تصور کنید عاملی طراحی کرده‌اید که باید هفته‌ها روی یک پروژه کار کند، اما هرچه داده‌های بیشتری می‌گیرد، کندتر شده و جزئیات حیاتی را گم می‌کند. این فروپاشی سیستماتیک نتیجهٔ یک خطای بنیادین در طراحی است: treating حافظه به‌عنوان یک پایگاه‌داده ساده.
طبق مقاله‌ای که در اواخر مه ۲۰۲۶ توسط Orogat و Mansour منتشر شد، انتزاع «ذخیره‌سازی» (Storage) شکست می‌خورد زیرا نمی‌تواند نحوهٔ سیال تکامل هوش در طول زمان را مدیریت کند. در حال حاضر، اکثر توسعه‌دهندگان بر عملیات CRUD (ایجاد، خواندن، به‌روزرسانی، حذف) تکیه می‌کنند؛ رویکردی که نویسندگان آن را برای عامل‌های بلندمدت ناکافی می‌دانند. همان‌طور که در تحلیل‌های قبلی ما درباره‌ی امنیت مدل‌های بازمتن اشاره کردیم، مدیریت وضعیت در سیستم‌های پیچیده همواره چالش‌برانگیز بوده است. این رویکرد باعث می‌شود عامل‌ها بدون کنترل معنایی، فقط حقایق را روی هم تلنبه کنند یا اطلاعات حیاتی را صرفاً به‌دلیل محدودیت‌های فضای ذخیره‌سازی فراموش کنند. این چالش‌ها در واقع همان نقاط ضعفی هستند که تلاش‌هایی چون پروژه Lorekeeper برای کاهش فراموشی حافظه از طریق چرخه‌های بازاندیشی سعی در حل آن‌ها داشتند.
مدل پیشنهادی آن‌ها، Governed Evolving Memory یا GEM، جایگزین عملیات سطح رکورد می‌شود و چهار عملیات سطح وضعیت (State-level) را معرفی می‌کند:
- جذب (Ingestion): ادغام مشاهدات جدید در وضعیت حافظه.
- بازبینی (Revision): به‌روزرسانی «معنای» حافظه موجود، به‌جای تغییر ساده محتوای یک ردیف.
- فراموشی (Forgetting): کاهش نظارت‌شده و صریح وضعیت برای جلوگیری از رشد بی‌رویه.
- بازیابی (Retrieval): فرآیندی که در آن خواندن با تکامل وضعیت گره خورده است، نه یک جست‌وجوی مجزا.
به نقل از نویسندگان این مقاله، هیچ سیستم سطح رکورد-محوری نمی‌تواند شرایط صحت حافظه را برآورده کند، فارغ از اینکه از چه موتور ذخیره‌سازی استفاده شود. این ادعا نشان می‌دهد تمرکز صنعت بر یافتن «طرح‌واره (Schema) درست» برای ردیف‌های حافظه، در واقع پرسیدن سؤال غلط است.
برای متخصصان فنی، این تغییر به معنای جابه‌جایی معیار موفقیت از «دقت بازیابی» به «تکامل وضعیت» است. اثر درجه‌دوم این تحول، فاصله گرفتن از پایگاه‌داده‌های برداری (Vector Databases) سنتی و حرکت به سمت گراف‌های ویژگی (Property Graphs) پیچیده‌تر است که بتوانند بازبینی‌های گران‌قیمت در سطح وضعیت را مدیریت کنند. اگرچه نمونه اولیه فعلاً روی یک گراف ویژگی اجرا می‌شود، اما مشخص است که برای رسیدن به بهره‌وری محاسباتی، نیاز به توسعه موتورهای بومی (Native Engines) جدید است.
گام بعدی شما
- مقاله کامل را در arxiv.org/abs/2605.26252 مطالعه کنید تا ببینید آیا پشتهٔ حافظه فعلی شما دچار این چهار حالت شکست است یا خیر.
- ارزیابی کنید که آیا جایگزینی Vector DB با Property Graph در معماری شما امکان‌پذیر است.
- عملیات «فراموشی نظارت‌شده» را در چرخه حیات عامل‌های خود پیاده‌سازی کنید.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو