ai-agents-for-beginners
ความจำสำหรับเอเย่นต์ AI
เมื่อพูดถึงประโยชน์เฉพาะของการสร้างเอเย่นต์ AI จะมีสองเรื่องหลักที่พูดถึง: ความสามารถในการเรียกใช้เครื่องมือเพื่อทำงานให้สำเร็จ และความสามารถในการพัฒนาตัวเองได้ตามกาลเวลา ความจำเป็นพื้นฐานของการสร้างเอเย่นต์ที่พัฒนาตัวเองได้คือการสร้างประสบการณ์ที่ดีขึ้นสำหรับผู้ใช้ของเรา
ในบทเรียนนี้ เราจะดูว่าความจำคืออะไรสำหรับเอเย่นต์ AI และเราจะจัดการและใช้มันเพื่อประโยชน์ของแอปพลิเคชันของเราอย่างไร
บทนำ
บทเรียนนี้จะครอบคลุม:
• การเข้าใจความจำของเอเย่นต์ AI: ความจำคืออะไรและทำไมจึงสำคัญสำหรับเอเย่นต์
• การติดตั้งและเก็บความจำ: วิธีปฏิบัติในการเพิ่มความสามารถในการจำให้กับเอเย่นต์ AI ของคุณ โดยเน้นความจำระยะสั้นและระยะยาว
• การทำให้เอเย่นต์ AI พัฒนาตัวเองได้: วิธีที่ความจำทำให้เอเย่นต์เรียนรู้จากการโต้ตอบที่ผ่านมาและพัฒนาขึ้นตามกาลเวลา
การติดตั้งที่มีอยู่
บทเรียนนี้ประกอบด้วยสมุดบันทึกสองชุดที่ครอบคลุม:
• 13-agent-memory.ipynb: ติดตั้งความจำโดยใช้ Mem0 และ Azure AI Search ร่วมกับโครงสร้าง Semantic Kernel
• 13-agent-memory-cognee.ipynb: ติดตั้งความจำที่มีโครงสร้างโดยใช้ Cognee สร้างกราฟความรู้ที่รองรับด้วย embeddings อัตโนมัติ แสดงผลกราฟ และดึงข้อมูลอย่างชาญฉลาด
เป้าหมายการเรียนรู้
หลังจากเรียนบทเรียนนี้จบ คุณจะรู้วิธี:
• แยกแยะระหว่างประเภทของความจำเอเย่นต์ AI ต่างๆ รวมถึงความจำในการทำงาน ความจำระยะสั้น ความจำระยะยาว และรูปแบบเฉพาะอย่าง persona และ episodic memory
• ติดตั้งและจัดการความจำระยะสั้นและระยะยาวสำหรับเอเย่นต์ AI โดยใช้โครงสร้าง Semantic Kernel ใช้เครื่องมืออย่าง Mem0, Cognee, ความจำแบบ Whiteboard และผสานรวมกับ Azure AI Search
• เข้าใจหลักการเบื้องหลังเอเย่นต์ AI ที่พัฒนาตัวเองได้ และว่าวิธีการจัดการความจำที่แข็งแกร่งช่วยให้การเรียนรู้และการปรับตัวอย่างต่อเนื่องเป็นไปอย่างไร
การเข้าใจความจำของเอเย่นต์ AI
โดยหลักแล้ว ความจำสำหรับเอเย่นต์ AI หมายถึงกลไกที่ช่วยให้พวกเขาเก็บและเรียกคืนข้อมูลได้ ข้อมูลนี้อาจเป็นรายละเอียดเฉพาะเกี่ยวกับการสนทนา ความชื่นชอบของผู้ใช้ การกระทำที่ผ่านมา หรือแม้แต่รูปแบบที่เรียนรู้มา
หากไม่มีความจำ แอปพลิเคชัน AI มักจะไม่มีสถานะ หมายความว่าการโต้ตอบแต่ละครั้งจะเริ่มต้นใหม่หมด นำไปสู่ประสบการณ์ผู้ใช้ที่น่าหงุดหงิดและซ้ำซากที่เอเย่นต์ “ลืม” บริบทหรือความชื่นชอบก่อนหน้า
ทำไมความจำจึงสำคัญ?
