پرش به محتوای اصلی
پرش به محتوای مقاله

درون سازوکار حافظه میان‌جلسه‌ای Grok Build برای برنامه‌نویسان

·۲۵ شهریور ۱۴۰۵۴ دقیقه مطالعه
حافظه بین‌نشستی در عامل کدنویسی Grok Build شرکت xAI
حافظه بین‌نشستی در عامل کدنویسی Grok Build شرکت xAI
اشتراک‌گذاری
واقعاً چه چیز جدید است؟

استفاده از فایل‌های Markdown به عنوان لایه حافظه بیرونی و قابل ویرایش توسط انسان؛ برخلاف حافظه‌های داخلی مدل‌ها، اینجا کاربر می‌تواند مستقیماً «یادگرفت‌های» مدل را اصلاح کند.

تصور کنید هر بار که ترمینال را باز می‌کنید، باید تمام جزئیات عجیب و غریب پروژه را از اول برای دستیار هوش مصنوعی خود تعریف کنید؛ این دقیقاً همان گلوگاهی است که سرعت توسعه را می‌گیرد. در ۱۶ سپتامبر ۲۰۲۶، شرکت xAI با افزودن حافظه میان‌جلسه‌ای به Grok Build — عامل کدنویسی ترمینال‌محور که توسط مدل Grok 4.6 قدرت گرفته — این مشکل را حل کرد.

بیشتر عامل‌های هوش مصنوعی به یک پنجره زمینه (Context Window) — شبیه میز کاری که جا برای چند ورق دارد، نه برای کل کتابخانه — متکی هستند که با هر شروع جلسه جدید، کاملاً پاک می‌شود. این وضعیت برنامه‌نویسان را مجبور می‌کند مدام توضیح دهند چرا یک تست خاص شکست می‌خورد یا یک زیرسیستم در کدام پوشه قرار دارد. طبق گزارش unite.ai، شرکت xAI با تبدیل حافظه پروژه به مجموعه‌ای از اسناد بادوام و خوانا، از این حالت زودگذر فاصله گرفته است. این رویکرد در حالی صورت می‌گیرد که برخی شرکت‌ها مانند Engrim با استفاده از SQLite توانسته‌اند هزینه‌های توکن‌های حافظه را به شدت کاهش دهند تا بهره‌وری عامل‌ها را افزایش دهند.

همان‌طور که در تحلیل‌های قبلی ما درباره‌ی حافظهٔ عامل‌های هوش مصنوعی اشاره کردیم، کلید بهره‌وری در کاهش تکرار است. در سیستم جدید، قراردادها، تصمیمات و حقایق پروژه به‌صورت یادداشت‌های مارک‌داون (Markdown) در پس‌زمینه ثبت می‌شوند. این یادداشت‌ها در دو سطح ذخیره می‌شوند: یک محدوده (Scope) برای هر پروژه خاص و یک محدوده کلی (Global Scope) برای مدیریت ترجیحات عمومی کاربر.

پیاده‌سازی و نحوه عملکرد

این حافظه اکنون در Grok Build فعال است و روی جلسات جدید اعمال می‌شود. کاربران می‌توانند این جلسات را با اجرای دستور /new یا شروع یک جلسه تازه Grok آغاز کنند؛ یادداشت‌برداری پس از اولین نوبت (Turn) تکمیل‌شده آغاز می‌شود. این ابزار از طریق یک لینک Try Free در دسترس است و می‌توان آن را با استفاده از دستور زیر نصب کرد:
curl -fsSL https://x.ai/cli/install.sh | bash.

بازیابی اطلاعات (Recall) به‌صورت خودکار رخ می‌دهد. پیش از شروع هر کار مرتبط، Grok موضوعاتی را که مربوط به آن حوزه است می‌خواند. این اتفاق حتی در جلساتی می‌افتد که موضوع مورد نظر صراحتاً مطرح نشده باشد. البته اگر تضادی بین یک یادداشت ذخیره‌شده و دستور فعلی کاربر پیش بیاید، اولویت با دستورات جلسه جاری است و آن‌ها بر حافظه غلبه می‌کنند.

