ai-agents-for-beginners
AI ಏಜೆಂಟ್ಗಳ ಮೆಮೊರಿ
AI ಏಜೆಂಟ್ಗಳನ್ನು ರಚಿಸುವ ವಿಶೇಷ ಪ್ರಯೋಜನಗಳ ಬಗ್ಗೆ ಚರ್ಚಿಸುವಾಗ, ಎರಡು ಪ್ರಮುಖ ವಿಷಯಗಳನ್ನು ಮುಖ್ಯವಾಗಿ ಚರ್ಚಿಸಲಾಗುತ್ತದೆ: ಕಾರ್ಯಗಳನ್ನು ಪೂರ್ಣಗೊಳಿಸಲು ಸಾಧನಗಳನ್ನು ಕರೆಸುವ ಸಾಮರ್ಥ್ಯ ಮತ್ತು ಸಮಯದೊಂದಿಗೆ ಸುಧಾರಣೆ ಮಾಡಿಕೊಳ್ಳುವ ಸಾಮರ್ಥ್ಯ. ಮೆಮೊರಿ ನಮ್ಮ ಬಳಕೆದಾರರಿಗೆ ಉತ್ತಮ ಅನುಭವಗಳನ್ನು ನೀಡಲು ಸ್ವಯಂ-ಸುಧಾರಣಾ ಏಜೆಂಟ್ಗಳನ್ನು ರಚಿಸುವ ಮೂಲವಾಗಿದೆ.
ಈ ಪಾಠದಲ್ಲಿ, AI ಏಜೆಂಟ್ಗಳಿಗೆ ಮೆಮೊರಿ ಎಂದರೇನು ಮತ್ತು ಅದನ್ನು ಹೇಗೆ ನಿರ್ವಹಿಸಬಹುದು ಮತ್ತು ನಮ್ಮ ಅಪ್ಲಿಕೇಶನ್ಗಳಿಗೆ ಹೇಗೆ ಉಪಯೋಗಿಸಬಹುದು ಎಂಬುದನ್ನು ನೋಡೋಣ.
ಪರಿಚಯ
ಈ ಪಾಠದಲ್ಲಿ ನೀವು ಕಲಿಯುವಿರಿ:
• AI ಏಜೆಂಟ್ ಮೆಮೊರಿಯನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವುದು: ಮೆಮೊರಿ ಎಂದರೇನು ಮತ್ತು ಏಕೆ ಅದು ಏಜೆಂಟ್ಗಳಿಗೆ ಅಗತ್ಯವಿದೆ.
• ಮೆಮೊರಿಯನ್ನು ಅನುಷ್ಠಾನಗೊಳಿಸುವುದು ಮತ್ತು ಸಂಗ್ರಹಿಸುವುದು: ಶಾರ್ಟ್-ಟರ್ಮ್ ಮತ್ತು ಲಾಂಗ್-ಟರ್ಮ್ ಮೆಮೊರಿಯ ಮೇಲೆ ಕೇಂದ್ರೀಕರಿಸಿ, ನಿಮ್ಮ AI ಏಜೆಂಟ್ಗಳಿಗೆ ಮೆಮೊರಿ ಸಾಮರ್ಥ್ಯಗಳನ್ನು ಸೇರಿಸುವ ಪ್ರಾಯೋಗಿಕ ವಿಧಾನಗಳು.
• AI ಏಜೆಂಟ್ಗಳನ್ನು ಸ್ವಯಂ-ಸುಧಾರಿತವಾಗಿಸಲು: ಮೆಮೊರಿ ಹೇಗೆ ಹಿಂದಿನ ಸಂಭಾಷಣೆಗಳಿಂದ ಕಲಿಯಲು ಮತ್ತು ಸಮಯದೊಂದಿಗೆ ಸುಧಾರಿಸಲು ಏಜೆಂಟ್ಗಳಿಗೆ ಸಹಾಯ ಮಾಡುತ್ತದೆ.
ಲಭ್ಯವಿರುವ ಅನುಷ್ಠಾನಗಳು
ಈ ಪಾಠದಲ್ಲಿ ಎರಡು ಸಮಗ್ರ ನೋಟ್ಬುಕ್ ಟ್ಯುಟೋರಿಯಲ್ಗಳನ್ನು ಒಳಗೊಂಡಿದೆ:
• 13-agent-memory.ipynb: ಮೆಮೊರಿಯನ್ನು Mem0 ಮತ್ತು Azure AI Search ಅನ್ನು ಬಳಸಿಕೊಂಡು Semantic Kernel ಫ್ರೇಮ್ವರ್ಕ್ನೊಂದಿಗೆ ಅನುಷ್ಠಾನಗೊಳಿಸುತ್ತದೆ.