ความฉลาดของเอเย่นต์มีความเชื่อมโยงอย่างลึกซึ้งกับความสามารถในการเรียกข้อมูลและใช้ข้อมูลที่ผ่านมา ความจำทำให้เอเย่นต์สามารถ:
• สะท้อนความคิด: เรียนรู้จากการกระทำและผลลัพธ์ที่ผ่านมา
• มีปฏิสัมพันธ์: รักษาบริบทในระหว่างการสนทนาที่กำลังดำเนินอยู่
• เชิงรุกและตอบสนอง: คาดการณ์ความต้องการหรือโต้ตอบอย่างเหมาะสมตามข้อมูลในอดีต
• ทำงานได้โดยอิสระ: ปฏิบัติงานอย่างเป็นอิสระมากขึ้นโดยดึงความรู้ที่จัดเก็บไว้
เป้าหมายของการติดตั้งความจำคือการทำให้เอเย่นต์มีความน่าเชื่อถือและมีความสามารถมากขึ้น
ประเภทของความจำ
Working Memory
คิดว่าคล้ายกับกระดาษร่างที่เอเย่นต์ใช้ในระหว่างงานหรือกระบวนความคิดหนึ่งครั้ง มันเก็บข้อมูลทันทีที่ต้องใช้ในการคำนวณขั้นตอนถัดไป
สำหรับเอเย่นต์ AI working memory มักจับข้อมูลที่เกี่ยวข้องที่สุดจากการสนทนา แม้ว่าประวัติการแชททั้งหมดจะยาวหรือถูกตัดทอน มันจะเน้นการดึงองค์ประกอบหลัก เช่น ข้อกำหนด ข้อเสนอ การตัดสินใจ และการกระทำ
ตัวอย่าง Working Memory
ในเอเย่นต์จองทริป working memory อาจจับคำขอปัจจุบันของผู้ใช้ เช่น “ฉันต้องการจองทริปไปปารีส” ข้อกำหนดเฉพาะนี้ถูกเก็บไว้ในบริบททันทีของเอเย่นต์เพื่อชี้นำการโต้ตอบในขณะนั้น
Short Term Memory
ความจำชนิดนี้เก็บข้อมูลไว้ตลอดระยะเวลาการสนทนาหรือเซสชันเดียว เป็นบริบทของการแชทปัจจุบัน ช่วยให้เอเย่นต์สามารถอ้างอิงย้อนหลังไปยังเทิร์นก่อนหน้าในการสนทนาได้
ตัวอย่าง Short Term Memory
ถ้าผู้ใช้ถามว่า “ตั๋วเครื่องบินไปปารีสราคาเท่าไหร่?” แล้วตามด้วย “ที่พักที่นั่นล่ะ?” ความจำระยะสั้นจะทำให้เอเย่นต์รู้ว่า “ที่นั่น” หมายถึง “ปารีส” ในการสนทนาเดียวกัน
Long Term Memory
นี่คือข้อมูลที่คงอยู่ในหลายการสนทนาหรือหลายเซสชัน ช่วยให้เอเย่นต์จำความชอบของผู้ใช้ การโต้ตอบในอดีตหรือความรู้ทั่วไปในระยะยาว สำคัญสำหรับการปรับแต่งผู้ใช้
ตัวอย่าง Long Term Memory
ความจำระยะยาวอาจเก็บข้อมูลว่า “Ben ชอบเล่นสกีและกิจกรรมกลางแจ้ง ชอบกาแฟพร้อมวิวภูเขา และต้องการหลีกเลี่ยงทางลาดสกีขั้นสูงเนื่องจากอาการบาดเจ็บที่ผ่านมา” ข้อมูลนี้ที่เรียนรู้จากการโต้ตอบก่อนหน้าจะมีผลต่อคำแนะนำในแผนการเดินทางในอนาคต ทำให้เป็นการปรับแต่งเฉพาะบุคคลสูง
