AgentMemory

एजेंटमेमोरी - एआई एजेंटों के लिए एक खुला दीर्घकालिक मेमोरी सिस्टम जो सत्रों के बीच संदर्भ हानि की मूलभूत समस्या को हल करता है। इसके बजाय हर बार एजेंट को उसी विवरण को फिर से विस्तारित करने के लिए - उदाहरण के लिए, जो प्राधिकरण मध्यवेयर आप का उपयोग करते हैं और क्यों - आप एक बार पर्यावरण स्थापित करते हैं, और एजेंट को हमेशा के लिए याद रहता है।

दूसरे सत्र में, एजेंट पहले से ही जानता है कि आप जॉज़ के साथ काम करते हैं, जहां परीक्षण स्थित हैं, और किस कारण से इस विशेष पुस्तकालय को चुनने का नेतृत्व किया। पिछले चैट या फिर प्रवेश करने वाले संदर्भ से कोई कॉपी-पेस्ट नहीं। सभी आवश्यक जानकारी स्वचालित रूप से सहेजी जाती है।

कैसे एजेंट स्मृति काम करता है

यह प्रणाली हाइब्रिड खोज पर तीन दृष्टिकोणों को जोड़ती है: BM25, वेक्टर खोज, और RRF संलयन के परिणामों के साथ एक ज्ञान ग्राफ। यह संचित स्मृति में आवश्यक जानकारी को जल्दी और सही ढंग से ढूंढने की अनुमति देता है। LongMemEval-S बेंचमार्क पर, जिसमें 500 प्रश्न शामिल हैं, सिस्टम उच्च परिणाम प्रदर्शित करता है: R@5 = 95.2% और MRR = 88.2%, जबकि शुद्ध BM25 86.2% दिखाता है।

स्वचालित संदर्भ कैप्चर

कॉन्टेक्स्ट कैप्चर मैन्युअल कॉल के बिना हुक के माध्यम से होता है और बिना किसी चीज को प्रॉम्प्ट करने की आवश्यकता होती है। सिस्टम खुद यह निर्धारित करता है कि कब और किस जानकारी को सहेजना है। यह पूरी तरह से स्वचालित प्रक्रिया है।

एजेंटमेमोरी लक्षण

कौन एजेंटमेमोरी के लिए उपयुक्त है?

एजेंटमेमोरी का उद्देश्य डेवलपर्स और टीमों के लिए है जो सक्रिय रूप से अपने दैनिक काम में एआई सहायकों का उपयोग करते हैं। उपकरण उन लोगों के लिए विशेष रूप से उपयोगी होगा जो प्रत्येक नए सत्र में महत्वपूर्ण समय फिर से प्रदर्शित संदर्भ खर्च करते हैं।

एआई सहायकों के साथ काम करने वाले डेवलपर्स

यदि आप क्लाउड कोड, कर्सर, कोपिलोट सीएलआई, कोडेक्स, या अन्य समान उपकरण का उपयोग करते हैं, तो एजेंटमेमोरी आपको परियोजना संरचना, तकनीकों का वर्णन करने और हर बार निर्णय लेने से बचाएगा। एक सर्वर, एक मेमोरी - एक बार में सभी उपकरणों में साझा किया गया।

लंबी अवधि की परियोजनाओं पर काम करने वाली टीम

उन परियोजनाओं में जहां कार्रवाई की स्थिरता और निर्णय इतिहास के संरक्षण के मामले में साझा स्मृति महत्वपूर्ण हो जाती है। एजेंटमेमोरी एआई एजेंटों के साथ काम करने वाले सभी टीम के सदस्यों के लिए सत्रों के बीच संदर्भ को संरक्षित रखता है।

कैसे एजेंटमेमोरी का उपयोग करने के लिए?

सम्पर्क करने का विवरण

स्थापना npm या npx के माध्यम से एक कमांड लेता है। उसके बाद, एजेंट स्वतंत्र रूप से निर्देश डाउनलोड करता है, मेमोरी सर्वर शुरू करता है और इससे जुड़ जाता है।

प्राधिकरण और एकीकरण की स्थापना

उपकरण MCP, देशी प्लगइन्स, या REST API के माध्यम से सबसे लोकप्रिय एजेंटों से जोड़ता है। पहले सत्र में JWT प्राधिकरण स्थापित करने के बाद, एजेंट इसे बाद के सभी लोगों में याद रखेगा।