• 13-agent-memory-cognee.ipynb: Cognee ಬಳಸಿ ರಚಿತ ಮೆಮೊರಿಯನ್ನು ಅನುಷ್ಠಾನಗೊಳಿಸುತ್ತದೆ, ಎಂಬೆಡಿಂಗ್ಗಳ ಮೂಲಕ ನೊಲೇಜ್ ಗ್ರಾಫ್ ನಿರ್ಮಿಸಿ, ಗ್ರಾಫ್ ವೀಕ್ಷಿಸಿ, ಮತ್ತು ಬುದ್ಧಿವಂತ ಮರುಪಡೆಯುವಿಕೆ.
ಕಲಿಕೆಯ ಗುರಿಗಳು
ಈ ಪಾಠವನ್ನು ಪೂರ್ಣಗೊಳಿಸಿದ ನಂತರ, ನೀವು ತಿಳಿದುಕೊಳ್ಳುವಿರಿ:
• AI ಏಜೆಂಟ್ ಮೆಮೊರಿಯ ವಿವಿಧ ಪ್ರಕಾರಗಳನ್ನು ವಿಭಜಿಸುವುದು, ಕಾರ್ಯನಿರ್ವಹಣಾ, ಶಾರ್ಟ್-ಟರ್ಮ್, ಲಾಂಗ್-ಟರ್ಮ್ ಮೆಮೊರಿ, ಮತ್ತು ಪರ್ಸೊನಾ ಮತ್ತು ಎಪಿಸೋಡಿಕ್ ಮೆಮೊರಿ ಮುಂತಾದ ವಿಶೇಷ ರೂಪಗಳನ್ನು ಒಳಗೊಂಡಂತೆ.
• Semantic Kernel ಫ್ರೇಮ್ವರ್ಕ್ ಬಳಸಿ ಶಾರ್ಟ್-ಟರ್ಮ್ ಮತ್ತು ಲಾಂಗ್-ಟರ್ಮ್ ಮೆಮೊರಿಯನ್ನು ಅನುಷ್ಠಾನಗೊಳಿಸುವುದು ಮತ್ತು ನಿರ್ವಹಿಸುವುದು, Mem0, Cognee, Whiteboard ಮೆಮೊರಿ, ಮತ್ತು Azure AI Search ಅನ್ನು ಸಂಯೋಜಿಸುವುದು.
• ಸ್ವಯಂ-ಸುಧಾರಿತ AI ಏಜೆಂಟ್ಗಳ ತತ್ವಗಳನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವುದು ಮತ್ತು ಬಲವಾದ ಮೆಮೊರಿ ನಿರ್ವಹಣಾ ವ್ಯವಸ್ಥೆಗಳು ನಿರಂತರ ಕಲಿಕೆ ಮತ್ತು ಹೊಂದಾಣಿಕೆಗೆ ಹೇಗೆ ಸಹಾಯ ಮಾಡುತ್ತವೆ.
AI ಏಜೆಂಟ್ ಮೆಮೊರಿಯನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವುದು
ಮೂಲತಃ, AI ಏಜೆಂಟ್ಗಳಿಗೆ ಮೆಮೊರಿ ಎಂದರೆ ಮಾಹಿತಿ ಉಳಿಸಲು ಮತ್ತು ನೆನಪಿಸಲು ಅವಕಾಶ ನೀಡುವ ವ್ಯವಸ್ಥೆಗಳನ್ನು ಸೂಚಿಸುತ್ತದೆ. ಈ ಮಾಹಿತಿ ಸಂಭಾಷಣೆಯ ವಿಶೇಷ ವಿವರಗಳು, ಬಳಕೆದಾರರ ಆದ್ಯತೆಗಳು, ಹಿಂದಿನ ಕ್ರಿಯೆಗಳು, ಅಥವಾ ಕಲಿತ ಮಾದರಿಗಳನ್ನು ಒಳಗೊಂಡಿರಬಹುದು.
ಮೆಮೊರಿಯಿಲ್ಲದೆ, AI ಅಪ್ಲಿಕೇಶನ್ಗಳು ಸಾಮಾನ್ಯವಾಗಿ ಸ್ಥಿತಿರಹಿತವಾಗಿರುತ್ತವೆ, ಅಂದರೆ ಪ್ರತಿ ಸಂಭಾಷಣೆ ಹೊಸದಾಗಿ ಪ್ರಾರಂಭವಾಗುತ್ತದೆ. ಇದು ಏಜೆಂಟ್ ಹಿಂದಿನ ಪ್ರಾಸಂಗಿಕತೆ ಅಥವಾ ಆದ್ಯತೆಗಳನ್ನು “ಮರೆಯುವ” ಪುನರಾವೃತ್ತಿ ಮತ್ತು ಕಿರಿಕಿರಿಯ ಬಳಕೆದಾರ ಅನುಭವಕ್ಕೆ ಕಾರಣವಾಗುತ್ತದೆ.
ಮೆಮೊರಿ ಏಕೆ ಮುಖ್ಯ?