Persona Memory
ความจำเฉพาะนี้ช่วยให้เอเย่นต์พัฒนาบุคลิกภาพหรือ “persona” ที่สม่ำเสมอ ช่วยให้เอเย่นต์จำรายละเอียดเกี่ยวกับตัวเองหรือบทบาทที่ตั้งใจไว้ ทำให้การโต้ตอบราบรื่นและเน้นเป้าหมายมากขึ้น
ตัวอย่าง Persona Memory
ถ้าเอเย่นต์ท่องเที่ยวถูกออกแบบให้เป็น “นักวางแผนสกีผู้เชี่ยวชาญ” persona memory อาจเสริมบทบาทนี้ ส่งผลต่อการตอบกลับที่สอดคล้องกับน้ำเสียงและความรู้ของผู้เชี่ยวชาญ
Workflow/Episodic Memory
ความจำนี้จัดเก็บลำดับขั้นตอนที่เอเย่นต์ใช้ระหว่างการทำงานที่ซับซ้อน รวมถึงความสำเร็จและความล้มเหลว เหมือนกับการจำ “ตอน” หรือประสบการณ์ที่ผ่านมาเพื่อนำมาเรียนรู้
ตัวอย่าง Episodic Memory
ถ้าเอเย่นต์พยายามจองเที่ยวบินเฉพาะแต่ล้มเหลวเนื่องจากไม่มีที่ว่าง episodic memory สามารถบันทึกความล้มเหลวนี้ ทำให้เอเย่นต์สามารถลองเที่ยวบินทางเลือกหรือแจ้งผู้ใช้เกี่ยวกับปัญหาอย่างชัดเจนในการพยายามครั้งถัดไป
Entity Memory
เกี่ยวข้องกับการดึงและจดจำเอนทิตีเฉพาะ (เช่น บุคคล สถานที่ หรือสิ่งของ) และเหตุการณ์จากการสนทนา ช่วยให้เอเย่นต์สร้างความเข้าใจที่มีโครงสร้างขององค์ประกอบสำคัญที่พูดคุยกัน
ตัวอย่าง Entity Memory
จากการสนทนาเกี่ยวกับทริปที่ผ่านมา เอเย่นต์อาจดึงคำว่า “ปารีส,” “หอไอเฟล,” และ “ดินเนอร์ที่ร้าน Le Chat Noir” ออกมาเป็นเอนทิตี ในการโต้ตอบครั้งหน้า เอเย่นต์อาจจำ “Le Chat Noir” ได้และเสนอที่จะทำการจองใหม่ที่นั่น
Structured RAG (Retrieval Augmented Generation)
แม้ว่า RAG จะเป็นเทคนิคที่กว้างกว่า แต่ “Structured RAG” ถูกเน้นว่าเป็นเทคโนโลยีความจำที่ทรงพลัง มันดึงข้อมูลหนาแน่นและมีโครงสร้างจากแหล่งข้อมูลหลากหลาย (การสนทนา, อีเมล, รูปภาพ) และใช้เพื่อเพิ่มความแม่นยำ การเรียกคืน และความเร็วในการตอบกลับ แตกต่างจาก RAG แบบคลาสสิกที่พึ่งพาความคล้ายคลึงเชิงความหมาย Structured RAG ทำงานกับโครงสร้างของข้อมูลโดยตรง
ตัวอย่าง Structured RAG
แทนที่จะจับคู่แค่คำสำคัญ Structured RAG สามารถแยกข้อมูลเที่ยวบิน (จุดหมาย วันที่ เวลา สายนาย) จากอีเมลและเก็บข้อมูลในรูปแบบโครงสร้าง วิธีนี้ช่วยให้สามารถสอบถามที่แม่นยำเช่น “ฉันจองเที่ยวบินไปปารีสวันอังคารวันไหน?”
