تعتبر وكلاء الذكاء الاصطناعي للمحادثات من الأدوات الرائعة التي تساعدنا في التواصل بطريقة ذكية، لكن غالبًا ما تعاني هذه الأنظمة من نقص في الذاكرة الدائمة خلال الجلسات المتعددة. البدائل التقليدية مثل إدراج تاريخ المحادثات بالكامل في نافذة السياق أو تكليف خدمة الذاكرة الخارجية بإنشاء ذاكرة قد تتسبب في استنزاف قدرات النماذج أو إرسال بيانات شخصية عبر شبكة لا يتحكم فيها المستخدم.

هنا يأتي الابتكار الجديد: تخزين ذاكرة محلية متزامنة مع استخدام خاصية Neo4j للرسوم البيانية، بالإضافة إلى فهرسات HNSW المتجهة ونموذج بيانات بيمكاني مميز. هذا النظام يضمن حفظ كل ذاكرة كنقطة هوية غير قابلة للتغيير مرتبطة بعقد محتوى مُعدل يحمل فترتين زمنيتين مغلقتين ومفتوحتين:

- **فترة الصلاحية** (valid time): عندما كانت الحقيقة صحيحة في العالم.
- **فترة التسجيل** (transaction time): عندما تم تسجيل ذلك في قاعدة البيانات.

هذا التصميم يدعم استرجاع الدلالات في الوقت المحدد دون الحاجة إلى الكتابة فوق التاريخ فعلياً. يتم الحفاظ على العلاقات الدلالية بين الذكريات ذات الصلة تلقائيًا عند كتابة البيانات، باستخدام تشابه كوزاين على الـ 1024 أبعاد.

لقد أجرينا تقييمًا لهذا النظام باستخدام LongMemEval، وهو معيار يتكون من 500 سؤال تتراوح بين ستة أنواع من الأسئلة مصممة لتحدي الذاكرة طويلة الأمد. عبر 60 سؤالًا تم اختيارها، حقق مسار البحث الدلالي الحالي 46.7% في نسبة الكشف، مما يرتفع إلى 80% عند تحديث المعرفة. في الوقت نفسه، حقق مسار السفر عبر الزمن 80% على تحديثات المعرفة، بينما انخفض الاسترجاع في أسئلة التفكير الزمني (من 50% إلى 37.5%)، مما يشير إلى ضرورة تحسين التصميم.

تناقش هذه النتائج ما تكشفه من حدود الاسترجاع البحت لمختلف أنواع الأسئلة وما تقترحه كل حالة فشل من آراء لتحسينات المستقبل.