ಏಜೆಂಟ್ಗಳ ಬುದ್ಧಿವಂತಿಕೆ ಹಿಂದಿನ ಮಾಹಿತಿಯನ್ನು ನೆನಪಿಸಲು ಮತ್ತು ಬಳಸುವ ಸಾಮರ್ಥ್ಯಕ್ಕೆ ಆಳವಾಗಿ ಸಂಬಂಧಿಸಿದೆ. ಮೆಮೊರಿ ಏಜೆಂಟ್ಗಳನ್ನು ಈ ರೀತಿಯಾಗಿ ಮಾಡುತ್ತದೆ:
• ಪರಿಶೀಲಕ: ಹಿಂದಿನ ಕ್ರಿಯೆಗಳು ಮತ್ತು ಫಲಿತಾಂಶಗಳಿಂದ ಕಲಿಯುವುದು.
• ಸಂವಹನಾತ್ಮಕ: ನಿರಂತರ ಸಂಭಾಷಣೆಯ ಪ್ರಾಸಂಗಿಕತೆಯನ್ನು ನಿರ್ವಹಿಸುವುದು.
• ಪ್ರಾಕ್ಟಿವ್ ಮತ್ತು ರಿಯಾಕ್ಟಿವ್: ಇತಿಹಾಸದ ಆಧಾರದ ಮೇಲೆ ಅಗತ್ಯಗಳನ್ನು ಊಹಿಸುವುದು ಅಥವಾ ಸೂಕ್ತವಾಗಿ ಪ್ರತಿಕ್ರಿಯಿಸುವುದು.
• ಸ್ವಾಯತ್ತ: ಸಂಗ್ರಹಿತ ಜ್ಞಾನವನ್ನು ಬಳಸಿಕೊಂಡು ಹೆಚ್ಚು ಸ್ವತಂತ್ರವಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುವುದು.
ಮೆಮೊರಿಯನ್ನು ಅನುಷ್ಠಾನಗೊಳಿಸುವ ಉದ್ದೇಶ ಏಜೆಂಟ್ಗಳನ್ನು ಹೆಚ್ಚು ನಂಬಿಗಸ್ತ ಮತ್ತು ಸಾಮರ್ಥ್ಯವಂತ ಮಾಡುವುದು.
ಮೆಮೊರಿಯ ಪ್ರಕಾರಗಳು
ಕಾರ್ಯನಿರ್ವಹಣಾ ಮೆಮೊರಿ
ಇದು ಏಜೆಂಟ್ ಒಂದು ಕಾರ್ಯ ಅಥವಾ ಚಿಂತನಾ ಪ್ರಕ್ರಿಯೆ ನಡೆಸುವಾಗ ಬಳಸುವ ತಾತ್ಕಾಲಿಕ ಮಾಹಿತಿ. ಇದು ಮುಂದಿನ ಹಂತವನ್ನು ಲೆಕ್ಕಹಾಕಲು ಅಗತ್ಯವಿರುವ ತಕ್ಷಣದ ಮಾಹಿತಿಯನ್ನು ಹೊಂದಿರುತ್ತದೆ.
AI ಏಜೆಂಟ್ಗಳಿಗೆ, ಕಾರ್ಯನಿರ್ವಹಣಾ ಮೆಮೊರಿ ಸಾಮಾನ್ಯವಾಗಿ ಸಂಭಾಷಣೆಯ ಅತ್ಯಂತ ಪ್ರಾಸಂಗಿಕ ಮಾಹಿತಿಯನ್ನು ಹಿಡಿದಿಡುತ್ತದೆ, ಸಂಪೂರ್ಣ ಚಾಟ್ ಇತಿಹಾಸವು ಉದ್ದವಾಗಿದ್ದರೂ ಅಥವಾ ಕಡಿತಗೊಂಡಿದ್ದರೂ. ಇದು ಮುಖ್ಯ ಅಂಶಗಳನ್ನು ಹೊರತೆಗೆಯಲು ಕೇಂದ್ರೀಕರಿಸುತ್ತದೆ, ಉದಾಹರಣೆಗೆ, ಅಗತ್ಯಗಳು, ಪ್ರಸ್ತಾಪಗಳು, ನಿರ್ಧಾರಗಳು, ಮತ್ತು ಕ್ರಿಯೆಗಳು.
ಕಾರ್ಯನಿರ್ವಹಣಾ ಮೆಮೊರಿ ಉದಾಹರಣೆ
ಪ್ರವಾಸ ಬುಕ್ಕಿಂಗ್ ಏಜೆಂಟ್ನಲ್ಲಿ, ಕಾರ್ಯನಿರ್ವಹಣಾ ಮೆಮೊರಿ ಬಳಕೆದಾರರ ಪ್ರಸ್ತುತ ವಿನಂತಿಯನ್ನು ಹಿಡಿದಿಡಬಹುದು, ಉದಾಹರಣೆಗೆ, “ನಾನು ಪ್ಯಾರಿಸ್ಗೆ ಪ್ರಯಾಣ ಬುಕ್ ಮಾಡಬೇಕಾಗಿದೆ”. ಈ ವಿಶೇಷ ಅಗತ್ಯವು ಪ್ರಸ್ತುತ ಸಂಭಾಷಣೆಯನ್ನು ಮಾರ್ಗದರ್ಶಿಸಲು ಏಜೆಂಟ್ನ ತಕ್ಷಣದ ಪ್ರಾಸಂಗಿಕತೆಯಲ್ಲಿ ಉಳಿಯುತ್ತದೆ.
ಶಾರ್ಟ್-ಟರ್ಮ್ ಮೆಮೊರಿ
ಈ ಮೆಮೊರಿ ಒಂದು ಸಂಭಾಷಣೆ ಅಥವಾ ಸೆಷನ್ ಅವಧಿಯವರೆಗೆ ಮಾಹಿತಿಯನ್ನು ಉಳಿಸುತ್ತದೆ. ಇದು ಪ್ರಸ್ತುತ ಚಾಟ್ನ ಪ್ರಾಸಂಗಿಕತೆಯಾಗಿದೆ, ಏಜೆಂಟ್ಗೆ ಸಂಭಾಷಣೆಯ ಹಿಂದಿನ ತಿರುಗುಹೋಗುಗಳನ್ನು ಉಲ್ಲೇಖಿಸಲು ಅವಕಾಶ ನೀಡುತ್ತದೆ.
ಶಾರ್ಟ್-ಟರ್ಮ್ ಮೆಮೊರಿ ಉದಾಹರಣೆ
ಬಳಕೆದಾರನು ಕೇಳಿದರೆ, “ಪ್ಯಾರಿಸ್ಗೆ ವಿಮಾನಕ್ಕೆ ಎಷ್ಟು ವೆಚ್ಚವಾಗುತ್ತದೆ?” ಮತ್ತು ನಂತರ “ಅಲ್ಲಿ ವಸತಿ ಹೇಗಿರುತ್ತದೆ?” ಎಂದು ಕೇಳಿದರೆ, ಶಾರ್ಟ್-ಟರ್ಮ್ ಮೆಮೊರಿ “ಅಲ್ಲಿ” ಎಂದರೆ “ಪ್ಯಾರಿಸ್” ಎಂದು ತಿಳಿಯಲು ಏಜೆಂಟ್ಗೆ ಸಹಾಯ ಮಾಡುತ್ತದೆ.
ಲಾಂಗ್-ಟರ್ಮ್ ಮೆಮೊರಿ
ಈ ಮೆಮೊರಿ ಅನೇಕ ಸಂಭಾಷಣೆಗಳು ಅಥವಾ ಸೆಷನ್ಗಳಾದರೂ ಮಾಹಿತಿಯನ್ನು ಉಳಿಸುತ್ತದೆ. ಇದು ಏಜೆಂಟ್ಗಳಿಗೆ ಬಳಕೆದಾರರ ಆದ್ಯತೆಗಳು, ಇತಿಹಾಸದ ಸಂಭಾಷಣೆಗಳು, ಅಥವಾ ಸಾಮಾನ್ಯ ಜ್ಞಾನವನ್ನು ದೀರ್ಘಾವಧಿಯವರೆಗೆ ನೆನಪಿಡಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ. ಇದು ವೈಯಕ್ತಿಕೀಕರಣಕ್ಕೆ ಮುಖ್ಯವಾಗಿದೆ.
ಲಾಂಗ್-ಟರ್ಮ್ ಮೆಮೊರಿ ಉದಾಹರಣೆ
ಲಾಂಗ್-ಟರ್ಮ್ ಮೆಮೊರಿ “ಬೆನ್ ಸ್ಕೀಯಿಂಗ್ ಮತ್ತು ಔಟ್ಡೋರ್ ಚಟುವಟಿಕೆಗಳನ್ನು ಇಷ್ಟಪಡುತ್ತಾನೆ, ಪರ್ವತದ ನೋಟದೊಂದಿಗೆ ಕಾಫಿ ಇಷ್ಟಪಡುತ್ತಾನೆ, ಮತ್ತು ಹಿಂದಿನ ಗಾಯದ ಕಾರಣದಿಂದ ಅಡ್ವಾನ್ಸ್ ಸ್ಕೀ ಸ್ಲೋಪ್ಗಳನ್ನು ತಪ್ಪಿಸಲು ಬಯಸುತ್ತಾನೆ” ಎಂಬ ಮಾಹಿತಿಯನ್ನು ಸಂಗ್ರಹಿಸಬಹುದು. ಈ ಮಾಹಿತಿಯನ್ನು ಹಿಂದಿನ ಸಂಭಾಷಣೆಗಳಿಂದ ಕಲಿಯಲಾಗುತ್ತದೆ, ಮತ್ತು ಭವಿಷ್ಯದ ಪ್ರವಾಸ ಯೋಜನೆ ಸೆಷನ್ಗಳಲ್ಲಿ ಶಿಫಾರಸುಗಳನ್ನು ಹೆಚ್ಚು ವೈಯಕ್ತಿಕಗೊಳಿಸಲು ಪ್ರಭಾವ ಬೀರುತ್ತದೆ.
ಪರ್ಸೊನಾ ಮೆಮೊರಿ
ಈ ವಿಶೇಷ ಮೆಮೊರಿ ಪ್ರಕಾರ ಏಜೆಂಟ್ಗೆ ಸತತ “ವ್ಯಕ್ತಿತ್ವ” ಅಥವಾ “ಪರ್ಸೊನಾ” ಅಭಿವೃದ್ಧಿಪಡಿಸಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ. ಇದು ಏಜೆಂಟ್ಗೆ ತನ್ನ ಬಗ್ಗೆ ಅಥವಾ ತನ್ನ ಉದ್ದೇಶಿತ ಪಾತ್ರದ ಬಗ್ಗೆ ವಿವರಗಳನ್ನು ನೆನಪಿಡಲು ಅವಕಾಶ ನೀಡುತ್ತದೆ, ಸಂಭಾಷಣೆಯನ್ನು ಹೆಚ್ಚು ಸುಗಮ ಮತ್ತು ಕೇಂದ್ರೀಕೃತವಾಗಿಸುತ್ತದೆ.
ಪರ್ಸೊನಾ ಮೆಮೊರಿ ಉದಾಹರಣೆ
ಪ್ರವಾಸ ಏಜೆಂಟ್ “ತಜ್ಞ ಸ್ಕೀ ಯೋಜಕ” ಎಂದು ವಿನ್ಯಾಸಗೊಳಿಸಲ್ಪಟ್ಟಿದ್ದರೆ, ಪರ್ಸೊನಾ ಮೆಮೊರಿ ಈ ಪಾತ್ರವನ್ನು ಬಲಪಡಿಸಬಹುದು, ತಜ್ಞರ ಧ್ವನಿ ಮತ್ತು ಜ್ಞಾನಕ್ಕೆ ಹೊಂದಾಣಿಕೆಯಾಗುವಂತೆ ಅದರ ಪ್ರತಿಕ್ರಿಯೆಗಳನ್ನು ಪ್ರಭಾವಿತಗೊಳಿಸುತ್ತದೆ.
ಕಾರ್ಯಪ್ರವಾಹ/ಎಪಿಸೋಡಿಕ್ ಮೆಮೊರಿ
ಈ ಮೆಮೊರಿ ಏಜೆಂಟ್ ಒಂದು ಸಂಕೀರ್ಣ ಕಾರ್ಯವನ್ನು ನಡೆಸುವಾಗ ತೆಗೆದುಕೊಳ್ಳುವ ಹಂತಗಳ ಕ್ರಮವನ್ನು ಸಂಗ್ರಹಿಸುತ್ತದೆ, ಯಶಸ್ಸುಗಳು ಮತ್ತು ವಿಫಲತೆಗಳನ್ನು ಒಳಗೊಂಡಂತೆ. ಇದು ಹಿಂದಿನ “ಎಪಿಸೋಡ್ಗಳು” ಅಥವಾ ಅನುಭವಗಳನ್ನು ನೆನಪಿಡಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ.
ಎಪಿಸೋಡಿಕ್ ಮೆಮೊರಿ ಉದಾಹರಣೆ
ಏಜೆಂಟ್ ನಿರ್ದಿಷ್ಟ ವಿಮಾನವನ್ನು ಬುಕ್ ಮಾಡಲು ಪ್ರಯತ್ನಿಸಿದರೆ, ಆದರೆ ಅದು ಲಭ್ಯವಿಲ್ಲದ ಕಾರಣ ವಿಫಲವಾದರೆ, ಎಪಿಸೋಡಿಕ್ ಮೆಮೊರಿ ಈ ವಿಫಲತೆಯನ್ನು ದಾಖಲಿಸಬಹುದು, ಏಜೆಂಟ್ಗೆ ಪರ್ಯಾಯ ವಿಮಾನಗಳನ್ನು ಪ್ರಯತ್ನಿಸಲು ಅಥವಾ ನಂತರದ ಪ್ರಯತ್ನದಲ್ಲಿ ಬಳಕೆದಾರರಿಗೆ ಸಮಸ್ಯೆಯ ಬಗ್ಗೆ ಹೆಚ್ಚು ಮಾಹಿತಿ ನೀಡಲು ಅವಕಾಶ ನೀಡುತ್ತದೆ.
ಎಂಟಿಟಿ ಮೆಮೊರಿ
ಇದು ಸಂಭಾಷಣೆಗಳಿಂದ ನಿರ್ದಿಷ್ಟ ಎಂಟಿಟಿಗಳು (ಹಾಗೆಂದರೆ ಜನರು, ಸ್ಥಳಗಳು, ಅಥವಾ ವಸ್ತುಗಳು) ಮತ್ತು ಘಟನೆಗಳನ್ನು ಹೊರತೆಗೆಯುವುದು ಮತ್ತು ನೆನಪಿಡುವುದನ್ನು ಒಳಗೊಂಡಿದೆ. ಇದು ಚರ್ಚಿಸಲಾದ ಪ್ರಮುಖ ಅಂಶಗಳ ರಚಿತ ಅರ್ಥವನ್ನು ಏಜೆಂಟ್ಗೆ ನಿರ್ಮಿಸಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ.
ಎಂಟಿಟಿ ಮೆಮೊರಿ ಉದಾಹರಣೆ
ಹಿಂದಿನ ಪ್ರವಾಸದ ಬಗ್ಗೆ ಸಂಭಾಷಣೆಯಿಂದ, ಏಜೆಂಟ್ “ಪ್ಯಾರಿಸ್,” “ಐಫೆಲ್ ಟವರ್,” ಮತ್ತು “Le Chat Noir ರೆಸ್ಟೋರೆಂಟ್ನಲ್ಲಿ ಡಿನ್ನರ್” ಎಂಬ ಎಂಟಿಟಿಗಳನ್ನು ಹೊರತೆಗೆಯಬಹುದು. ಭವಿಷ್ಯದ ಸಂಭಾಷಣೆಯಲ್ಲಿ, ಏಜೆಂಟ್ “Le Chat Noir” ಅನ್ನು ನೆನಪಿಸಿಕೊಂಡು ಅಲ್ಲಿ ಹೊಸ ಬುಕಿಂಗ್ ಮಾಡಲು ಶಿಫಾರಸು ಮಾಡಬಹುದು.
ರಚಿತ RAG (ರಿಟ್ರೀವಲ್ ಆಗ್ಮೆಂಟೆಡ್ ಜನರೇಶನ್)
RAG ಒಂದು ವ್ಯಾಪಕ ತಂತ್ರಜ್ಞಾನವಾಗಿದ್ದರೂ, “ರಚಿತ RAG” ಅನ್ನು ಶಕ್ತಿಯುತ ಮೆಮೊರಿ ತಂತ್ರಜ್ಞಾನವಾಗಿ ಹೈಲೈಟ್ ಮಾಡಲಾಗಿದೆ. ಇದು ವಿವಿಧ ಮೂಲಗಳಿಂದ (ಸಂಭಾಷಣೆಗಳು, ಇಮೇಲ್ಗಳು, ಚಿತ್ರಗಳು) ಸಾಂದ್ರ, ರಚಿತ ಮಾಹಿತಿಯನ್ನು ಹೊರತೆಗೆಯುತ್ತದೆ ಮತ್ತು ಪ್ರತಿಕ್ರಿಯೆಗಳಲ್ಲಿ ನಿಖರತೆ, ನೆನಪಿನ ಶಕ್ತಿ, ಮತ್ತು ವೇಗವನ್ನು ಹೆಚ್ಚಿಸಲು ಬಳಸುತ್ತದೆ. ಶ್ರೇಣಿಯ RAG ಕೇವಲ ಅರ್ಥಸಾಮ್ಯತೆಯ ಮೇಲೆ ಅವಲಂಬಿತವಾಗಿರುವುದರಿಂದ, ರಚಿತ RAG ಮಾಹಿತಿಯ ಮೂಲಭೂತ ರಚನೆಯೊಂದಿಗೆ ಕೆಲಸ ಮಾಡುತ್ತದೆ.
ರಚಿತ RAG ಉದಾಹರಣೆ
ಕೀವರ್ಡ್ಗಳನ್ನು ಹೊಂದಿಸುವುದನ್ನು ಮಾತ್ರ ಬದಲಾಗಿ, ರಚಿತ RAG ಇಮೇಲ್ನಿಂದ ವಿಮಾನ ವಿವರಗಳನ್ನು (ಗಮ್ಯಸ್ಥಾನ, ದಿನಾಂಕ, ಸಮಯ, ಏರ್ಲೈನ್) ಪಾರ್ಸ್ ಮಾಡಬಹುದು ಮತ್ತು ಅವುಗಳನ್ನು ರಚಿತ ರೀತಿಯಲ್ಲಿ ಸಂಗ್ರಹಿಸಬಹುದು. ಇದು “ನಾನು ಮಂಗಳವಾರ ಪ್ಯಾರಿಸ್ಗೆ ಯಾವ ವಿಮಾನವನ್ನು ಬುಕ್ ಮಾಡಿದ್ದೆ?” ಎಂಬ ನಿಖರವಾದ ಪ್ರಶ್ನೆಗಳಿಗೆ ಅವಕಾಶ ನೀಡುತ್ತದೆ.
ಮೆಮೊರಿಯನ್ನು ಅನುಷ್ಠಾನಗೊಳಿಸುವುದು ಮತ್ತು ಸಂಗ್ರಹಿಸುವುದು
AI ಏಜೆಂಟ್ಗಳಿಗೆ ಮೆಮೊರಿಯನ್ನು ಅನುಷ್ಠಾನಗೊಳಿಸುವುದು ಮೆಮೊರಿ ನಿರ್ವಹಣೆಯ ವ್ಯವಸ್ಥಿತ ಪ್ರಕ್ರಿಯೆಯನ್ನು ಒಳಗೊಂಡಿದೆ, ಇದರಲ್ಲಿ ತಯಾರಿಸುವುದು, ಸಂಗ್ರಹಿಸುವುದು, ಮರುಪಡೆಯುವುದು, ಸಂಯೋಜಿಸುವುದು, ನವೀಕರಿಸುವುದು, ಮತ್ತು “ಮರೆಯುವುದು” (ಅಥವಾ ಅಳಿಸುವುದು) ಒಳಗೊಂಡಿದೆ. ಮರುಪಡೆಯುವಿಕೆ ವಿಶೇಷವಾಗಿ ಪ್ರಮುಖ ಅಂಶವಾಗಿದೆ.
ವಿಶೇಷ ಮೆಮೊರಿ ಸಾಧನಗಳು
Mem0
ಏಜೆಂಟ್ ಮೆಮೊರಿಯನ್ನು ಸಂಗ್ರಹಿಸಲು ಮತ್ತು ನಿರ್ವಹಿಸಲು Mem0 ಎಂಬ ವಿಶೇಷ ಸಾಧನಗಳನ್ನು ಬಳಸಬಹುದು. Mem0 ಏಜೆಂಟ್ಗಳಿಗೆ ಸಂಬಂಧಿತ ಸಂಭಾಷಣೆಗಳನ್ನು ನೆನಪಿಸಲು, ಬಳಕೆದಾರರ ಆದ್ಯತೆಗಳು ಮತ್ತು ತಾತ್ವಿಕ ಪ್ರಾಸಂಗಿಕತೆಯನ್ನು ಸಂಗ್ರಹಿಸಲು, ಮತ್ತು ಸಮಯದೊಂದಿಗೆ ಯಶಸ್ಸುಗಳು ಮತ್ತು ವಿಫಲತೆಗಳಿಂದ ಕಲಿಯಲು ಅವಕಾಶ ನೀಡುತ್ತದೆ. ಇಲ್ಲಿ ಉದ್ದೇಶ ಸ್ಥಿತಿರಹಿತ ಏಜೆಂಟ್ಗಳನ್ನು ಸ್ಥಿತಿಯುತ ಏಜೆಂಟ್ಗಳಾಗಿ ಪರಿವರ್ತಿಸುವುದು.
ಇದು ಎರಡು ಹಂತದ ಮೆಮೊರಿ ಪೈಪ್ಲೈನ್: ಎಕ್ಸ್ಟ್ರಾಕ್ಷನ್ ಮತ್ತು ಅಪ್ಡೇಟ್ ಮೂಲಕ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ. ಮೊದಲು, ಏಜೆಂಟ್ನ ಥ್ರೆಡ್ಗೆ ಸೇರಿಸಲಾದ ಸಂದೇಶಗಳನ್ನು Mem0 ಸೇವೆಗೆ ಕಳುಹಿಸಲಾಗುತ್ತದೆ, ಇದು ಸಂಭಾಷಣೆ ಇತಿಹಾಸವನ್ನು ಸಾರಾಂಶಗೊಳಿಸಲು ಮತ್ತು ಹೊಸ ಮೆಮೊರಿಗಳನ್ನು ಹೊರತೆಗೆಯಲು ದೊಡ್ಡ ಭಾಷಾ ಮಾದರಿಯನ್ನು (LLM) ಬಳಸುತ್ತದೆ. ನಂತರ, LLM ಚಾಲಿತ ಅಪ್ಡೇಟ್ ಹಂತವು ಈ ಮೆಮೊರಿಗಳನ್ನು ಸೇರಿಸಲು, ತಿದ್ದುಪಡಿ ಮಾಡಲು, ಅಥವಾ ಅಳಿಸಲು ನಿರ್ಧರಿಸುತ್ತದೆ, ಅವುಗಳನ್ನು ವೆಕ್ಟರ್, ಗ್ರಾಫ್, ಮತ್ತು ಕೀ-ಮೌಲ್ಯ ಡೇಟಾಬೇಸ್ಗಳನ್ನು ಒಳಗೊಂಡ ಹೈಬ್ರಿಡ್ ಡೇಟಾ ಸ್ಟೋರ್ನಲ್ಲಿ ಸಂಗ್ರಹಿಸುತ್ತದೆ. ಈ ವ್ಯವಸ್ಥೆ ವಿವಿಧ ಮೆಮೊರಿ ಪ್ರಕಾರಗಳನ್ನು ಬೆಂಬಲಿಸುತ್ತದೆ ಮತ್ತು ಎಂಟಿಟಿಗಳ ನಡುವಿನ ಸಂಬಂಧಗಳನ್ನು ನಿರ್ವಹಿಸಲು ಗ್ರಾಫ್ ಮೆಮೊರಿಯನ್ನು ಒಳಗೊಂಡಿರಬಹುದು.