การติดตั้งและเก็บความจำ
การติดตั้งความจำสำหรับเอเย่นต์ AI เกี่ยวข้องกับกระบวนการจัดการความจำอย่างเป็นระบบ ซึ่งรวมถึงการสร้าง เก็บ ดึงข้อมูล บูรณาการ อัปเดต และแม้แต่ “ลืม” (หรือลบ) ข้อมูล การดึงข้อมูลเป็นส่วนที่สำคัญมาก
เครื่องมือความจำเฉพาะ
Mem0
วิธีหนึ่งในการเก็บและจัดการความจำของเอเย่นต์คือการใช้เครื่องมือเฉพาะอย่าง Mem0 Mem0 ทำงานเป็นชั้นความจำถาวร ทำให้เอเย่นต์สามารถเรียกข้อมูลการโต้ตอบที่เกี่ยวข้อง เก็บความชอบของผู้ใช้และบริบทข้อเท็จจริง และเรียนรู้จากความสำเร็จและความล้มเหลวตามกาลเวลา แนวคิดคือการเปลี่ยนเอเย่นต์ที่ไม่มีสถานะให้เป็นเอเย่นต์ที่มีสถานะ
มันทำงานผ่าน ท่อความจำสองขั้นตอน: การสกัดและการอัปเดต ขั้นแรก ข้อความที่เพิ่มเข้ามาในกระทู้ของเอเย่นต์จะถูกส่งไปยังบริการ Mem0 ซึ่งใช้ Large Language Model (LLM) สรุปประวัติการสนทนาและสกัดความจำใหม่ จากนั้น ขั้นตอนการอัปเดตที่ขับเคลื่อนด้วย LLM จะตัดสินใจว่าจะเพิ่ม แก้ไข หรือลบความจำเหล่านี้ โดยเก็บไว้ในไดเรกทอรีข้อมูลฮาร์บริด ซึ่งอาจรวมถึงฐานข้อมูลเวกเตอร์ กราฟ และคีย์-ค่า ระบบนี้ยังรองรับความจำหลายชนิดและสามารถผสานรวมความจำรูปแบบกราฟเพื่อจัดการความสัมพันธ์ระหว่างเอนทิตี
Cognee
อีกแนวทางทรงพลังคือการใช้ Cognee ความจำเชิงความหมายแบบโอเพนซอร์สสำหรับเอเย่นต์ AI ที่เปลี่ยนข้อมูลมีโครงสร้างและไม่มีโครงสร้างเป็นกราฟความรู้ที่สามารถสืบค้นได้โดยอิงกับ embeddings Cognee มีสถาปัตยกรรมแบบเก็บข้อมูลคู่ที่รวมการค้นหาความเหมือนด้วยเวกเตอร์กับความสัมพันธ์ของกราฟ ทำให้เอเย่นต์สามารถเข้าใจไม่ใช่แค่ข้อมูลที่เหมือนกัน แต่ยังรวมถึงความสัมพันธ์ระหว่างแนวคิดต่าง ๆ
มันโดดเด่นที่ การดึงข้อมูลแบบไฮบริด ที่ผสมผสานความเหมือนด้วยเวกเตอร์ โครงสร้างกราฟ และเหตุผลของ LLM – ตั้งแต่การค้นหาชิ้นข้อมูลดิบจนถึงการตอบคำถามที่ตระหนักถึงกราฟ ระบบนี้รักษา ความจำที่มีชีวิต ที่พัฒนาและเติบโตไปพร้อมกันพร้อมยังสามารถสืบค้นเป็นกราฟเชื่อมต่อเดียว สนับสนุนทั้งบริบทเซสชันระยะสั้นและความจำถาวรระยะยาว
สมุดบันทึก Cognee tutorial (13-agent-memory-cognee.ipynb) แสดงการสร้างชั้นความจำรวมนี้ พร้อมตัวอย่างปฏิบัติการที่นำเข้าข้อมูลหลากหลาย แสดงผลกราฟความรู้ และสืบค้นด้วยกลยุทธ์ค้นหาที่ปรับให้เหมาะกับความต้องการของเอเย่นต์แต่ละตัว
การเก็บความจำด้วย RAG
นอกเหนือจากเครื่องมือความจำเฉพาะอย่าง Mem0 คุณยังสามารถใช้บริการค้นหาที่แข็งแกร่ง เช่น Azure AI Search เป็น backend สำหรับเก็บและดึงความจำ โดยเฉพาะในกรณี Structured RAG
