ai-agents-for-beginners
AI एजंटसाठी मेमरी
AI एजंट तयार करताना असलेल्या अनन्य फायद्यांबाबत चर्चा करताना मुख्यतः दोन गोष्टी चर्चा होतात: कार्य पूर्ण करण्यासाठी साधने कॉल करण्याची क्षमता आणि वेळेनुसार सुधारणेची क्षमता. स्वतः सुधारणा करणारा एजंट तयार करण्याचा पाया म्हणजे मेमरी, ज्यामुळे आपल्याला आपल्या वापरकर्त्यांसाठी चांगले अनुभव निर्माण करता येतात.
या धड्यात, आपण पाहणार आहोत की AI एजंटसाठी मेमरी म्हणजे काय आणि आपण त्याचे व्यवस्थापन कसे करू शकतो आणि आपल्या अनुप्रयोगांच्या फायद्यासाठी कसे वापरू शकतो.
परिचय
या धड्यात खालील गोष्टींचा समावेश असेल:
• AI एजंट्सची मेमरी समजून घेणे: मेमरी म्हणजे काय आणि एजंटसाठी ती का आवश्यक आहे.
• मेमरी लागू करणे आणि संग्रहीत करणे: आपल्या AI एजंटमध्ये मेमरी क्षमता कशी जोडायची यासाठी व्यावहारिक पद्धती, ज्यात शॉर्ट-टर्म आणि लॉंग-टर्म मेमरीवर लक्ष केंद्रित केलेले आहे.
• AI एजंट्सना स्व-सुधारणार बनवणे: मेमरी कशी एजंट्सना पूर्वीच्या संवादांमधून शिकण्यास आणि वेळेनुसार सुधारणा करण्यास सक्षम करते.
उपलब्ध अंमलबजावण्या
या धड्यात दोन व्यापक नोटबुक ट्युटोरियल्सचा समावेश आहे:
• 13-agent-memory.ipynb: Mem0 आणि Azure AI Search वापरून Microsoft Agent Framework सह मेमरीची अंमलबजावणी करते
• 13-agent-memory-cognee.ipynb: Cognee वापरून संरचित मेमरी अंमलबजावणी करते, ज्याने एम्बेडिंग्सद्वारे समर्थित ज्ञान ग्राफ स्वयंचलितपणे तयार करतो, ग्राफचे दृश्यमान करणे आणि बुद्धिमान पुनर्प्राप्ती साधतो
शिकण्याचे उद्दिष्टे
हा धडा पूर्ण केल्यावर, तुम्हाला कळेल की:
• AI एजंट मेमरीच्या वेगवेगळ्या प्रकारांमधील फरक ओळखणे, ज्यात वर्किंग, शॉर्ट-टर्म, लॉंग-टर्म मेमरी आणि विशेष प्रकार जसे की व्यक्ति (Persona) आणि एपिसोडिक मेमरी यांचा समावेश होतो.
• Microsoft Agent Framework वापरून AI एजंटसाठी शॉर्ट-टर्म आणि लॉंग-टर्म मेमरी अंमलात आणणे आणि व्यवस्थापन करणे, तसेच Mem0, Cognee, व्हाइटबोर्ड मेमरी वापरणे आणि Azure AI Search सह एकत्रीकरण करणे.
• स्व-सुधारणार AI एजंटच्या तत्त्वाची समज आणि कशी मजबूत मेमरी व्यवस्थापन प्रणाली सतत शिकण्यास आणि जुळवून घेण्यास मदत करते.
AI एजंट मेमरी समजून घेणे
मूलतः, AI एजंटसाठी मेमरी म्हणजे ती यंत्रणा जी त्यांना माहिती ठेवण्यास आणि पुनःस्मरण करण्यास सक्षम करते. ही माहिती एखाद्या संभाषणाविषयी विशिष्ट तपशील, वापरकर्त्यांच्या पसंती, भूतकाळातील क्रियाकलाप किंवा शिकलेले नमुने असू शकतात.
मेमरीशिवाय, AI अनुप्रयोग बहुधा स्टेटलेस असतात, म्हणजे प्रत्येक संवाद नूतनीकरणापासून सुरू होतो. त्यामुळे असा वापरकर्ता अनुभव निर्माण होतो ज्यात एजंट मागील संदर्भ किंवा पसंती “भूलेल”.
मेमरी का महत्त्वाची आहे?
एखाद्या एजंटची बुद्धिमत्ता त्याची गतकाळातील माहिती स्मरण करण्याची आणि वापरण्याची क्षमता यावर खूप अवलंबून असते. मेमरी एजंटला सक्षम बनवते:
• परावर्तक (Reflective): गतकाळातील क्रिया आणि परिणामांमधून शिकणे.
