تدّعي أغلب منتجات الذكاء الاصطناعي أنها «تتذكّرك». وما تعنيه عادةً أن نافذة المحادثة الحالية لم تنزلق بعيدًا بعد. فما إن تغلق اللسان حتى لا يدري النموذج من أنت. وتعود في كل مرّة تشرح حزمتك التقنية وتفضيلاتك وقيودك من الصفر.
الذاكرة بعيدة المدى في ToRun آليّة مختلفة تمامًا. يصف هذا المقال ما تحفظه، وكيف تُركَّب في كل جولة، وما الذي يمكنك فعله بها.
ماذا يُحفَظ ولماذا
الذاكرة في ToRun مجموعة حقائق دائمة مستخلَصة من محادثاتك. تصوّرها ملاحظات مبنيّة — لا صبَّ نصّ المحادثة كاملًا، بل ملاحظات منفردة: تفضّل الأجوبة الموجزة، ومشروعك يستعمل MongoDB، وتكتب بلغة TypeScript، ولك خلفية في تعلّم الآلة، وتريد أمثلة الشيفرة بأسلوب بعينه.
والحقائق مستقلّة عن اللغة. فإن كتبت ثلاث جلسات بالتركية وعشرًا بالإنجليزية، لا يتشظّى نظام الذاكرة إلى جزر لغوية. فالتنميط الواعي بيونيكود (تفكيك NFKD، وإزالة العلامات الفارقة، وتوحيد حالة الأحرف) يكفل أن تطفو حقيقة أُدخلت بلغة حين تسأل بلغة أخرى. وهذا مهمّ عمليًّا: منصّة بتسع وعشرين لغة لا تحتمل ذاكرة لا تحسن العمل إلا لمن يتكلّم الإنجليزية.
قد تُضاف حقائق جديدة تلقائيًّا حين يلحظ النموذج معلومة دائمة، أو يمكنك تقريرها صراحةً («تذكّر أنني أنشر على Azure»). ولا يُخفى عنك أيّ من الطريقين.
كيف تصير الذاكرة سياقًا عند النداء
تركّب كل جولة محادثة في ToRun ثلاث طبقات سياق قبل أن يبلغ التوجيهُ نموذجًا:
- طبقة النظام — تعليمات على مستوى المنتج، ودور المساعد وأسلوبه، وتعليمات قاعدة المعرفة السارية.
- طبقة الملخّص — تمثيل مضغوط للمحادثة حتى تلك النقطة، يُدار تلقائيًّا كي لا تستنفد الخيوط الطويلة نافذةَ سياق النموذج.
- الطبقة القريبة — آخر N جولة بنصّها، مع وزن أكبر لما قلته للتوّ.
وتستقرّ الذاكرة بعيدة المدى في طبقة النظام. وتجري خطوة الاسترجاع على حقائقك المخزّنة بإشارة صلة من الرسالة الحالية: إن سألت عن فهرسة قواعد البيانات طفت الحقائق المتعلّقة بتفضيلات MongoDB؛ وإن انتقلت إلى التصميم انسحبت. ولا يرى النموذج إلا ما يتّصل بالجولة الحالية، لا صبًّا مسطّحًا لكل حقيقة أنتجتها يومًا. وهكذا تُستعمل نافذة السياق باقتصاد ويُتّقى «انتفاخ الذاكرة» حيث تخفّف التفاصيل الشخصية غير ذات الصلة الإشارةَ.
وميزانيات السياق تتبع الطبقة — تنال الطبقة المجانية 16 ألف رمز سياقًا إجماليًّا، وترتفع عبر خطط الاشتراك حتى مليون رمز في Enterprise. وحين يتجاوز السياق المركّب (الذاكرة + الملخّص + الجولات القريبة) نافذةَ النموذج، يقلّم ToRun طبقة الملخّص أولًا، ولا يطرح أبدًا في صمت رسائلك الأحدث أو أوثق حقائق الذاكرة صلةً.
الحقائق لك، والسيطرة لك
الذاكرة ملك من يستعملها. يمكنك سرد كل ما خزّنه ToRun عنك ومحو مدخلات مفردة أو كل شيء. ولا وجود لذاكرة «سرّية» تؤثّر في محادثاتك من دون علمك. ومخزن الحقائق قابل للفحص وللنسيان عند الطلب.
ينبثق هذا الاختيار عن مبدأ أوسع: على ToRun أن يريك حالته الحقيقية لا أن يخفيها. والذاكرة الشفّافة تعني أنه يمكنك الوثوق بها. فإن تصرّف النموذج بحقيقة خاطئة — لنقل إنه سجّل يومًا أنك تفضّل الشروح المسهبة بينما تريدها الآن موجزة — قلتَ له أن ينساها، فلا يرى النداءُ التالي تلك الحقيقة.
والمحو دائم وفوري. ولا توجد مهلة تظلّ فيها الحقيقة القديمة تطفو.
قواعد المعرفة ليست ذاكرة
الذاكرة تحفظ حقائق عنك. وقواعد المعرفة ترسي الأجوبة في مستنداتك.
حين ترفع توثيقًا أو شيفرة أو محتوى تخصّصيًّا إلى قاعدة معرفة، يستعمل ToRun التوليد المعزَّز بالاسترجاع (RAG) ليستخرج المقاطع ذات الصلة لحظة السؤال. ويُدرَج النصّ المسترجَع إلى جانب سياق المحادثة، ويذكر النموذج ما استعمله. وهذه هي الأداة الصحيحة حين يقتضي سؤالك قراءة مادّة أصلية — مواصفة واجهة برمجية، أو مستندًا قانونيًّا، أو دليلك الداخلي — لا استحضار تفضيل شخصي.
ويتركّب النظامان معًا: يمكن لجولة واحدة أن تنهل من حقائق ذاكرتك الشخصية ومن استرجاع في قاعدة معرفة كليهما. فهما يغذّيان طبقتين مختلفتين من تركيب السياق ويخدمان غرضين مختلفين. الذاكرة تجيب عن «من أنت وكيف تفضّل أن تعمل»؛ وقاعدة المعرفة تجيب عن «ماذا يقول هذا المستند».
واستعمالهما معًا هو ما يجعل ToRun نافعًا لعمل حقيقي لا لعروض فحسب. تبقى تفضيلاتك في الذاكرة فلا تعيدها؛ وتبقى مادّتك الأصلية في قاعدة المعرفة فتستند الأجوبة إلى بيّنة لا إلى بيانات تدريب النموذج.