สิ่งนี้ช่วยให้คุณสามารถยืนยันคำตอบของเอเย่นต์ด้วยข้อมูลของคุณเอง รับประกันคำตอบที่เกี่ยวข้องและแม่นยำมากขึ้น Azure AI Search สามารถใช้เก็บความจำการเดินทางเฉพาะผู้ใช้ แคตตาล็อกสินค้า หรือความรู้เฉพาะโดเมนอื่นๆ
Azure AI Search รองรับความสามารถอย่าง Structured RAG ที่โดดเด่นในการสกัดและดึงข้อมูลที่หนาแน่นและมีโครงสร้างจากชุดข้อมูลขนาดใหญ่ เช่น ประวัติการสนทนา อีเมล หรือแม้แต่ภาพ สิ่งนี้ทำให้มี “ความแม่นยำและการเรียกคืนเหนือมนุษย์” เมื่อเทียบกับวิธีการแบ่งชิ้นข้อความและฝังข้อมูลแบบดั้งเดิม
ทำให้เอเย่นต์ AI พัฒนาตัวเองได้
รูปแบบทั่วไปของเอเย่นต์ที่พัฒนาตัวเองได้เกี่ยวข้องกับการแนะนำ “เอเย่นต์ความรู้” เอเย่นต์แยกตัวนี้สังเกตการสนทนาหลักระหว่างผู้ใช้กับเอเย่นต์หลัก หน้าที่ของมันคือ:
-
ระบุข้อมูลที่มีค่า: ตัดสินใจว่าส่วนใดของการสนทนาควรถูกบันทึกเป็นความรู้ทั่วไปหรือตามความชอบของผู้ใช้เฉพาะบุคคล
-
สกัดและสรุป: สกัดการเรียนรู้หรือความชอบหลักจากการสนทนา
-
จัดเก็บในฐานความรู้: เก็บข้อมูลที่สกัดไว้ในฐานข้อมูลเวกเตอร์ เพื่อให้สามารถดึงกลับมาใช้ภายหลัง
-
เสริมคำถามในอนาคต: เมื่อผู้ใช้เริ่มคำถามใหม่ เอเย่นต์ความรู้จะดึงข้อมูลที่เกี่ยวข้องที่เก็บไว้และเพิ่มเข้าไปในคำสั่งของผู้ใช้ เพื่อให้บริบทสำคัญกับเอเย่นต์หลัก (คล้ายกับ RAG)
การเพิ่มประสิทธิภาพสำหรับความจำ
• การจัดการความหน่วง: เพื่อหลีกเลี่ยงการทำให้การโต้ตอบของผู้ใช้ช้าลง สามารถใช้โมเดลที่ถูกกว่าและเร็วกว่าในขั้นต้นเพื่อประเมินอย่างรวดเร็วว่าข้อมูลใดมีค่าที่จะเก็บหรือดึงมา แล้วจึงเรียกใช้กระบวนการสกัด/ดึงข้อมูลที่ซับซ้อนกว่าเมื่อจำเป็นเท่านั้น
• การดูแลฐานความรู้: สำหรับฐานความรู้ที่ขยายตัว ข้อมูลที่ใช้บ้างไม่บ่อยอาจถูกย้ายไปยัง “cold storage” เพื่อลดค่าใช้จ่าย
มีคำถามเพิ่มเติมเกี่ยวกับความจำของเอเย่นต์ไหม?
เข้าร่วม Azure AI Foundry Discord เพื่อพบกับผู้เรียนคนอื่น ๆ เข้าร่วมชั่วโมงสำนักงาน และรับคำตอบสำหรับคำถามเกี่ยวกับเอเย่นต์ AI ของคุณได้เลย
ข้อจำกัดความรับผิดชอบ: เอกสารฉบับนี้ได้รับการแปลโดยใช้บริการแปลภาษาด้วย AI Co-op Translator แม้ว่าเราจะพยายามให้มีความถูกต้องให้มากที่สุด แต่โปรดทราบว่าการแปลอัตโนมัติอาจมีข้อผิดพลาดหรือความไม่ถูกต้อง เอกสารต้นฉบับในภาษาต้นทางถือเป็นแหล่งข้อมูลที่น่าเชื่อถือที่สุด สำหรับข้อมูลสำคัญ แนะนำให้ใช้บริการแปลโดยผู้เชี่ยวชาญที่เป็นมนุษย์ เราจะไม่รับผิดชอบต่อความเข้าใจผิดหรือการตีความผิดที่เกิดขึ้นจากการใช้การแปลนี้