گرفت و به کاربر بازگرداند.
طبق اعلام SMJAI، این مجموعه در ۳۰ ژوئن ۲۰۲۶ پروتکل حافظه باز (Open Memory Protocol یا OMP) را معرفی کرد تا مشکل «سیلوهای حافظه» را حل کند. در حال حاضر، اکثر ابزارها داده‌های شما را در دیوارهای اختصاصی خود نگه می‌دارند؛ یعنی Claude چت‌های دیروز شما را به یاد دارد، اما Cursor یا ChatGPT از نقطه صفر شروع می‌کنند. این یعنی هر ابزاری که بالاخره جریان کاری شما را می‌فهمد، به محض تغییر محیط، دوباره به یک غریبه تبدیل می‌شود.
همان‌طور که در تحلیل‌های قبلی ما درباره‌ی حاکمیت داده‌ها اشاره کردیم، وابستگی به یک پلتفرم واحد، ریسک از دست دادن دانش انباشته را بالا می‌برد. OMP با جدا کردن حافظه از ارائه‌دهنده مدل، این مشکل را حل می‌کند. این رویکرد یادآور استراتژی‌های پیشرو در زمینه کاهش وابستگی به زیرساخت‌های ابری است، همان‌طور که در بررسی حافظه محلی PMB برای حذف وابستگی مدل‌ها به ابر مشاهده کردیم. به جای اینکه مدل مالک داده باشد، شما یک سرور شخصی را مدیریت می‌کنید که به عنوان «منبع واحد حقیقت» برای تمام تعاملات شما عمل می‌کند. این یعنی حافظه شما — مثل یک دفترچه یادداشت دیجیتال که همیشه در جیب دارید و هر کسی به آن دسترسی داشته باشد — قابل انتقال است و تحت کنترل مستقیم شما قرار دارد.
معماری فنی
بر اساس مستندات این پروژه، پروتکل از چهار بخش اصلی تشکیل شده است:
- مشخصات (Specification): تعریفی دقیق از اشیاء حافظه، فرمت‌های ذخیره‌سازی و یک API استاندارد HTTP.
- سرور مرجع: یک سرور متن‌باز که با یک دستور Docker اجرا می‌شود و به عنوان قطب مرکزی خواندن و نوشتن ابزارها عمل می‌کند.
- SDKها: کتابخانه‌های آماده برای TypeScript و Python جهت ساخت ابزارهای سازگار.
- آداپتورها: افزونه‌هایی برای اتصال به Claude (از طریق پروتکل زمینه مدل یا MCP)، OpenAI و Cursor.
ذخیره‌سازی و منطق حافظه
سرور OMP به‌صورت میزبانی شخصی (Self-hosting) اجرا شده و معمولاً از SQLite یا Pgvec برای ماندگاری داده‌ها استفاده می‌کند. با متمرکز کردن وضعیت در یک سرور، هر ابزار متصل به همان مخزن حافظه دسترسی دارد. برای امنیت، این پروتکل از توکن‌های Bearer و کلیدهای API مجزا برای هر ابزار استفاده می‌کند. همچنین فرمت JSON قابل انتقال، جابجایی خاطرات بین سرورهای مختلف را ساده می‌کند.
ساختار اشیاء حافظه
به نقل از مستندات گیت‌هاب، OMP یک طرحواره (Schema) واحد برای حافظه‌ها تعریف کرده است. هر شیء حافظه شامل یک شناسه منحصربه‌فرد، محتوا و برچسب زمانی است. دانش در این سیستم به سه دسته تقسیم می‌شود:
۱. رویدادی (Episodic): وقایع خاص یا نقاط عطف گفتگوها.
۲. معنایی (Semantic): حقایق کلی و ترجیحات کاربر (مثلاً: «کاربر TypeScript را به JavaScript ترجیح می‌دهد»).
۳. رویه ای (Procedural): دانش خاص درباره نحوه انجام کارها و جریان‌های کاری.