स्थानीय मोड में उपयोग करना

पूर्ण स्वायत्तता और शून्य लागत के लिए, आप ऑल-मिनीएलएम-एल6-वी2 के आधार पर स्थानीय एम्बेडिंग का उपयोग कर सकते हैं। यह बाहरी टोकन लागत के बिना काम करने की अनुमति देता है।

एजेंटमेमोरी की मुख्य विशेषताएं

हाइब्रिड खोज। BM25, वेक्टर खोज और RRF संलयन के साथ एक ज्ञान ग्राफ स्मृति में जानकारी खोजने में उच्च सटीकता सुनिश्चित करता है।

स्वचालित संदर्भ कैप्चर। हुक स्वचालित रूप से मैन्युअल कॉल या तत्काल परिवर्तन के बिना महत्वपूर्ण संदर्भ को अवरोधित और सहेजते हैं।

बहु एजेंट एकीकरण। एक स्थापना विभिन्न कनेक्शन प्रोटोकॉल के माध्यम से सभी प्रमुख एआई उपकरणों के साथ मिलकर काम करती है।

लगातार भंडारण। जब एक नया सत्र शुरू होता है तो मेमोरी रीसेट नहीं होती है, जिससे एजेंट को संचित ज्ञान का उपयोग करने की अनुमति मिलती है।

एजेंट स्मृति के लाभ

टोकन बचत। "सभी संदर्भ मैन्युअल रूप से पेस्ट करें" दृष्टिकोण प्रति वर्ष 19.5M + टोकन का उपभोग करता है और अक्सर संदर्भ विंडो से अधिक होता है। AgentMemory लगभग $10 प्रति वर्ष की लागत से लगभग 170K टोकनों में फिट बैठता है - या स्थानीय एम्बेडिंग का उपयोग करते समय $0।

स्वचालित स्मारक। मैन्युअल रूप से संदर्भ को बचाने या संकेतों को जोड़ने की कोई आवश्यकता नहीं है - यह प्रणाली स्वयं ही करती है।

सभी उपकरणों के लिए एकीकृत भंडारण। एक मेमोरी सर्वर एक साथ सभी एआई सहायकों की सेवा करता है, जो एक एकीकृत ज्ञान स्थान बनाता है।

ओपननेस और उत्तरदायित्व। परियोजना पूरी तरह से खुला है, बेंचमार्क स्थानीय रूप से पुन: प्रयोज्य हैं, और प्रतियोगियों के साथ तुलना भंडार में उपलब्ध हैं।

एजेंट के नुकसान

मुख्य सीमा यह है कि पूर्ण उपयोग के लिए तकनीकी कौशल की आवश्यकता होती है: आपको JWT प्राधिकरण को कॉन्फ़िगर करने की आवश्यकता है, यह समझने के लिए कि कैसे हुक काम करते हैं, और कैसे MCP या REST API के माध्यम से एकीकृत करने के लिए। यह डेवलपर्स के लिए एक उपकरण है, उपयोगकर्ताओं को समाप्त नहीं करता है।

यह भी ध्यान देने योग्य है कि वास्तविक दुनिया के कार्यों पर सटीक प्रदर्शन डेटा वर्तमान में बेंचमार्क तक सीमित है - उत्पादन वातावरण में व्यवहार के बारे में जानकारी खुले स्रोतों में अपर्याप्त है।

एजेंटमेमोरी क्या समस्या है?

बार-बार संदर्भ स्पष्टीकरण को समाप्त करना। एजेंट सत्रों के बीच सभी समझौतों, सेटिंग्स और निर्णयों को याद करता है, डेवलपर समय की बचत करता है।

टोकन की खपत को कम करना। प्रति वर्ष 19.5M+ टोकन के बजाय, यह प्रणाली लगभग 170K — 100 गुना कम खपत करती है।

संदर्भ विंडो ओवरफ्लो को रोकना। मैन्युअल रूप से सभी संदर्भों को चिपकाना अक्सर खिड़की के अतिप्रवाह का कारण बनता है। एजेंटमेमोरी कुशलतापूर्वक जानकारी स्टोर करता है।

निर्णय इतिहास को संरक्षित करना। ज्ञान ग्राफ न केवल तथ्यों बल्कि उनके बीच संबंध भी स्टोर करता है, जिसमें निर्णयों के कारणों सहित।