• परस्परसंवादी (Interactive): चालू संभाषणादरम्यान संदर्भ राखणे.
• सक्रिय आणि प्रतिसादात्मक (Proactive and Reactive): गरजा भाकीत करणे किंवा ऐतिहासिक डेटावर आधारित योग्य प्रतिसाद देणे.
• स्वायत्त (Autonomous): संचयित ज्ञान वापरून अधिक स्वायत्तपणे कार्य करणे.
मेमरीची अंमलबजावणी करण्याचा उद्देश एजंट अधिक विश्वसनीय आणि सक्षम बनवणे आहे.
मेमरीचे प्रकार
वर्किंग मेमरी
हे अशा प्रकारचे प्रमाणपत्रपत्रक समजा ज्याचा एजंट एखाद्या एकट्या, चालू कार्य किंवा विचार प्रक्रियेदरम्यान वापर करतो. ते पुढील पायरी मोजण्यासाठी आवश्यक तात्काळ माहिती धारण करतो.
AI एजंटसाठी, वर्किंग मेमरी संभाषणातील सर्वात संबंधित माहिती टिपते, जरी पूर्ण चॅट इतिहास लांब किंवा संक्षिप्त असेल तरी. हे आवश्यक घटक जसे की गरजा, प्रस्तावना, निर्णय आणि कृती काढण्यावर लक्ष केंद्रित करते.
वर्किंग मेमरीचे उदाहरण
प्रवास बुकिंग एजंटमध्ये, वर्किंग मेमरी वापरकर्त्याच्या चालू विनंतीसारखी माहिती टिपू शकते, जसे “मला पॅरिससाठी प्रवास बुक करायचा आहे”. ही विशिष्ट गरज एजंटच्या तत्काळ संदर्भात धरलेली असते ज्यामुळे चालू संवाद मार्गदर्शित होतो.
शॉर्ट टर्म मेमरी
ह्या प्रकारची मेमरी एखाद्या एकट्या संभाषणाच्या किंवा सत्राच्या कालावधीकरता माहिती ठेवते. ही चालू चॅटचा संदर्भ असतो ज्यामुळे एजंट मागील संवादाच्या टप्प्यांकडे पाहू शकतो.
Microsoft Agent Framework Python SDK नमुन्यांमध्ये, हे AgentSession शी जुळते, जे agent.create_session() वापरून तयार केले जाते. सत्र हा फ्रेमवर्कमध्ये अंतर्भूत शॉर्ट-टर्म मेमरी आहे: तो संभाषण संदर्भ उपलब्ध ठेवतो जोपर्यंत तेच सत्र वापरले जाते, पण सत्र संपल्यावर किंवा अनुप्रयोग पुन्हा सुरू केल्यावर तो संदर्भ टिकत नाही. टिकवण्यासाठी लॉंग-टर्म मेमरी वापरावी, सहसा डेटाबेस, व्हेक्टर इंडेक्स किंवा इतर स्थायी संचयाद्वारे.
शॉर्ट टर्म मेमरीचे उदाहरण
वापरकर्त्याने विचारले, “पॅरिससाठी विमान प्रवासाची किंमत किती असेल?” आणि नंतर विचारले “तिथल्या निवासाबद्दल काय?”, तर शॉर्ट-टर्म मेमरीमुळे एजंटला समजते की “तेथं” म्हणजे “पॅरिस” हेच आहे, त्याच संभाषणात.
लॉंग टर्म मेमरी
ही अशी माहिती आहे जी अनेक संभाषणे किंवा सत्रांमध्ये टिकून राहते. यामुळे एजंट वापरकर्त्यांच्या पसंतिवर, भूतकाळातील संवादांवर किंवा सामान्य ज्ञानावर दीर्घकाळ लक्ष ठेवू शकतो. व्यक्तिगतरणासाठी हे महत्त्वाचे आहे.
लॉंग टर्म मेमरीचे उदाहरण
एका लॉंग टर्म मेमरीमध्ये हे साठवले जाऊ शकते की “बेन स्कीइंग आणि बाहेरील उपक्रमांमध्ये रस घेतो, त्याला पर्वतीय दृश्यासह कॉफी आवडते, आणि तो पूर्वी झालेल्या जखमेमुळे प्रगत स्की सगळे टाळतो”. ही माहिती, जी पूर्वीच्या संवादातून मिळाली आहे, भविष्यातील प्रवास नियोजन सत्रांमध्ये शिफारसींवर परिणाम करते, ज्यामुळे त्या खूप वैयक्तिकृत होतात.
