ai-agents-for-beginners
หน่วยความจำสำหรับ AI Agents
เมื่อพูดถึงข้อดีเฉพาะของการสร้าง AI Agents มีสองสิ่งที่มักถูกพูดถึง: ความสามารถในการเรียกใช้เครื่องมือเพื่อทำงานให้สำเร็จ และความสามารถในการพัฒนาตัวเองเมื่อเวลาผ่านไป หน่วยความจำเป็นพื้นฐานสำคัญในการสร้างเอเจนต์ที่สามารถพัฒนาตัวเองได้ เพื่อสร้างประสบการณ์ที่ดียิ่งขึ้นสำหรับผู้ใช้งานของเรา
ในบทเรียนนี้ เราจะมาดูว่าหน่วยความจำสำหรับ AI Agents คืออะไร และเราจะจัดการและใช้งานมันเพื่อประโยชน์ของแอปพลิเคชันของเราได้อย่างไร
บทนำ
บทเรียนนี้จะครอบคลุม:
• การทำความเข้าใจหน่วยความจำของ AI Agent: หน่วยความจำคืออะไร และทำไมมันถึงสำคัญสำหรับเอเจนต์
• การนำไปใช้และการจัดเก็บหน่วยความจำ: วิธีการปฏิบัติในการเพิ่มความสามารถด้านหน่วยความจำให้กับ AI Agents โดยเน้นที่หน่วยความจำระยะสั้นและระยะยาว
• การทำให้ AI Agents พัฒนาตัวเองได้: วิธีที่หน่วยความจำช่วยให้เอเจนต์เรียนรู้จากการโต้ตอบในอดีตและพัฒนาตัวเองเมื่อเวลาผ่านไป
การนำไปใช้ที่มีอยู่
บทเรียนนี้มีบทเรียนในรูปแบบโน้ตบุ๊กสองชุดที่ครอบคลุม:
• 13-agent-memory.ipynb: ใช้หน่วยความจำผ่าน Mem0 และ Azure AI Search ด้วย Semantic Kernel framework
• 13-agent-memory-cognee.ipynb: ใช้หน่วยความจำแบบมีโครงสร้างผ่าน Cognee สร้างกราฟความรู้โดยอัตโนมัติที่สนับสนุนด้วย embeddings, แสดงภาพกราฟ และการดึงข้อมูลอย่างชาญฉลาด
เป้าหมายการเรียนรู้
หลังจากจบบทเรียนนี้ คุณจะสามารถ:
• แยกแยะประเภทต่าง ๆ ของหน่วยความจำ AI Agent รวมถึงหน่วยความจำการทำงาน, หน่วยความจำระยะสั้น, หน่วยความจำระยะยาว และรูปแบบเฉพาะ เช่น หน่วยความจำบุคลิกภาพและหน่วยความจำแบบเป็นตอน
• นำไปใช้และจัดการหน่วยความจำระยะสั้นและระยะยาวสำหรับ AI Agents โดยใช้ Semantic Kernel framework พร้อมเครื่องมืออย่าง Mem0, Cognee, Whiteboard memory และการผสานกับ Azure AI Search
• เข้าใจหลักการเบื้องหลัง AI Agents ที่พัฒนาตัวเองได้ และวิธีที่ระบบการจัดการหน่วยความจำที่แข็งแกร่งช่วยให้เกิดการเรียนรู้และปรับตัวอย่างต่อเนื่อง
การทำความเข้าใจหน่วยความจำของ AI Agent
ในแก่นแท้ของมัน หน่วยความจำสำหรับ AI Agents หมายถึงกลไกที่ช่วยให้พวกเขาสามารถเก็บและเรียกคืนข้อมูลได้ ข้อมูลนี้อาจเป็นรายละเอียดเฉพาะเกี่ยวกับการสนทนา, ความชอบของผู้ใช้, การกระทำในอดีต หรือแม้แต่รูปแบบที่เรียนรู้มา
หากไม่มีหน่วยความจำ แอปพลิเคชัน AI มักจะไม่มีสถานะ หมายความว่าการโต้ตอบแต่ละครั้งเริ่มต้นใหม่จากศูนย์ สิ่งนี้นำไปสู่ประสบการณ์ผู้ใช้ที่ซ้ำซากและน่าหงุดหงิด ซึ่งเอเจนต์ “ลืม” บริบทหรือความชอบก่อนหน้า
ทำไมหน่วยความจำถึงสำคัญ?
