مايو 2026 · 10 دقائق قراءة · Fran Olivares، مؤسس OlivaresAI
مخزن ذاكرة دائم بمفرده لا يفعل شيئاً. على المخزن أن يُستعلَم، ويُقيَّم، ويُشكَّل في موجّه نظام يلائم نافذة سياق النموذج قبل أن تصل رسالة المستخدم التالية. تلك الخطوة — تجميع السياق — هي الفرق بين "لدينا قاعدة بيانات ذاكرة" و"الذكاء الاصطناعي يتذكر". هذا الدليل هو الرفيق الطويل للمرجع التقني في /docs/context-assembly ويأخذك عبر كل مرحلة من خط الأنابيب، والأرقام التي تستخدمها Alma افتراضياً، والمقايضات التي يمكنك ضبطها.
لأن النموذج يرى فقط ما في الموجّه. مخزن ذاكرة بعشرة آلاف إدخال غير مرئي للنموذج ما لم يختر شيء الثلاثين الصحيحة لهذا الدور. إذا كان الاختيار خاطئاً، يفوّت النموذج الحقيقة ذات الصلة ويُنتج إجابة عامة. إذا كان الاختيار واسعاً جداً، يتجاوز الموجّه نافذة السياق أو يُهدر التوكنات على ضجيج. التجميع هو حارس البوابة — خطوة هادئة لا يراها المستخدم أبداً، لكن الشعور الكامل بـ"الذكاء الاصطناعي يتذكر" يجلس على جودتها.
التجميع يضرب أيضاً ميزانية كمون صارمة. المستخدم ينتظر؛ أي شيء فوق ~100 ms يبدأ بالشعور بالبطء قبل أن يبث توكن نموذج واحد. لهذا يعتمد التجميع على البحث المُفهرَس بدلاً من المسح الكامل، ولماذا التقييم مجموع مرجح (لا استدعاء LLM)، ولماذا تُحسَب ميزانيات التوكنات لكل طبقة مقدماً بدلاً من التفاوض ديناميكياً.
بحث هجين عبر طبقات الذاكرة الثلاث جميعها — ذكريات، مقاطع، إجراءات — باستخدام إشارات كلمة مفتاحية ودلالية. يُضمَّن استعلام المستخدم بنفس النموذج الذي فهرس المخزن (bge-m3 1024-أبعاد في تكوين Alma الافتراضي)، ويعمل embedding مقابل الفهرس المتجه لإظهار الإدخالات المشابهة دلالياً. بالتوازي، يصل بحث الكلمة المفتاحية إلى الفهرس العلائقي للمطابقات الدقيقة التي يُفوّتها البحث الدلالي أحياناً (الأسماء المُسمّاة، معرفات الكود، المصطلحات التقنية النادرة).
تُدمج مجموعتا النتائج، وتُزال تكراراتهما، وتُحدَّد بميزانية المرشحين (الافتراضي 100 لكل طبقة — الحد الأقصى الذي يدعمه الفهرس المتجه الأساسي لكل استعلام). بركة المرشحين هي ما يتدفق إلى التقييم؛ لا شيء بعد هذه المرحلة ينقذ إدخالاً لم يُظهره البحث.
خمس إشارات، مُرجَّحة كما يلي في دالة التقييم الإنتاجية:
الأوزان مُضبطة عمداً: الصلة تهيمن، لكن الإشارات الثانوية تهمّ عندما تتعادل الصلة (وهذا يحدث كثيراً في مخازن الذاكرة الكثيفة). الأوزان ثوابت غير قابلة للانتهاك في قاعدة الكود — التغييرات تتطلب benchmark A/B لأن الجودة المُحَسّة من المستخدم لـ"هل تذكر الذكاء الاصطناعي الشيء الصحيح" تعتمد على هذا المزيج بالضبط.
لكل طبقة (ذكريات، مقاطع، إجراءات، كتل Soul) ميزانية توكنات خاصة بها. الافتراضيات: ذكريات ~2 K توكن، مقاطع ~1 K، إجراءات ~500، كتل Soul ~500. الإجمالي ~4 K — أقل بكثير من نافذة سياق أي نموذج حديث، وصغير بما يكفي للبقاء صديقاً للتخزين المؤقت. ضمن كل طبقة، تُضاف الإدخالات المُقيَّمة بترتيب الرتبة حتى تُضرَب الميزانية.