व्यक्ति मेमरी
हा विशेष प्रकारचा मेमरी एजंटला एक सुसंगत “व्यक्तिमत्व” किंवा “पर्सोना” विकसित करण्यास मदत करतो. यामुळे एजंट स्वतःविषयी किंवा त्याच्या अपेक्षित भूमिकेविषयी तपशील लक्षात ठेवू शकतो, ज्यामुळे संवाद अधिक स्वच्छ आणि केंद्रित होतो.
व्यक्ति मेमरीचे उदाहरण
जर प्रवास एजंट “तज्ञ स्की नियोजक” म्हणून डिझाइन केला असेल, तर व्यक्ति मेमरी ही भूमिका बलकट करते, ज्यामुळे त्याचे प्रतिसाद तज्ञाच्या टोन आणि ज्ञानाशी सुसंगत होतात.
वर्कफ्लो/एपिसोडिक मेमरी
ही मेमरी एजंटने एखाद्या गुंतागुंतीच्या कामात घेतलेल्या पायऱ्यांचा अनुक्रम साठवते, ज्यामध्ये यश आणि अपयशांचा समावेश असतो. ही विशिष्ट “एपिसोड्स” किंवा भूतकाळातील अनुभव लक्षात ठेऊन त्यातून शिकण्यासारखी आहे.
एपिसोडिक मेमरीचे उदाहरण
जर एजंटने एखाद्या विशिष्ट फ्लाइटची बुकिंग करण्याचा प्रयत्न केला पण तो अकार्यक्षम ठरला, तर एपिसोडिक मेमरी या अपयशाचा नोंद ठेवू शकते, ज्यामुळे एजंट पुढील प्रयत्नांमध्ये पर्यायी फ्लाइटची शक्यता तपासू शकतो किंवा वापरकर्त्याला अधिक माहितीपूर्ण रीतीने सूचित करू शकतो.
एंटिटी मेमरी
यात संभाषणांमधून विशिष्ट एंटिटी (लोक, ठिकाणे, वस्तू) आणि घटना ओळखून त्यांचा आठवणीसाठी संग्रह करणे समाविष्ट आहे. यामुळे एजंट मुख्य घटकांचा संरचित समज निर्माण करू शकतो.
एंटिटी मेमरीचे उदाहरण
एका भूतकाळी प्रवासविषयी संभाषणातून, एजंट “पॅरिस,” “एफिल टॉवर,” आणि “ले शॅट नॉयर रेस्टॉरंट मधील डिनर” ही एंटिटीज ओळखू शकतो. भविष्यातील संवादात, एजंट “ले शॅट नॉयर” लक्षात ठेवून तिथे नवीन आरक्षण करण्याचा प्रस्ताव देऊ शकतो.
संरचित RAG (Retrieval Augmented Generation)
जरी RAG ही एक व्यापक तंत्र आहे, तरी “संरचित RAG” ही एक शक्तिशाली मेमरी तंत्रज्ञान म्हणून अधोरेखित केलेली आहे. हे संभाषणे, ई-मेल्स, प्रतिमा यांसारख्या विविध स्रोतांमधून संकुचित, संरचित माहिती काढते आणि तिचा वापर प्रतिसादातील अचूकता, पुन्हा शोध आणि वेग सुधारण्यासाठी करते. पारंपरिक RAG सारखे फक्त सिमॅंटिक सादृश्यतेवर अवलंबून नसून, संरचित RAG माहितीच्या अंतर्निहित संरचनेसह काम करते.
संरचित RAG चे उदाहरण
फक्त कीवर्ड जुळविण्याऐवजी, संरचित RAG ई-मेलमधून फ्लाइटचे तपशील (गंतव्य, तारीख, वेळ, विमानसेवा) पार्स करून संरचित पद्धतीने जतन करू शकते. यामुळे अचूक प्रश्न जसे की “मी मंगळवारी पॅरिससाठी कोणता फ्लाइट बुक केला होता?” विचारू शकतात.
मेमरीची अंमलबजावणी आणि संग्रहण
AI एजंटसाठी मेमरीची अंमलबजावणी ही एक सुव्यवस्थित प्रक्रिया आहे ज्यात मेमरी व्यवस्थापन अंतर्भूत असते, ज्यात माहिती तयार करणे, संग्रहित करणे, पुनर्प्राप्त करणे, एकत्रित करणे, अद्यतन करणे आणि अगदी “भूलणे” (किंवा हटवणे) यांचा समावेश आहे. पुनर्प्राप्ती हा एक विशेषतः महत्त्वाचा भाग आहे.