एजेंटमेमोरी मूल्य निर्धारण

वितरण मॉडल मुफ्त है। इसका मतलब यह है कि उपकरण ही नि: शुल्क है। ऑल-मिनीएलएम-एल6-v2 के आधार पर अंतर्निहित एम्बेडिंग का उपयोग करते समय, लागत शून्य होती है। यदि आप एम्बेडिंग के लिए बाहरी एपीआई का उपयोग करते हैं, तो अनुमानित लागत लगभग 170K टोकन की खपत के साथ प्रति वर्ष $ 10 है - मैन्युअल रूप से चिपकाने वाले संदर्भ के मानक दृष्टिकोण से काफी सस्ता है।

एजेंटमेमोरी उपयोग की शर्तें

परियोजना को ओपन सोर्स सॉफ्टवेयर के रूप में वितरित किया जाता है। डेवलपर्स स्वतंत्र रूप से स्रोत कोड का अध्ययन कर सकते हैं, स्थानीय रूप से बेंचमार्क को पुन: उत्पन्न कर सकते हैं और प्रतिस्पर्धा समाधान के साथ प्रदर्शन की तुलना कर सकते हैं। तुलनात्मक डेटा परियोजना भंडार में उपलब्ध है।

एजेंटमेमोरी उपलब्धता

उपकरण एक कमांड के साथ npm या npx के माध्यम से स्थापना के लिए उपलब्ध है। यह निम्नलिखित एआई एजेंटों के साथ एकीकृत करता है: क्लाउड कोड, कर्सर, कोपिलोट सीएलआई, कोडेक्स, मिथुन सीएलआई, एडर, विंडसर्फ और अन्य। कनेक्शन MCP, देशी प्लगइन्स, या REST API के माध्यम से किया जाता है - यह मौजूदा डेवलपर टूल के साथ व्यापक संगतता सुनिश्चित करता है।

कैसे एजेंटमेमोरी विकल्प से अलग है

मुख्य अंतर हाइब्रिड खोज और स्वचालित संदर्भ कैप्चर का संयोजन है। कई समाधान केवल वेक्टर खोज या सरल डेटाबेस प्रदान करते हैं। AgentMemory तीन दृष्टिकोण (BM25, वेक्टर खोज, ज्ञान ग्राफ) को जोड़ती है, जो सूचना पुनर्प्राप्ति सटीकता में सुधार करती है।

दूसरा महत्वपूर्ण अंतर बहुमुखी प्रतिभा है। एक साथ सबसे लोकप्रिय एआई एजेंटों के साथ एक मेमोरी सर्वर काम करता है। यह प्रत्येक उपकरण के लिए अलग स्मृति स्थापित करने की आवश्यकता को समाप्त करता है।

तीसरा अंतर लागत दक्षता है। प्रति वर्ष 170K tokens बनाम 19.5M+ मैनुअल दृष्टिकोण के साथ - एक ऑर्डर-ऑफ-मैग्नेट्यूड अंतर। स्थानीय एम्बेडिंग का उपयोग करने की क्षमता पूरी तरह से मुक्त प्रणाली बनाती है।

अंत में, परियोजना की खुलापन यह सत्यापित करने की अनुमति देता है कि स्वतंत्र रूप से पुन: प्रयोज्य बेंचमार्क के माध्यम से मीट्रिक का दावा किया जाता है।

निष्कर्ष

एजेंटमेमोरी एआई एजेंटों में संदर्भ हानि की समस्या का एक व्यावहारिक समाधान है। यह डेवलपर्स को परियोजना विवरण को फिर से विस्तारित करने से बचाता है, स्वचालित रूप से हुक के माध्यम से संदर्भ को संरक्षित करता है, और मैन्युअल दृष्टिकोण की तुलना में टोकन खपत को लगभग 100 गुना कम करता है। हाइब्रिड खोज BM25, वेक्टर एम्बेडिंग के संयोजन, और एक ज्ञान ग्राफ जानकारी खोजने में उच्च सटीकता सुनिश्चित करता है, बेंचमार्क द्वारा पुष्टि की जाती है। ओपन डिस्ट्रीब्यूशन मॉडल, अधिकांश लोकप्रिय एजेंटों के लिए समर्थन, और पूरी तरह से स्थानीय रूप से काम करने की क्षमता उपकरण को डेवलपर्स की एक विस्तृत श्रृंखला के लिए सुलभ बनाती है। परियोजना मैनुअल संदर्भ प्रबंधन और बंद समाधानों के लिए एक सम्मोहक विकल्प की तरह दिखती है।