أداة جديدة تهدف إلى إصلاح فقدان الذاكرة لدى مساعدي الذكاء الاصطناعي التنفيذيين

آخر تحديث 21 سبتمبر 2026 · راجعه فريق تحرير Zekai

يعالج مشروع جديد على GitHub يُسمى Lossless-memory إحباطاً شائعاً لدى مستخدمي الذكاء الاصطناعي يومياً، وهو ميل النماذج إلى نسيان أو تلخيص التفاعلات السابقة. يوفر المستودع، الذي بناه مطور واحد يُدعى أرو إلى جانب ذكاء اصطناعي يُدعى سي سي، بديلاً أنظمة الذاكرة القياسية التي تعتمد على ملاحظات مضغوطة أو أجزاء مماثلة. يجادل المطور بأن عمليات التلخيص القياسية تتخلص من الصياغة الدقيقة والتوقيت اللذين تجعلان السجلات السابقة مفيدة.

بدلاً من ضغط المحادثات، يحول النظام كل دور إلى سجل ثابت مكون من سبعة حقول. تُضاف هذه السجلات يومياً إلى ملفات JSONL، لتكون بمثابة مصدر حقيقة غير قابل للتغيير. يعمل الوقت كحور أساسي وليس مجرد بيانات وصفية، مما يسمح بحذف أي فهارس أساسية تماماً وإعادة بنائها مباشرة من ملفات السجلات الخام إذا لزم الأمر.

للحفاظ على قابلية الاستخدام، تستخدم الأداة فهرساً صغيراً لعلامات المواضيع يُعرف باسم LLL. تشير هذه الأسطر القصيرة والمؤرخة زمنياً إلى الوقت الذي تغير فيه المحادثة مواضيعها، ويتم حقنها في سياق النموذج خلال كل دور. يتولى برنامج خفي صغير عملية إعادة الفهرسة التراكمية كل عشر دقائق افتراضياً، حيث يمسح ملفات المصدر التي تم إعادة كتابتها دون الحاجة مطلقاً إلى إعادة بناء كاملة من الصفر.

تظهر الاختبارات العملية المفصلة في وثائق البدء السريع أن المستخدمين يمكنهم استيعاب محادثات نموذجية، وبناء الفهارس اللازمة، وتشغيل استعلامات محدودة النطاق زمنياً في غضون خمس دقائق تقريباً. يغطي اختبار ذهاب وإياب عبر pytest هذا المسار الوظيفي بدقة. لقد عمل التنفيذ يومياً منذ يوليو 2026 لمستخدم واحد، مع امتداد السجلات الخام إلى يونيو 2026، بناءً على مفاهيم تصميم تعود إلى ديسمبر 2025.

بالنسبة للمساعدين التنفيذيين والمهنيين الذين يديرون مشاريع مستمرة باستخدام الذكاء الاصطناعي، يغير النظام طريقة استرجاع القرارات السابقة. فبدلاً من تلقي إعادة صياغة لمناقشة مماثلة من أسابيع مضت، يمكن للنموذج سحب الأسطر الدقيقة من وقت محدد، مثل جلسة ليلة ثلاثاء، مما يحافظ على سياق المحادثة سليماً عبر الجلسات.

لماذا يهم هذا في مجال الذكاء الاصطناعي للإنتاجية الشخصية والمساعدين التنفيذيين

يواجه المساعدون التنفيذيون والمهنيون الذين يحافظون على حوارات طويلة الأمد مع مساعدي الذكاء الاصطناعي تدهوراً في السياق بمرور الوقت. من خلال الحفاظ على سجلات خام ومؤرخة زمنياً دون تلخيص، تمكن هذه الأداة مفتوحة المصدر المساعدين من تذكر القرارات السابقة الدقيقة ونوبات العبارات المحددة، مما تحسن استمرارية سير عمل الإنتاجية اليومية.

ما الذي ينبغي فعله

• راجع وثائق البدء السريع في مستودع GitHub لاختبار عملية الاستيعاب.
• قم بتشغيل اختبار الذهاب والياب عبر pytest لتقييم إعداد الذاكرة على الأجهزة المحلية.
• افحص وثائق الدروس لفهم أوضاع الفشل المحتملة ومتطلبات مساحة القرص.

المصدر: Show HN: Lossless-memory – a personal AI memory that never summarizes (github.com)