سازوکار ثبت حافظه

فرآیند ثبت اطلاعات (Capture) پس از پایان هر نوبت گفتگو اجرا می‌شود. Grok در پس‌زمینه مرور می‌کند که چه موارد بادوامی برای ثبت وجود دارد و بدون ایجاد وقفه در جلسه، آن‌ها را ذخیره می‌کند. هر موضوع در یک فایل مارک‌داون مجزا ذخیره می‌شود تا سازماندهی بهتری داشته باشد. این متد ذخیره‌سازی متنی، تضاد جالبی با رویکرد OpenAI در ذخیره تاریخچه فعالیت کاربران مک به‌صورت متن ساده و رمزنگاری‌نشده دارد که بحث‌های امنیتی گسترده‌ای را برانگیخت.

برای مدیریت این داده‌ها، دستورات خاصی تعریف شده است:

  • /dream: مشاهدات جدید را با موضوعات مربوطه ادغام می‌کند. این دستور به‌طور دوره‌ای در پس‌زمینه اجرا می‌شود تا یادداشت‌ها را در فایل‌های موضوعی جمع کند و تضمین کند که هر پروژه مجموعه‌ای کوچک و سازمان‌یافته از مراجع را حفظ می‌کند.
  • /memory (یا /mem): یک مرورگر فقط-خواندنی از تمام فایل‌های حافظه را باز می‌کند که بر اساس محدوده (Scope) گروه‌بندی شده‌اند. این مرورگر پیش‌نمایشی از فایل‌های انتخاب‌شده ارائه می‌دهد و سریع‌ترین راه برای یافتن فایلی است که در صورت اشتباه بودن یادداشت، نیاز به ویرایش دارد.
  • /remember: این دستور که پس از آن یک یادداشت می‌آید، اجازه می‌دهد کاربر مستقیماً یک مورد را در حافظه سیستم ذخیره کند.
  • /flush: حافظه گفتگو را فوراً روی دیسک می‌نویسد.

در یک نمایش عملی روی پروژه‌ای به نام 'orbit'، Grok ابتدا در اجرای تست‌ها با استفاده از cargo test به دلیل خطای اتصال به Postgres شکست خورد که منجر به پاس شدن ۱۴۳ تست و شکست ۵ تست شد. پس از اینکه کاربر توضیح داد تست‌ها باید از طریق just test اجرا شوند تا ابتدا پایگاه‌داده فعال شود، تمام تست‌ها با موفقیت پاس شدند (۱۴۸ تست بدون شکست).

سپس Grok فایلی به نام testing.md ساخت. در این فایل ثبت شد که cargo test باعث شکست تست‌های یکپارچگی می‌شود، دستور just test به همراه نام یک crate باعث اجرای تک‌crate می‌شود و تست‌های یکپارچگی داده‌های خود را از tests/fixtures/seed.sql می‌گیرند. در یک جلسه بعدی، وقتی از Grok خواسته شد تا قابلیت retry with backoff را در webhook sender پیاده کند، مدل فایل src/webhooks.rs را ویرایش کرد، قراردادهای موجود در testing.md را به یاد آورد و تغییرات را با تایید ۱۵۱ تست پاس‌شده نهایی کرد.

چه چیزهایی به خاطر سپرده می‌شوند؟

همه داده‌ها ذخیره نمی‌شوند. xAI به‌طور صریح وضعیت‌های موقت تسک‌ها (Task States)، نتایج احتمالی و اطلاعات حساس (Secrets) را از فایل‌های حافظه حذف کرده است. همچنین برای جلوگیری از تکرار، اطلاعاتی که در مستندات خودِ مخزن کد (Repository) موجود است، دوباره ثبت نمی‌شوند.

در عوض، حافظه بر روی مواردی تمرکز می‌کند که در جلسات آینده حیاتی هستند:

  • نحوه نوشتن و بازبینی کد توسط تیم.
  • تصمیمات کلیدی و استدلال‌های پشت آن‌ها.
  • حقایق ثابت پروژه، مثل محل قرارگیری زیرسیستم‌ها یا دستوراتی که تست‌ها را اجرا می‌کنند.

مثال مرورگر حافظه نشان می‌دهد که فایل‌های کلی مانند MEMORY.md و preferences.md در کنار فایل‌های محدوده پروژه مانند MEMORY.md ، testing.md ، code-style.md و gateway.md قرار دارند. در شاخص حافظه کلی (Global Memory Index) یادداشتی وجود دارد که اعلام می‌کند این فایل توسط Grok تولید شده و نباید مستقیماً ویرایش شود. همچنین این مرورگر از کنترل‌های کیبورد برای پیمایش، جستجو، کپی کردن مسیرها، حذف، تغییر وضعیت (Toggle)، حالت تمام‌صفحه و بستن پشتیبانی می‌کند.

