تصور کنید یک عامل هوش مصنوعی در حال مدیریت یک پرونده‌ی پیچیده‌ی بازپرداخت وجه یا نظارت بر یک ضرب‌الاجل قانونی است که جمع‌آوری مدارک و پردازش آن سه روز زمان می‌برد؛ یک کرش ساده در سرور می‌تواند تمام تلاش‌های چندین روزه را نابود کند. به عنوان مثال، اگر یک عامل پشتیبانی مشتری در حال جمع‌آوری مدارک شناسایی از کاربر طی سه روز باشد و سرور در طول شب کرش کند، این عامل هویت مشتری و مرحله‌ی فعلی از فرآیند را به‌طور کامل گم می‌کند. برای هر برنامه‌نویسی که بات‌های نظارتی یا خطوط لوله‌گذاری داده را مدیریت می‌کند، این لحظه‌ی «فراموشی» بحرانی‌ترین نقطه‌ی شکست سیستم است.
در ۱۳ جولای ۲۰۲۶، TormentNexus جزئیات یک لایه‌ی پایداری (Persistence Layer) را منتشر کرد که با استفاده از SQLite، تضمین می‌کند «مغز» عامل در برابر ری‌بوت کامل پردازش مقاوم باشد. برای بات‌های تولیدی (Production Bots) که برای هفته‌ها فعال هستند — مانند بات‌های نظارت بر انطباق (Compliance Monitoring) یا پزشکان خودکار خط لوله داده (Data Pipeline Doctors) — این رویکرد نقطه شکست بحرانی را حذف می‌کند؛ جایی که پیش از این، عامل‌ها با حافظه مانند رم موقت (Ephemeral RAM) رفتار می‌کردند که با هر بار ری‌استارت ناپدید می‌شد.
در فضای فعلی، حافظه معمولاً به‌صورت دیکشنری‌های پایتون یا بلوک‌های JSON در حافظه رم مدیریت می‌شود. این نقص معماری باعث ایجاد پدیده‌ای شده است که به عنوان «مشکل عامل فراموش‌کار» (Forgetful Agent Problem) شناخته می‌شود. برای کمی کردن این مسئله، یک بنچمارک روی ۱۵ کتابخانه‌ی محبوب و متن‌بازِ عامل‌های هوشمند انجام شد و نتایج نشان داد که ۱۲ مورد از آن‌ها در یک ری‌بوت ساده‌ی پردازش، تمام وضعیت‌های درون-حافظه (In-memory state) را از دست دادند. تنها سه کتابخانه قابلیت‌های ابتدایی چک‌پوینت‌گذاری (Checkpointing) را ارائه دادند و هیچ‌کدام نتوانستند بدون یک پایگاه‌داده خارجی، از یک ری‌بوت کامل سرور جان سالم به در ببرند. این چالش‌ها یادآور بحث‌های گسترده‌تری است که در آن مدیریت حافظه در عامل‌های AI بیشتر به عنوان یک مسئله‌ی حکمرانی داده دیده می‌شود تا صرفاً یک قابلیت فنی.
همان‌طور که در تحلیل‌های قبلی ما درباره‌ی معماری سامانه‌های عامل‌محور اشاره کردیم، مدیریت وضعیت یکی از دشوارترین بخش‌های مقیاس‌پذیری است. در حالی که بسیاری از توسعه‌دهندگان به سراغ زیرساخت‌های سنگین می‌روند، رویکرد TormentNexus به دلیل اثر انگشت صفر در زیرساخت (Zero-infrastructure footprint)، از SQLite استفاده می‌کند. این ابزار مثل یک دفترچه یادداشت دیجیتال و کوچک در کنار برنامه است و نیازی به نصب سرور مجزا ندارد. این روش به عامل اجازه می‌دهد داده‌های ساختاریافته را به‌صورت محلی ذخیره کند و همزمان خواندن‌های همزمان (Concurrent Reads) را به‌صورت ایمن مدیریت نماید. این رویکرد مشابه استراتژی استفاده از SQLite به عنوان یک sidecar برای مدیریت حافظه در OpenClaw است که برای جایگزینی گزارش‌های متنی با ساختارهای داده‌ای بهینه طراحی شده بود. با تثبیت صریح وضعیت و بارگذاری مجدد آن در زمان استارت‌آپ، عامل از یک حالت «فرار» (Volatile) به یک حالت «بادوام» (Durable) منتقل می‌شود و در لحظه‌ی راه‌اندازی سرد (Cold Start) — یعنی لحظه‌ای که مدل پس از یک توقف کامل دوباره بیدار می‌شود و باید بفهمد کجا بود — سریعاً محیط کاری خود را بازسازی کند.
معماری حافظه
پیش از نوشتن کدهای مربوط به پایداری، این سیستم «وضعیت عامل» را برای ایجاد تعادل بین سرعت و پایداری، به سه دسته‌ی مجزا تقسیم می‌کند:
- زمینه گفتگو (Conversation Context): شامل تاریخچه چت و هرگونه موجودیت (Entity) استخراج‌شده است. این بخش باید در برابر ری‌بوت‌ها زنده بماند، هرچند می‌تواند مقداری فقدان داده را تحمل کند.
- ردپای اجرا (Execution Trace): سندی سخت‌گیرانه و دقیق از اینکه کدام ابزارها فراخوانی شده‌اند، ترتیب فراخوانی‌ها چگونه بوده و نتایج چه بوده‌اند. این بخش برای قابلیت حسابرسی (Auditability) باید به‌طور کامل قابل بازیابی باشد.
- متغیرهای داخلی (Internal Variables): شامل شمارنده‌ها، پرچم‌ها (Flags) و نتایج کش‌شده است. این موارد ذخیره می‌شوند، اما در صورت گم شدن، می‌توان آن‌ها را دوباره محاسبه کرد.
به نقل از مستندات این پروژه، برای پیاده‌سازی این ساختار، معماری مذکور از یک اسکیمای خاص متشکل از دو جدول اصلی استفاده می‌کند. جدول sessions چرخه حیات سطح بالای عامل را از طریق بررسی وضعیت (فعال، متوقف، تکمیل‌شده یا شکست‌خورده)، به همراه متاداده‌ها، زمان شروع و یک برچسب زمانی برای آخرین فعالیت (last_active_at) ردیابی می‌کند. جدول agent_memory وضعیت واقعی را با استفاده از یک ستون به‌نام memory_blob ذخیره می‌کند.
برای بهینه‌سازی فضای ذخیره‌سازی، وضعیت عامل به‌صورت یک بلوک باینری فشرده با استفاده از پروتکل ۵ پایتون (pickle) و فشرده‌سازی LZ4 ذخیره می‌شود. هر بار که عامل یک فراخوانی ابزار را به پایان می‌رساند یا پیامی را از کاربر پردازش می‌کند، یک به‌روزرسانی را روی دیسک می‌نویسد. این سازوکار تضمین می‌کند که اگر پردازش در میانه اجرا کشته شود (Kill شود)، آخرین وضعیت تثبیت‌شده (Committed State) بلافاصله پس از ری‌استارت در دسترس باشد.
حل چالش بازیابی
بازیابی تنها بارگذاری یک پایگاه‌داده نیست، بلکه بازسازی بستر عملیاتی عامل است. عامل هنگام شروع مجدد باید سه پرسش کلیدی را پاسخ دهد: (۱) آخرین اقدام تکمیل‌شده چه بود؟ (۲) ورودی در انتظار یا فراخوانی ابزارِ معلق چیست؟ و (۳) آیا منابع قفل‌شده‌ای وجود دارد (مانند فایلی که در حال نوشته شدن است) که نیاز به پاکسازی داشته باشد؟
برای دستیابی به این سطح از دقت، یک جدول اختصاصی به‌نام checkpoint_log هر انتقال وضعیت مهم را ثبت می‌کند تا لایه‌ای از بازیابی دانه‌ریز (Granular Recovery) ایجاد شود. این جدول برای هر رویداد، یک checkpoint_type (نوع چک‌پوینت) و یک payload (محتوای داده) ذخیره می‌کند.
اگر یک پردازش در میانه اجرا متوقف شود، عامل ابتدا لاگ را بررسی می‌کند. برای مثال، اگر عاملی در لحظه کرش در حال فراخوانی یک API هواشناسی بوده باشد، لاگ نشان می‌دهد که رکورد tool_call_started با پارامترهای مربوطه ثبت شده، اما هیچ رکورد tool_call_completed وجود ندارد. این سازوکار هوشمند مانع از دو اتفاق بد می‌شود:
- سوزاندن بیهوده اعتبار API با فراخوانی مجدد و کورکورانه همان ابزار.
- استفاده از داده‌های قدیمی با این فرض اشتباه که فراخوانی ابزار با موفقیت به پایان رسیده است.
در هنگام ری‌استارت، عامل این فراخوانی‌های ناقص را شناسایی کرده و می‌تواند یا آن‌ها را به‌صورت ایمن تکرار کند و یا اگر عملیات از نوع «تکرارپذیر» (Idempotent) است، به‌سادگی از آن‌ها عبور کند.
بنچمارک‌های عملکرد
در آزمونی که طی ۸ ساعت روی ۱۰۰۰ تیکت انجام شد و در آن هر ۳۰ دقیقه یک کرش اجباری (Forced Process Kill) ایجاد می‌شد، تفاوت‌ها تکان‌دهنده بود. در این تست، عامل‌های مبتنی بر بافر درون-حافظه پیش‌فرض LangChain بعد از هر ری‌بوت تمام زمینه را گم کردند و مجبور شدند آخرین تیکت را از ابتدا پردازش کنند. این امر منجر به از دست رفتن به‌طور متوسط ۱۵ ثانیه در هر ری‌استارت شد که در مجموع ۱۶ بار ری‌استارت، ۲۴۰ ثانیه محاسبات هدررفت.
در مقابل، عامل پشتیبانی‌شده توسط SQLite در هر ری‌بوت تنها ۴۰ میلی‌ثانیه زمان صرف بازیابی کرد و با نادیده گرفتن مراحل پردازش‌شده، دقیقاً از همان نقطه‌ی توقف ادامه داد. تأخیر نوشتن (Write Latency) به‌طور متوسط ۱.۴ میلی‌ثانیه و تأخیر خواندن (Read Latency) ۰.۸ میلی‌ثانیه بود. این سربار پایداری (Persistence Overhead)، کمتر از ۲٪ از کل زمان اجرای عامل را اشغال می‌کند.
علاوه بر این، فشرده‌سازی LZ4 برای گفتگوهای طولانی بسیار کارآمد بود. در یک گفتگوی معمولی با ۳۰۰ پیام، اندازه بلوک حافظه به‌طور میانگین ۳.۲ برابر کاهش یافت و از ۱.۷ مگابایت به ۰.۵۳ مگابایت رسید.
موازنه بین پایداری و تأخیر
نوشتن روی دیسک در هر فراخوانی ابزار، کمترین میزان فقدان داده را تضمین می‌کند (حداکثر به اندازه یک اقدام)، اما می‌تواند برای عامل‌هایی که صدها تصمیم کوچک در ثانیه می‌گیرند (مثلاً یک عامل نظارتی که هر ۱۰۰ میلی‌ثانیه یک حسگر را چک می‌کند)، ایجاد گلوگاه کند شود. برای حل این مشکل، نسخه‌ای به‌نام LazyPersistentMemory آزمایش شد که یک Wrapper (پوشش‌دهنده) برای مدیریت حافظه است.
این روش تغییرات وضعیت را دسته‌بندی (Batch) می‌کند و با استفاده از یک شمارنده، داده‌ها را تنها هر ۱۰ تا ۲۰ انتقال، یا هر ۲۰۰ میلی‌ثانیه پس از آخرین ذخیره‌سازی، روی دیسک می‌فرستد (Flush می‌کند). بنچمارک‌ها نشان دادند که این رویکرد فرکانس نوشتن را ۹۰٪ کاهش می‌دهد. اگرچه این کار ممکن است باعث گم شدن تا سه مرحله از تغییرات وضعیت در لحظه کرش شود، اما برای عامل‌های غیرحیاتی، این یک تبادل (Trade-off) پذیرفتنی است.
چرا SQLite به‌جای Redis یا PostgreSQL؟
برای استقرارهای تک-عاملی (Single-agent deployments)، ورودی/خروجی (I/O) محلی سریع‌تر از رفت‌وبرگشت‌های شبکه‌ای (Network Round-trips) است. SQLite با تأخیر ۰.۸ تا ۱.۴ میلی‌ثانیه، عملکرد بهتری نسبت به Redis (۰.۳ تا ۲ میلی‌ثانیه) داشت زیرا نیاز به استقرار، نظارت و پشتیبان‌گیری از یک وابستگی خارجی که باید جداگانه مدیریت شود را حذف می‌کند.
در حالی که PostgreSQL همچنان انتخاب بهتری برای ناوگان‌های چندعاملی (Multi-agent fleets) است که نیاز به هماهنگی وضعیت از طریق یک صف شغل مشترک (Shared Job Queue) دارند، SQLite در ۹۰٪ کاربردها (مانند دستیارهای شخصی، کپی‌لوت‌های کدنویسی یا عامل‌های تحقیق و توسعه تک‌کاربره که محدودیت «تک-نویسنده» در SQLite گلوگاه نیست)، ۷۵٪ از آن قابلیت اطمینان را با صفر هزینه عملیاتی فراهم می‌کند.
این تغییر در مدیریت وضعیت، پیش‌فرض بنیادی مبنی بر اینکه عامل‌های هوش مصنوعی توابعی «بدون وضعیت» (Stateless) هستند را می‌شکند. با تبدیل ذهن عامل به یک پایگاه‌داده بادوام، توسعه‌دهندگان می‌توانند سرانجام بات‌هایی بسازند که قادر به اجرای جریان‌های کاری چندروزه باشند و در برابر شکست‌های اجتناب‌ناپذیر زیرساخت‌های ابری تاب‌آوری داشته باشند.
گام بعدی شما
- مدیریت وضعیت فعلی خود را بررسی کنید تا مطمئن شوید به دیکشنری‌های موقتی پایتون تکیه نکرده‌اید.
- برای پیاده‌سازی این منطق، کتابخانه متن‌باز
persistent_agent_memoryاز TormentNexus را بررسی کنید. - اگر عامل شما عملیات حساس (مثل تراکنش مالی) انجام می‌دهد، حتماً از حالت
checkpoint_logبرای جلوگیری از تکرار ابزارها استفاده کنید.
اما تأثیر این رویکرد بر کاهش هزینه‌های استنتاج در مقیاس انبوه، موضوع متفاوتی است — به تحلیل ما درباره‌ی بهینه‌سازی‌های لایه حافظه در مدل‌های زبانی مراجعه کنید.
گفتگو