ความฉลาดของเอเจนต์นั้นเชื่อมโยงอย่างลึกซึ้งกับความสามารถในการเรียกคืนและใช้ข้อมูลในอดีต หน่วยความจำช่วยให้เอเจนต์สามารถ:
• สะท้อนตัวเอง: เรียนรู้จากการกระทำและผลลัพธ์ในอดีต
• โต้ตอบ: รักษาบริบทในระหว่างการสนทนาอย่างต่อเนื่อง
• คาดการณ์และตอบสนอง: คาดการณ์ความต้องการหรือตอบสนองอย่างเหมาะสมตามข้อมูลในอดีต
• ทำงานอัตโนมัติ: ดำเนินการอย่างอิสระมากขึ้นโดยอาศัยความรู้ที่เก็บไว้
เป้าหมายของการนำหน่วยความจำไปใช้คือการทำให้เอเจนต์มีความ น่าเชื่อถือและมีความสามารถ มากขึ้น
ประเภทของหน่วยความจำ
หน่วยความจำการทำงาน
คิดว่ามันเหมือนกระดาษโน้ตที่เอเจนต์ใช้ในระหว่างงานหรือกระบวนการคิดที่กำลังดำเนินอยู่ มันเก็บข้อมูลทันทีที่จำเป็นสำหรับการคำนวณขั้นตอนถัดไป
สำหรับ AI Agents หน่วยความจำการทำงานมักจะจับข้อมูลที่เกี่ยวข้องที่สุดจากการสนทนา แม้ว่าประวัติการแชททั้งหมดจะยาวหรือถูกตัดทอน มันมุ่งเน้นไปที่การดึงองค์ประกอบสำคัญ เช่น ความต้องการ, ข้อเสนอ, การตัดสินใจ และการกระทำ
ตัวอย่างหน่วยความจำการทำงาน
ในเอเจนต์จองการเดินทาง หน่วยความจำการทำงานอาจจับคำขอปัจจุบันของผู้ใช้ เช่น “ฉันต้องการจองทริปไปปารีส” ความต้องการเฉพาะนี้จะถูกเก็บไว้ในบริบททันทีของเอเจนต์เพื่อแนะนำการโต้ตอบปัจจุบัน
หน่วยความจำระยะสั้น
หน่วยความจำประเภทนี้เก็บข้อมูลไว้ในระหว่างการสนทนาหรือเซสชันเดียว มันคือบริบทของการแชทปัจจุบันที่ช่วยให้เอเจนต์สามารถอ้างอิงกลับไปยังการพูดคุยก่อนหน้าในบทสนทนาได้
ตัวอย่างหน่วยความจำระยะสั้น
หากผู้ใช้ถามว่า “ตั๋วเครื่องบินไปปารีสราคาเท่าไหร่?” และตามด้วย “แล้วที่พักที่นั่นล่ะ?” หน่วยความจำระยะสั้นจะช่วยให้เอเจนต์รู้ว่า “ที่นั่น” หมายถึง “ปารีส” ในการสนทนาเดียวกัน
หน่วยความจำระยะยาว
นี่คือข้อมูลที่คงอยู่ในหลายการสนทนาหรือเซสชัน มันช่วยให้เอเจนต์สามารถจดจำความชอบของผู้ใช้, การโต้ตอบในอดีต หรือความรู้ทั่วไปในระยะเวลานาน สิ่งนี้สำคัญสำหรับการปรับแต่งเฉพาะบุคคล
ตัวอย่างหน่วยความจำระยะยาว
หน่วยความจำระยะยาวอาจเก็บข้อมูลว่า “เบ็นชอบเล่นสกีและกิจกรรมกลางแจ้ง, ชอบกาแฟพร้อมวิวภูเขา และต้องการหลีกเลี่ยงทางสกีขั้นสูงเนื่องจากอาการบาดเจ็บในอดีต” ข้อมูลนี้ที่เรียนรู้จากการโต้ตอบก่อนหน้า จะมีผลต่อคำแนะนำในเซสชันการวางแผนการเดินทางในอนาคต ทำให้มันปรับแต่งได้สูง
หน่วยความจำบุคลิกภาพ
หน่วยความจำประเภทพิเศษนี้ช่วยให้เอเจนต์พัฒนาบุคลิกภาพหรือบทบาทที่สอดคล้องกัน มันช่วยให้เอเจนต์จดจำรายละเอียดเกี่ยวกับตัวเองหรือบทบาทที่ตั้งใจไว้ ทำให้การโต้ตอบลื่นไหลและมุ่งเน้นมากขึ้น
ตัวอย่างหน่วยความจำบุคลิกภาพ
หากเอเจนต์การเดินทางถูกออกแบบให้เป็น “ผู้เชี่ยวชาญด้านการวางแผนสกี” หน่วยความจำบุคลิกภาพอาจเสริมบทบาทนี้ โดยมีผลต่อการตอบสนองให้สอดคล้องกับน้ำเสียงและความรู้ของผู้เชี่ยวชาญ
หน่วยความจำแบบเป็นตอน/ขั้นตอน
หน่วยความจำนี้เก็บลำดับขั้นตอนที่เอเจนต์ดำเนินการในระหว่างงานที่ซับซ้อน รวมถึงความสำเร็จและความล้มเหลว มันเหมือนกับการจดจำ “ตอน” หรือประสบการณ์ในอดีตเพื่อเรียนรู้จากมัน
ตัวอย่างหน่วยความจำแบบเป็นตอน
หากเอเจนต์พยายามจองเที่ยวบินเฉพาะแต่ล้มเหลวเนื่องจากไม่มีที่ว่าง หน่วยความจำแบบเป็นตอนสามารถบันทึกความล้มเหลวนี้ ทำให้เอเจนต์ลองเที่ยวบินทางเลือกหรือแจ้งผู้ใช้เกี่ยวกับปัญหาในวิธีที่มีข้อมูลมากขึ้นในความพยายามครั้งต่อไป
หน่วยความจำเอนทิตี
หน่วยความจำนี้เกี่ยวข้องกับการดึงและจดจำเอนทิตีเฉพาะ (เช่น คน, สถานที่ หรือสิ่งของ) และเหตุการณ์จากการสนทนา มันช่วยให้เอเจนต์สร้างความเข้าใจที่มีโครงสร้างเกี่ยวกับองค์ประกอบสำคัญที่ถูกพูดถึง
ตัวอย่างหน่วยความจำเอนทิตี
จากการสนทนาเกี่ยวกับทริปที่ผ่านมา เอเจนต์อาจดึงข้อมูล “ปารีส,” “หอไอเฟล,” และ “อาหารค่ำที่ร้าน Le Chat Noir” เป็นเอนทิตี ในการโต้ตอบในอนาคต เอเจนต์สามารถจดจำ “Le Chat Noir” และเสนอให้จองโต๊ะใหม่ที่นั่น
Structured RAG (Retrieval Augmented Generation)
ในขณะที่ RAG เป็นเทคนิคที่กว้างกว่า “Structured RAG” ถูกเน้นว่าเป็นเทคโนโลยีหน่วยความจำที่ทรงพลัง มันดึงข้อมูลที่มีโครงสร้างหนาแน่นจากแหล่งต่าง ๆ (การสนทนา, อีเมล, รูปภาพ) และใช้มันเพื่อเพิ่มความแม่นยำ, การเรียกคืน และความเร็วในการตอบสนอง แตกต่างจาก RAG แบบคลาสสิกที่อาศัยความคล้ายคลึงทางความหมายเพียงอย่างเดียว Structured RAG ทำงานกับโครงสร้างโดยธรรมชาติของข้อมูล
ตัวอย่าง Structured RAG
แทนที่จะจับคู่คำสำคัญ Structured RAG สามารถวิเคราะห์รายละเอียดเที่ยวบิน (ปลายทาง, วันที่, เวลา, สายการบิน) จากอีเมลและจัดเก็บในรูปแบบที่มีโครงสร้าง สิ่งนี้ช่วยให้สามารถสอบถามที่แม่นยำ เช่น “เที่ยวบินที่ฉันจองไปปารีสในวันอังคารคืออะไร?”
การนำไปใช้และการจัดเก็บหน่วยความจำ
การนำหน่วยความจำไปใช้สำหรับ AI Agents เกี่ยวข้องกับกระบวนการที่เป็นระบบของ การจัดการหน่วยความจำ ซึ่งรวมถึงการสร้าง, การจัดเก็บ, การเรียกคืน, การผสาน, การอัปเดต และแม้กระทั่ง “การลืม” (หรือการลบ) ข้อมูล การเรียกคืนเป็นแง่มุมที่สำคัญโดยเฉพาะ
เครื่องมือหน่วยความจำเฉพาะทาง
Mem0
วิธีหนึ่งในการจัดเก็บและจัดการหน่วยความจำของเอเจนต์คือการใช้เครื่องมือเฉพาะทางอย่าง Mem0 Mem0 ทำงานเป็นชั้นหน่วยความจำถาวร ช่วยให้เอเจนต์สามารถเรียกคืนการโต้ตอบที่เกี่ยวข้อง, จัดเก็บความชอบของผู้ใช้และบริบทข้อเท็จจริง และเรียนรู้จากความสำเร็จและความล้มเหลวเมื่อเวลาผ่านไป แนวคิดคือการเปลี่ยนเอเจนต์ที่ไม่มีสถานะให้กลายเป็นเอเจนต์ที่มีสถานะ
มันทำงานผ่าน กระบวนการหน่วยความจำสองขั้นตอน: การสกัดและการอัปเดต ขั้นแรก ข้อความที่เพิ่มไปยังเธรดของเอเจนต์จะถูกส่งไปยังบริการ Mem0 ซึ่งใช้ Large Language Model (LLM) เพื่อสรุปประวัติการสนทนาและสกัดหน่วยความจำใหม่ จากนั้น ขั้นตอนการอัปเดตที่ขับเคลื่อนด้วย LLM จะกำหนดว่าจะเพิ่ม, แก้ไข หรือลบหน่วยความจำเหล่านี้หรือไม่ โดยจัดเก็บไว้ในฐานข้อมูลแบบไฮบริดที่สามารถรวมฐานข้อมูลแบบเวกเตอร์, กราฟ และคีย์-ค่า ระบบนี้ยังรองรับหน่วยความจำประเภทต่าง ๆ และสามารถรวมหน่วยความจำกราฟสำหรับการจัดการความสัมพันธ์ระหว่างเอนทิตี
Cognee
อีกวิธีที่ทรงพลังคือการใช้ Cognee ซึ่งเป็นหน่วยความจำเชิงความหมายแบบโอเพ่นซอร์สสำหรับ AI Agents ที่เปลี่ยนข้อมูลที่มีโครงสร้างและไม่มีโครงสร้างให้เป็นกราฟความรู้ที่สามารถสอบถามได้โดยสนับสนุนด้วย embeddings Cognee มี สถาปัตยกรรมการจัดเก็บแบบคู่ ที่รวมการค้นหาความคล้ายคลึงของเวกเตอร์กับความสัมพันธ์ของกราฟ ช่วยให้เอเจนต์เข้าใจไม่เพียงแค่ข้อมูลที่คล้ายกัน แต่ยังรวมถึงวิธีที่แนวคิดเกี่ยวข้องกันด้วย
มันยอดเยี่ยมใน การดึงข้อมูลแบบไฮบริด ที่ผสมผสานความคล้ายคลึงของเวกเตอร์, โครงสร้างกราฟ และการให้เหตุผลของ LLM - ตั้งแต่การค้นหาชิ้นส่วนดิบไปจนถึงการตอบคำถามที่รับรู้กราฟ ระบบนี้รักษา หน่วยความจำที่มีชีวิต ที่พัฒนาและเติบโตในขณะที่ยังคงสามารถสอบถามได้ในรูปแบบกราฟที่เชื่อมโยงกัน รองรับทั้งบริบทเซสชันระยะสั้นและหน่วยความจำถาวรระยะยาว
บทเรียนโน้ตบุ๊ก Cognee (13-agent-memory-cognee.ipynb) แสดงการสร้างชั้นหน่วยความจำแบบรวมนี้ พร้อมตัวอย่างการปฏิบัติในการนำเข้าข้อมูลจากแหล่งข้อมูลที่หลากหลาย, การแสดงภาพกราฟความรู้ และการสอบถามด้วยกลยุทธ์การค้นหาที่แตกต่างกันซึ่งปรับให้เหมาะกับความต้องการของเอเจนต์เฉพาะ
การจัดเก็บหน่วยความจำด้วย RAG