پیاده‌سازی و جریان کاری
کاربران می‌توانند سرور را با دستور docker run -p 3456:3456 -v omp-data:/data ghcr.io/smjai/omp-server فعال کنند. پس از اجرا، سرور در آدرس http://localhost:3456 در دسترس است. برای اتصال Claude Desktop، باید فایل claude_desktop_config.json را ویرایش کرد و دستور omp-mcp را به همراه URL سرور و کلید API اضافه نمود.
برای فعال‌سازی استخراج و فشرده‌سازی حافظه توسط هوش مصنوعی، کاربر می‌تواند OMP_AI_PROVIDER را روی "anthropic" یا "openai" تنظیم کند.
مدیریت خودکار حافظه
برای اینکه حافظه بدون وقفه عمل کند، یک پرامپت سیستمی (System Prompt) به Claude دستور می‌دهد که در ابتدای گفتگوها از omp_recall برای یادآوری و هنگام دریافت ترجیحات کاربر، به‌صورت خاموش از omp_remember استفاده کند. دستور صریح این است: «هرگز به کاربر نگو که در حال ذخیره حافظه هستی؛ این کار را در سکوت انجام بده».
فرآیند جابجایی بین ابزارها
انتقال گفتگو از Claude به ChatGPT از طریق یک مکانیسم دست‌به‌دست (Handoff) رخ می‌دهد:
- گام اول: کاربر از Claude می‌خواهد با دستور
omp_compressخلاصه‌ای از گفتگو را ذخیره کند. - گام دوم: کاربر فایل JSON حافظه را از سرور دریافت می‌کند.
- گام سوم: این JSON در ابزار دوم با پرامپتی شبیه به «این مخزن حافظه من است... از جایی که رهای کردم ادامه بده» جای‌گذاری می‌شود.
نقشه راه تا نسخه ۱.۰
پروژه در حال حاضر در نسخه ۰.۱ است و مسیر توسعه شامل موارد زیر است:
- v0.2: استخراج حافظه با AI و منابع جدید MCP.
- v0.3: ادغام جست‌وجوی معنایی (Semantic Search) با استفاده از بردار معنایی (Embedding) — مثل کارت معرفی عددی برای هر واژه که همسایگانش را مشخص می‌کند — و پشتیبانی از pgvector.
- v0.4: فضای نام (Namespacing) برای جداسازی پروژه‌های مختلف.
- v0.5: پشتیبانی از چندین کاربر و کنترل دسترسی دقیق.
- v1.0: ارائه مشخصات پایدار به یک نهاد استاندارد باز.
فلسفه متن‌باز و مشارکت
این تغییر معماری، کاربر را از یک «مستأجر» در پلتفرم AI به «مالک» داده‌های شناختی خود تبدیل می‌کند. OMP تحت لایسنس Apache 2.0 منتشر شده و بر پایه «اولیت میزبانی شخصی» و «حریم خصوصی در طراحی» بنا شده است. برای توسعه‌دهندگان، ساخت یک آداپتور جدید تنها ۱۰۰ تا ۲۰۰ خط کد نیاز دارد. اولویت‌های فعلی شامل SDKهایی برای Go، Rust و Ruby و آداپتورهایی برای Gemini و Copilot است.
این پروتکل حافظه AI را از یک «قابلیت» به یک «سرویس عمومی» تبدیل می‌کند و ارائه‌دهندگان را مجبور می‌کند به‌جای حبس داده‌ها، روی کیفیت استدلال و رابط کاربری رقابت کنند.
گام بعدی شما
- اگر از Claude Desktop استفاده می‌کنید، سرور OMP را با Docker نصب کنید تا حافظه مشترک را تجربه کنید.
- برای توسعه‌دهندگان: آداپتورهای موجود در گیت‌هاب را بررسی کنید تا ابزار شخصی خود را به این شبکه متصل کنید.
- متدهای
omp_compressوomp_recallرا در پرامپت‌های سیستمی خود برای مدیریت بهینه بافتار (Context) به کار ببرید.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو