تواجه أنظمة نماذج اللغات الضخمة (LLM) التي تمتاز بالقدرة على توليد الشيفرات من خلال استخدام أدوات متعددة التوجهات مشكلة جوهرية تتعلق بالسياق: إذ تبدأ كل جلسة من الصفر، مما يؤدي إلى تجاهل خيارات التكوين، القيود النطاقية، مخططات البيانات، وأنماط استخدام الأدوات التي جعلت الجلسات السابقة فعالة.

لكن، تبقى المشكلة أن الاحتفاظ بسجل المحادثات بالكامل يعد غير فعّال من ناحية استخدام الرموز وقد يؤدي إلى نتائج عكسية، حيث أن السياق غير ذي الصلة يمكن أن يضعف جودة الناتج. لذلك، نقدم مفهوم "ذاكرة مستمرة انتقائية مشتركة"، وهو هيكل يحدد ويحتفظ بأربع فئات من السياقات القابلة لإعادة الاستخدام: مواصفات المهام، مخططات البيانات، تكوينات الأدوات، وقيود المخرجات، بينما يتخلص من آثار الاستدلال المرتبطة بالجسم.

ما يميز هذه الذاكرة هو كونها مشتركة: حيث يمكن نقل مساحات العمل المتمثلة في الذاكرة الانتقائية عبر المستخدمين مع التحكم في الوصول بناءً على الأدوار، مما يمكّن إعادة الاستخدام التعاوني دون الحاجة إلى التكرار. لقد تم تنفيذ هذا النظام على منصة عمل تعاونية حيث تنتج وكلاء LLM، وتحرر، وتحافظ على العناصر التي تم تعيينها عبر نظام git من مصادر غير متجانسة (مثل CSV، SQL، REST APIs، وMCP servers).

كما أن هناك آلية لانتعاش البيانات بدون رموز، مما يساعد على الفصل بين البرامج المنتجة وبيانات التشغيل، ويتيح إعادة استخدام العناصر دون الحاجة لإعادة الاستدعاء.

عبر ثلاثة سيناريوهات مؤسسية، تحقق "ذاكرة مستمرة انتقائية مشتركة" نسبة إكمال للمهام تصل إلى 96% (مقابل 79% بدون ذاكرة و71% باستخدام السجل الكامل). بالإضافة إلى ذلك، فقد ألغت آلية الانتعاش بدون رموز الحاجة لإعادة استدعاء نماذج LLM للتحديثات المتكررة، مما قلص زمن المهمة بمعدل 14 مرة، بينما خفضت عملية التوليد المستندة إلى ملخص تكلفة الرموز لكل استدعاء بمقدار 97 مرة مقارنةً بإدخال البيانات الخام.

نؤكد من خلال تقارير على أربعة مجموعات بيانات عامة أن هذا النظام قابل للتعميم، حيث نجح الانتعاش بدون رموز في 12 من 12 تجربة. ومن الملحوظ أن الاحتفاظ بالتاريخ بالكامل قد أضعف الإنجاز الفعلي من خلال تحيز الوكلاء بتفاصيل قديمة، بينما أثبتت الذاكرة الانتقائية تفوقها على كلا النهجين المتطرفين.