این تغییر، عامل را از یک ابزار بدون وضعیت (Stateless) به همکاری تبدیل می‌کند که با هر بار استفاده، کارآمدتر می‌شود. استفاده از فایل‌های متنی باعث می‌شود «مغز» هوش مصنوعی برای برنامه‌نویس قابل مشاهده و ویرایش باشد و اثر «جعبه سیاه» مدل‌های زبانی کاهش یابد. این شفافیت در مدیریت وضعیت، گامی در جهت بهبود دیباگینگ است، مشابه آنچه در تغییر رویکرد از Log Stream به Run Card برای تحلیل دقیق‌تر رفتار عامل‌ها مشاهده می‌کنیم.

برای کاربر نهایی، این یعنی زمان کمتری برای مهندسی پرامپت (Prompt Engineering) — هنر سؤال درست پرسیدن برای گرفتن بهترین جواب — و زمان بیشتری برای تمرکز روی منطق کدنویسی. اگر یادداشتی اشتباه باشد، کاربر به‌سادگی فایل را از طریق مرورگر حافظه پیدا کرده و آن را اصلاح می‌کند تا تصحیح برای همیشه باقی بماند.

گام بعدی شما

  • اگر از ابزارهای کدنویسی AI استفاده می‌کنید، بررسی کنید آیا امکان استخراج حافظه آن‌ها به صورت فایل‌های متنی وجود دارد یا خیر.
  • دستور /memory را در Grok Build امتحان کنید تا ببینید مدل چه تصوراتی از ساختار پروژه شما ساخته است.
  • یادداشت‌های دستی را با دستور /remember به حافظه مدل اضافه کنید تا از تکرار توضیحات در جلسات آینده راحت شوید.

اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.

چرا این موضوع مهم است؟

این قابلیت با تبدیل حافظه به اسناد قابل ویرایش، اعتماد برنامه‌نویسان را از طریق شفافیت افزایش می‌دهد. بر اساس تجربه توسعه‌دهندگان، حذف نیاز به تکرار دستورات در هر جلسه، نرخ بهره‌وری در پروژه‌های بزرگ را به‌شدت بالا می‌برد.

تأثیر برای ایران

به‌دلیل محدودیت‌های دسترسی به سرویس‌های xAI، استفاده از این ابزار برای توسعه‌دهندگان ایرانی نیازمند ابزارهای تغییر آی‌پی است، اما مدلِ «حافظه متنی» می‌تواند الگویی برای پیاده‌سازی در عامل‌های محلی باشد.

·نگاه ما
تحریریه دات‌هوش

جایگزینی حافظه سیاه مدل با فایل‌های مارک‌داون، در واقع بازگرداندن کنترل به برنامه‌نویس است. این رویکرد نشان می‌دهد که xAI به‌جای تکیه بر گسترش بی‌انتهای پنجره متنی، به دنبال ساختاری است که در آن انسان بتواند مستقیماً در «حافظه بلندمدت» مدل ویرایش ایجاد کند. این یک چرخش از مدل‌های «سیاه» به سمت سیستم‌های «شفاف» در توسعه نرم‌افزار است.

منابع

این گزارش با خط‌لولهٔ خودکار دات‌هوش از منابع معتبر جهانی تدوین و زیر نظر تحریریه منتشر شده است. روش کار ما

گفتگو

پنج‌شنبه‌های هوش‌محور

بسته‌ی هفتگی دات‌هوش

۵ خبر، ۲ ابزار، ۱ پرامپت در هر شماره. به‌زودی راه‌اندازی می‌شود — هر پنج‌شنبه صبح.

خبر کلیدی
ابزار کاربردی
پرامپت حرفه‌ای
تحلیل پژوهش
به‌زودی
زاویه‌ی ایرانی
به‌زودی
تمرین این هفته
به‌زودی

راهنماهای دات‌هوش

راهنماهای کاربردیِ دات‌هوش برای کار با هوش مصنوعی — از همین‌جا شروع کنید:

دات‌هوش

راهنمای فارسی هوش مصنوعی — با نگاه به ایران

اخبار روزانه، معرفی ابزارها و مدل‌ها، و آموزشِ کار با هوش مصنوعی؛ همیشه با این پرسش که از ایران چه چیزی کار می‌کند و چه چیزی نه.