विशेष मेमरी साधने
Mem0
एजंट मेमरी संग्रहित करण्याचा आणि व्यवस्थापन करण्याचा एक मार्ग म्हणजे Mem0 सारखी विशेष साधने वापरणे. Mem0 एक टिकाऊ मेमरी लेयर म्हणून काम करते, ज्यामुळे एजंट संबंधित संवाद लक्षात ठेवू शकतात, वापरकर्त्याच्या पसंती आणि तथ्यात्मक संदर्भ जतन करू शकतात, आणि यश-अपयशांमधून वेळोवेळी शिकू शकतात. कल्पना अशी आहे की स्टेटलेस एजंट स्टेटफुल एजंटमध्ये रूपांतरित होतात.
हे दोन टप्प्यांच्या मेमरी पाईपलाइनद्वारे: काढणे आणि अद्यतनित करणे कार्य करते. प्रथम, एजंटच्या संवादात जोडलेली संदेशे Mem0 सेवेवर पाठवली जातात, जी मोठ्या भाषा मॉडेलचा (LLM) वापर करुन संभाषण इतिहासाचे संक्षेप करते आणि नवीन मेमरी काढते. नंतर, LLM चालवलेल्या अद्यतन टप्प्यात ठरवले जाते की मेमरी जोडायची, बदलायची किंवा हटवायची आहे का, आणि ती हायब्रिड डेटा स्टोरमध्ये संग्रहित केली जाते, जे व्हेक्टर, ग्राफ आणि की-वॅल्यू डेटाबेसचा समावेश करू शकते. हा प्रणाली विभिन्न मेमरी प्रकारांना आणि घटकांमधील संबंध व्यवस्थापनासाठी ग्राफ मेमरीला देखील समर्थन देते.
Cognee
आणखी एक सामर्थ्यशाली दृष्टिकोन म्हणजे Cognee, जो AI एजंटसाठी खुल्या स्रोताचा सिमॅंटिक मेमरी आहे, जो संरचित आणि असंरचित डेटा क्वेरी करण्यायोग्य ज्ञान ग्राफमध्ये रूपांतरित करतो, आणि ज्यांना एम्बेडिंग्सद्वारे समर्थित आहे. Cognee एक ड्युअल-स्टोअर आर्किटेक्चर प्रदान करतो जो व्हेक्टर सादृश्यता शोध आणि ग्राफ संबंध यांचे संयोजन करतो, ज्यामुळे एजंट फक्त माहिती काय सादृश आहे हेच नव्हे तर संकल्पना कशा संबंधित आहेत हे देखील समजू शकतो.
हे हायब्रिड पुनर्प्राप्ती मध्ये उत्कृष्ट आहे जे व्हेक्टर सादृश्यता, ग्राफ संरचना, आणि LLM तर्कसंगती यांना मिसळते - कच्च्या तुकड्याच्या शोधापासून ग्राफ-साक्षर प्रश्न उत्तरेपर्यंत. हा प्रणाली जिवंत मेमरी टिकवून ठेवतो जी विकसित आणि वाढते असते पण एकत्र जोडलेल्या ग्राफप्रमाणे क्वेरी करण्यायोग्य राहते, हे दोन्ही - शॉर्ट-टर्म सत्र संदर्भ आणि लॉंग-टर्म टिकाऊ मेमरीला समर्थन देते.
Cognee नोटबुक ट्युटोरियल (13-agent-memory-cognee.ipynb) ह्या एकत्रित मेमरी लेयरचे बांधकाम दाखवतो, ज्यात विविध डेटा स्रोतांचा समावेश, ज्ञान ग्राफचे दृश्य सादरीकरण, आणि विविध शोध धोरणांसह क्वेरी करणे यासाठी व्यावहारिक उदाहरणे आहेत ज्यामुळे विशिष्ट एजंट गरजा पूर्ण होतात.
RAG सह मेमरीचे संग्रहण
Mem0 सारख्या विशेष मेमरी साधनांव्यतिरिक्त, तुम्ही मजबूत शोध सेवा जसे की Azure AI Search ला मेमरी संग्रहण आणि पुनर्प्राप्तीसाठी बॅकएंड म्हणून वापरू शकता, विशेषतः संरचित RAG साठी.
