RAGは最終目標ではありませんでした。 AIエージェントのメモリは、すべての方向性です。この進化をできるだけ簡単に説明しましょう。 RAG(2020-2023年): - 情報を一度取得し、応答を生成する - 意思決定はせず、ただ取ってきて答えるだけ - 問題:しばしば無関係な文脈を取得する エージェントRAG: - エージェントが回収が必要かどうかを判断する - エージェントがクエリする*ソース*を選ぶ - エージェントは*結果が有用かどうか*検証します - 問題:依然として読み取り専用で、相互作用から学習できない AIメモリ: - 外部知識を読み書きすること - 過去の会話から学ぶ - ユーザーの好みを記憶する、過去の文脈 - 真のパーソナライズを可能にします メンタルモデルはシンプルです: ↳ RAG:読み取り専用、ワンショット ↳ Agentic RAG:ツール呼び出しによる読み取り専用 ↳ エージェントメモリ:ツール呼び出しによる読み書き エージェントメモリの強力な理由は以下の通りです: エージェントはユーザーの好み、過去の会話、重要な日付など、さまざまなことを「覚えている」ことができます。すべて保存され、将来の交流のために取り出せる。 これにより、より大きなものが解放されます。それは継続的な学びです。 訓練時間に止まるのではなく、エージェントはすべてのやり取りから知識を蓄積できるようになりました。再訓練なしで時間をかけて上達します。 メモリは静的モデルと真に適応型AIシステムの橋渡しです。 しかし、すべてが順風満帆というわけではありません。 メモリはRAGが経験しなかった新たな課題をもたらします。記憶破損、何を忘れるかの判断、複数のメモリタイプ(手続き型、エピソード型、セマンティック)の管理です。 これらの問題を一から解決するのは難しいです。エージェントに人間のような記憶を与えたいなら、リアルタイム知識グラフ構築のためのオープンソースフレームワークGraphitiをチェックしてみてください。 リンクは次のツイートでご覧いただけます!