Cognee
ಮತ್ತೊಂದು ಶಕ್ತಿಯುತ ವಿಧಾನವೆಂದರೆ Cognee ಅನ್ನು ಬಳಸುವುದು, ಇದು ರಚಿತ ಮತ್ತು ಅರಚಿತ ಡೇಟಾವನ್ನು ಎಂಬೆಡಿಂಗ್ಗಳ ಮೂಲಕ ಪ್ರಶ್ನಿಸಬಹುದಾದ ಜ್ಞಾನ ಗ್ರಾಫ್ಗಳಲ್ಲಿ ಪರಿವರ್ತಿಸುವ ಓಪನ್-ಸೋರ್ಸ್ ಸೆಮಾಂಟಿಕ್ ಮೆಮೊರಿ. Cognee ಡ್ಯುಯಲ್-ಸ್ಟೋರ್ ಆರ್ಕಿಟೆಕ್ಚರ್ ಅನ್ನು ಒದಗಿಸುತ್ತದೆ, ಇದು ವೆಕ್ಟರ್ ಸಾಮ್ಯತೆಯ ಹುಡುಕಾಟವನ್ನು ಗ್ರಾಫ್ ಸಂಬಂಧಗಳೊಂದಿಗೆ ಸಂಯೋಜಿಸುತ್ತದೆ, ಏಜೆಂಟ್ಗಳಿಗೆ ಕೇವಲ ಯಾವ ಮಾಹಿತಿ ಹೋಲುತ್ತದೆ ಎಂಬುದನ್ನು ಮಾತ್ರವಲ್ಲ, ಆದರೆ ಪರಿಕಲ್ಪನೆಗಳು ಹೇಗೆ ಪರಸ್ಪರ ಸಂಬಂಧ ಹೊಂದಿವೆ ಎಂಬುದನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ.
AI ಏಜೆಂಟ್ಗಳನ್ನು ಸ್ವಯಂ-ಸುಧಾರಿತವಾಗಿಸಲು
ಸ್ವಯಂ-ಸುಧಾರಿತ ಏಜೆಂಟ್ಗಳ ಸಾಮಾನ್ಯ ಮಾದರಿಯು “ಜ್ಞಾನ ಏಜೆಂಟ್” ಅನ್ನು ಪರಿಚಯಿಸುವುದನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ.
ಅಸಮಾಕ್ಷ್ಯತೆ:
ಈ ದಸ್ತಾವೇಜು AI ಅನುವಾದ ಸೇವೆ Co-op Translator ಬಳಸಿ ಅನುವಾದಿಸಲಾಗಿದೆ. ನಾವು ನಿಖರತೆಯನ್ನು ಸಾಧಿಸಲು ಪ್ರಯತ್ನಿಸುತ್ತಿದ್ದರೂ, ದಯವಿಟ್ಟು ಗಮನಿಸಿ, ಸ್ವಯಂಚಾಲಿತ ಅನುವಾದಗಳಲ್ಲಿ ದೋಷಗಳು ಅಥವಾ ಅಸಮಾಕ್ಷ್ಯತೆಗಳು ಇರಬಹುದು. ಮೂಲ ಭಾಷೆಯಲ್ಲಿರುವ ಮೂಲ ದಸ್ತಾವೇಜು ಪ್ರಾಮಾಣಿಕ ಮೂಲವೆಂದು ಪರಿಗಣಿಸಬೇಕು. ಮಹತ್ವದ ಮಾಹಿತಿಗಾಗಿ, ವೃತ್ತಿಪರ ಮಾನವ ಅನುವಾದವನ್ನು ಶಿಫಾರಸು ಮಾಡಲಾಗುತ್ತದೆ. ಈ ಅನುವಾದವನ್ನು ಬಳಸುವ ಮೂಲಕ ಉಂಟಾಗುವ ಯಾವುದೇ ತಪ್ಪು ಅರ್ಥಗಳ ಅಥವಾ ತಪ್ಪು ವ್ಯಾಖ್ಯಾನಗಳ ಬಗ್ಗೆ ನಾವು ಹೊಣೆಗಾರರಲ್ಲ.