LangChain يمنح وكلاء الذكاء الاصطناعي التحكم في إدارة الذاكرة الخاصة بهم

Terrill Dicki ١٢ مارس ٢٠٢٦ ٠١:٥٥

يتيح Deep Agents SDK من LangChain الآن لنماذج الذكاء الاصطناعي تحديد وقت ضغط نوافذ السياق الخاصة بها، مما يقلل من التدخل اليدوي في سير عمل وكيل الذكاء الاصطناعي طويل الأمد.

LangChain يمنح وكلاء الذكاء الاصطناعي التحكم في إدارة الذاكرة الخاصة بهم

أصدرت LangChain تحديثًا لـ Deep Agents SDK الخاص بها والذي يمنح نماذج الذكاء الاصطناعي مفاتيح إدارة الذاكرة الخاصة بها. تسمح الميزة الجديدة، التي تم الإعلان عنها في ١١ مارس ٢٠٢٦، للوكلاء بتشغيل ضغط السياق بشكل مستقل بدلاً من الاعتماد على عتبات الرموز الثابتة أو أوامر المستخدم اليدوية.

يعالج هذا التغيير مشكلة مستمرة في تطوير وكيل الذكاء الاصطناعي: تمتلئ نوافذ السياق في أوقات غير مناسبة. عادةً ما تضغط الأنظمة الحالية الذاكرة عند الوصول إلى ٨٥٪ من حد السياق للنموذج - وهو ما قد يحدث في منتصف إعادة الهيكلة أو أثناء جلسة تصحيح أخطاء معقدة. يؤدي التوقيت السيئ إلى فقدان السياق وانقطاع سير العمل.

لماذا يهم التوقيت

ضغط السياق ليس جديدًا. تستبدل التقنية الرسائل القديمة بملخصات مكثفة للحفاظ على وكلاء الذكاء الاصطناعي ضمن حدود الرموز الخاصة بهم. لكن وقت الضغط يهم بقدر ما يهم ما إذا كنت تضغط.

يحدد تطبيق LangChain عدة لحظات ضغط مثالية: حدود المهام عندما ينتقل المستخدمون إلى التركيز، بعد استخلاص الاستنتاجات من سياقات البحث الكبيرة، أو قبل البدء في تعديلات طويلة لملفات متعددة. يتعلم وكيل الذكاء الاصطناعي بشكل أساسي التنظيف قبل البدء في العمل الفوضوي بدلاً من التدافع عند نفاد المساحة.

تدعم الأبحاث من Factory AI المنشورة في ديسمبر ٢٠٢٤ هذا النهج. وجد تحليلهم أن التلخيص المنظم - الحفاظ على استمرارية السياق بدلاً من الاقتطاع القوي - أثبت أهميته لمهام وكيل الذكاء الاصطناعي المعقدة مثل تصحيح الأخطاء. تفوق أداء الوكلاء الذين حافظوا على هيكل سير العمل بشكل كبير على أولئك الذين استخدموا طرق القطع البسيطة.

التنفيذ التقني

يتم شحن الأداة كبرمجية وسيطة لـ Deep Agents SDK (Python) وتتكامل مع واجهة برمجة تطبيقات جديدة الموجودة. يضيفها المطورون إلى تكوين وكيل الذكاء الاصطناعي الخاص بهم:

يحتفظ النظام بنسبة ١٠٪ من السياق المتاح كرسائل حديثة بينما يلخص كل شيء سابق. قامت LangChain ببناء شبكة أمان - يستمر سجل المحادثات الكامل في نظام الملفات الافتراضي لوكيل الذكاء الاصطناعي، مما يسمح بالاسترداد في حالة حدوث خطأ في الضغط.

أظهرت الاختبارات الداخلية أن الوكلاء متحفظون بشأن تشغيل الضغط. تحققت LangChain من صحة الميزة مقابل معيار Terminal-bench-2 الخاص بهم ومجموعات التقييم المخصصة باستخدام تتبعات LangSmith. عندما قام الوكلاء بالضغط بشكل مستقل، اختاروا باستمرار لحظات أدت إلى تحسين استمرارية سير العمل.

الصورة الأكبر

يعكس هذا الإصدار تحولاً أوسع في فلسفة بنية وكيل الذكاء الاصطناعي. تشير LangChain صراحةً إلى "الدرس المر" لريتشارد ساتون - الملاحظة التي تفيد بأن الأساليب العامة التي تستفيد من الحوسبة تميل إلى التفوق على الأساليب المضبوطة يدويًا بمرور الوقت.

بدلاً من قيام المطورين بتكوين دقيق لوقت إدارة الوكلاء للذاكرة، يفوض الإطار هذا القرار للنموذج نفسه. إنه رهان على أن قدرات الاستدلال في نماذج مثل GPT-5.4 قد وصلت إلى النقطة التي يمكنها فيها اتخاذ هذه القرارات التشغيلية بشكل موثوق.

بالنسبة للمطورين الذين يبنون وكلاء ذكاء اصطناعي طويلة الأمد أو تفاعلية، فإن الميزة اختيارية من خلال SDK ومتاحة عبر أمر /compact في واجهة برمجة تطبيقات جديدة. التأثير العملي: انقطاعات أقل في سير العمل وقدر أقل من التوجيه اليدوي للمستخدم حول حدود السياق التي لا يفهمها معظم المستخدمين النهائيين على أي حال.

مصدر الصورة: Shutterstock