हे तुम्हाला तुमच्या एजंटच्या प्रतिसादांमध्ये तुमचा स्वतःचा डेटा आधार देण्यास अनुमती देते, ज्यामुळे अधिक संबंधित आणि अचूक उत्तरे मिळतात. Azure AI Search वापरकर्त्याच्या विशिष्ट प्रवासाच्या आठवणी, उत्पादन सूची किंवा कोणत्याही इतर विशेष ज्ञानासाठी संग्रह आणि पुनर्प्राप्तीसाठी वापरली जाऊ शकते.
Azure AI Search मध्ये संरचित RAG सारख्या क्षमता असून, ज्यामुळे संभाषण इतिहास, ईमेल्स, किंवा प्रतिमा यांसारख्या मोठ्या डेटासेटमधून संकुचित, संरचित माहिती काढण्यास आणि पुनर्प्राप्त करण्यास मदत होते. पारंपरिक मजकूर तुकडा आणि एम्बेडिंग पद्धतींपेक्षा “सुपरह्युमन अचूकता आणि स्मरण” प्रदान करते.
AI एजंटना स्व-सुधारणार बनवणे
स्व-सुधारणार एजंटसाठी एक सामान्य नमुना म्हणजे “ज्ञान एजंट” ची ओळख करुन देणे. हा स्वतंत्र एजंट मुख्य एजंट आणि वापरकर्ता यांच्यातील मुख्य संभाषणाचे निरीक्षण करतो. त्याची भूमिका:
-
मूल्यवान माहिती ओळखणे: ठरवणे की संभाषणातील कोणताही भाग सामान्य ज्ञान किंवा विशिष्ट वापरकर्ता पसंती म्हणून जतन करायचा आहे का.
-
काढणे आणि संक्षेप करणे: संभाषणातील आवश्यक शिकवणू किंवा पसंती काढणे.
-
ज्ञान आधारात संग्रहित करणे: ही काढलेली माहिती कायमस्वरूपी ठेवणे, सहसा व्हेक्टर डेटाबेसमध्ये, जेणेकरून ती नंतर पुनर्प्राप्त केली जाऊ शकेल.
-
भविष्यातील प्रश्नांसाठी वाढवणे: जेव्हा वापरकर्ता नवीन प्रश्न विचारतो, तेव्हा ज्ञान एजंट संबंधित संग्रहित माहिती पुनर्प्राप्त करतो आणि तो वापरकर्त्याच्या प्रॉम्प्टमध्ये जोडतो, ज्यामुळे मुख्य एजंटला महत्वाचा संदर्भ मिळतो (RAG प्रमाणे).
मेमरीसाठी कार्यक्षमता
• विलंब व्यवस्थापन: वापरकर्ता संवाद मंदावू नये म्हणून, प्रथम स्वस्त आणि जलद मॉडेलचा वापर करून लवकर तपासले जाते की माहिती संग्रहित करणे किंवा पुनर्प्राप्त करणे आवश्यक आहे की नाही, आणि केवळ आवश्यक तेव्हा अधिक जटिल काढणे/पुनर्प्राप्ती प्रक्रिया सुरू केली जाते.
• ज्ञान आधारित देखभाल: वाढत जाणाऱ्या ज्ञानासाठी, कमी वापरली जाणारी माहिती “कूल स्टोरेज” मध्ये हलवली जाऊ शकते जेणेकरून खर्च व्यवस्थापित होईल.
एजंट मेमरीबाबत अजून प्रश्न आहेत का?
भेट द्या Microsoft Foundry Discord वर, इतर शिकणाऱ्यांशी बोला, ऑफिस तासांना हजर राहा आणि आपले AI एजंट प्रश्न विचारून त्यांची उत्तरे मिळवा.
मागील धडा
AI एजंटसाठी संदर्भ अभियांत्रिकी
पुढील धडा
Microsoft एजंट फ्रेमवर्कचा शोध
अस्वीकरण: हा दस्तऐवज AI भाषांतर सेवा Co-op Translator चा वापर करून अनुवादित केला आहे. जरी आम्ही अचूकतेसाठी प्रयत्न करतो, तरी कृपया लक्षात घ्या की स्वयंचलित भाषांतरांमध्ये त्रुटी किंवा अचूकतेची कमतरता असू शकते. मूळ दस्तऐवज त्याच्या मूळ भाषेत अधिकृत स्रोत मानला पाहिजे. महत्त्वाची माहिती असल्यास, व्यावसायिक मानवी भाषांतराची शिफारस केली जाते. या भाषांतराच्या वापरामुळे उद्भवणाऱ्या कोणत्याही गैरसमज किंवा चुकीच्या अर्थलावणीसाठी आम्ही जबाबदार नाही.