นอกเหนือจากเครื่องมือหน่วยความจำเฉพาะทางอย่าง Mem0 คุณสามารถใช้บริการค้นหาที่แข็งแกร่งอย่าง Azure AI Search เป็นแบ็กเอนด์สำหรับการจัดเก็บและเรียกคืนหน่วยความจำ โดยเฉพาะสำหรับ Structured RAG
สิ่งนี้ช่วยให้คุณสามารถยึดคำตอบของเอเจนต์กับข้อมูลของคุณเอง เพื่อให้ได้คำตอบที่เกี่ยวข้องและแม่นยำยิ่งขึ้น Azure AI Search สามารถใช้เพื่อจัดเก็บหน่วยความจำการเดินทางเฉพาะผู้ใช้, แคตตาล็อกสินค้า หรือความรู้เฉพาะโดเมนอื่น ๆ
Azure AI Search รองรับความสามารถอย่าง Structured RAG ซึ่งยอดเยี่ยมในการสกัดและเรียกคืนข้อมูลที่มีโครงสร้างหนาแน่นจากชุดข้อมูลขนาดใหญ่ เช่น ประวัติการสนทนา, อีเมล หรือแม้แต่รูปภาพ สิ่งนี้ให้ “ความแม่นยำและการเรียกคืนระดับเหนือมนุษย์” เมื่อเทียบกับวิธีการแบ่งข้อความและการฝังแบบดั้งเดิม
การทำให้ AI Agents พัฒนาตัวเอง
รูปแบบทั่วไปสำหรับเอเจนต์ที่พัฒนาตัวเองได้เกี่ยวข้องกับการแนะนำ “knowledge agent” เอเจนต์แยกนี้สังเกตการสนทนาหลักระหว่างผู้ใช้และเอเจนต์หลัก บทบาทของมันคือ:
-
ระบุข้อมูลที่มีค่า: กำหนดว่ามีส่วนใดของการสนทนาที่ควรบันทึกเป็นความรู้ทั่วไปหรือความชอบเฉพาะผู้ใช้หรือไม่
-
สกัดและสรุป: สกัดความรู้หรือความชอบที่สำคัญจากการสนทนา
-
จัดเก็บในฐานความรู้: บันทึกข้อมูลที่สกัดไว้ในฐานข้อมูลเวกเตอร์ เพื่อให้สามารถเรียกคืนได้ในภายหลัง
-
เพิ่มบริบทให้กับคำถามในอนาคต: เมื่อผู้ใช้เริ่มต้นคำถามใหม่ knowledge agent จะเรียกคืนข้อมูลที่เก็บไว้ที่เกี่ยวข้องและเพิ่มเข้าไปในคำถามของผู้ใช้ เพื่อให้บริบทสำคัญแก่เอเจนต์หลัก (คล้ายกับ RAG)
การปรับปรุงสำหรับหน่วยความจำ
• การจัดการความล่าช้า: เพื่อหลีกเลี่ยงการทำให้การโต้ตอบของผู้ใช้ช้าลง สามารถใช้โมเดลที่ถูกกว่าและเร็วกว่าในตอนแรกเพื่อตรวจสอบอย่างรวดเร็วว่าข้อมูลมีค่าที่จะจัดเก็บหรือเรียกคืนหรือไม่ โดยเรียกใช้กระบวนการสกัด/เรียกคืนที่ซับซ้อนมากขึ้นเมื่อจำเป็นเท่านั้น
• การบำรุงรักษาฐานความรู้: สำหรับฐานความรู้ที่เติบโตขึ้น ข้อมูลที่ใช้น้อยสามารถย้ายไปยัง “cold storage” เพื่อจัดการต้นทุน
มีคำถามเพิ่มเติมเกี่ยวกับหน่วยความจำของเอเจนต์หรือไม่?
เข้าร่วม Azure AI Foundry Discord เพื่อพบปะกับผู้เรียนคนอื่น ๆ เข้าร่วมชั่วโมงทำการ และรับคำตอบสำหรับคำถามเกี่ยวกับ AI Agents ของคุณ
ข้อจำกัดความรับผิดชอบ:
เอกสารนี้ได้รับการแปลโดยใช้บริการแปลภาษา AI Co-op Translator แม้ว่าเราจะพยายามให้การแปลมีความถูกต้อง แต่โปรดทราบว่าการแปลโดยอัตโนมัติอาจมีข้อผิดพลาดหรือความไม่ถูกต้อง เอกสารต้นฉบับในภาษาดั้งเดิมควรถือเป็นแหล่งข้อมูลที่เชื่อถือได้ สำหรับข้อมูลที่สำคัญ ขอแนะนำให้ใช้บริการแปลภาษามืออาชีพ เราไม่รับผิดชอบต่อความเข้าใจผิดหรือการตีความผิดที่เกิดจากการใช้การแปลนี้