الميزانية موجودة لسببين. أولاً، السياق الفعّال للنموذج يتقلّص إذا حشوته بعد كثافة معينة — الأشياء ذات الصلة في أسفل موجّه بـ 100K توكن غير مرئية فعلياً لنمط الانتباه. ثانياً، التخزين المؤقت للموجّه يعمل فقط إذا كانت البادئة المُخزَّنة مستقرة؛ تضخيم الموجّه بذكريات منخفضة الإشارة يكسر التخزين المؤقت ويجعل كل دور يدفع توكنات بالسعر الكامل. الميزانيات الضيقة تُبقي كلاً من الجودة والاقتصاد في الخط.
موجّه نظام مهيكل بخمسة أقسام (بهذا الترتيب): الهوية (كتل Soul النشطة المُصاغة كـ XML)، التفضيلات (إدخالات ذاكرة عالية الأهمية مُحدَّدة كتفضيلات)، الحقائق ذات الصلة (الذكريات الأعلى تقييماً لهذا الاستعلام)، السياق الأخير (المقاطع الأعلى تقييماً)، سير العمل (الإجراءات الأعلى تقييماً). الهيكل يهمّ: وضع الهوية في القمة يعني أنها تحصل على انتباه كامل؛ ووضع سير العمل في الأسفل يعني أنها تُستشار فقط إذا قرر النموذج أن الاستعلام إجرائي.
رسالة المستخدم تُلحَق بعد ذلك كالدور التالي. يتلقى النموذج الموجّه المُجمَّع + رسالة المستخدم ويُنتج رداً. من منظور المستخدم، الذكاء الاصطناعي أجاب فقط. تحت الغطاء، استشار التجميع بصمت آلاف سجلات الذاكرة وأظهر للنموذج الثلاثين الصحيحة.
في نشر Alma الإنتاجي، كمون التجميع من البداية إلى النهاية يجلس في نطاق 30-80 ms لمستخدم نموذجي (بضع مئات من الذكريات، اثنا عشر مقطعاً). البحث المتجه يهيمن (~20-40 ms)، بحث الكلمة المفتاحية يعمل بالتوازي (~5-10 ms)، التقييم بضعة ms مفردة، وبناء الموجّه مجاني فعلياً. هدف 100 ms محقق بهامش مريح حتى للمستخدمين بآلاف الذكريات — حد المرشحين وميزانيات الطبقات تُبقي العمل محدوداً مع نمو المخزن.
قبل التقييم، مرور كشف تناقض على بركة المرشحين يُحدّد الأزواج في نطاق التشابه 0.75-0.92 التي تتعارض دلالياً. الإدخال الأحدث يفوز افتراضياً؛ القديم يُحدَّد كمُحَلّ ويُزال من مجموعة المرشحين لهذا الدور (وعالمياً، في مرور التوحيد التالي). هذا يمنع النموذج من تلقي "قلت X" بجانب "قلت لا-X" وارتجال تركيب لم يوافق عليه المستخدم أبداً.
دورة الحياة الكاملة (إزالة التكرار، الإحلال، التحلل) موثّقة في الدليل الكامل للذاكرة الدائمة؛ التجميع هو فقط حيث تظهر قرارات دورة الحياة تلك وقت الاستعلام.
معمارياً متشابهان (كلاهما يسترجع، كلاهما يُرتّب، كلاهما يحقن في الموجّه) لكن المجموعة ودورة الحياة مختلفتان. RAG يسترجع من مجموعة وثائق خارجية مُؤلَّفة مرة ومُعاد فهرستها على جدول؛ الإدخالات لا تتطور عادة. تجميع الذاكرة يسترجع من مخزن المستخدم الخاص النامي باستمرار، بإدخالات تتناقض وتُدمج وتتحلل. أوزان التقييم تختلف أيضاً — RAG يُرتّب في الغالب بالتشابه وسلطة الوثيقة؛ تجميع الذاكرة يُرجّح الأهمية والحداثة والتكرار لأن تلك الإشارات تهمّ أكثر عندما يكون المخزن شخصياً. انظر المقارنة الأعمق في الذاكرة الدائمة مقابل RAG.
نعم. تقبل نقطة النهاية POST /api/v1/context/assemble تجاوزات لميزانيات الطبقات، وعتبة الحد الأدنى للنتيجة، وحد المرشحين، وأوزان تعزيز علامات الفئة (بحيث يستطيع وكيل PM تعزيز القرارات، ووكيل كاتب تعزيز قواعد الصوت). تبقى معظم الفرق على الافتراضيات — كانت مُضبطة لتكون مفيدة جاهزة — لكن الرافعات موجودة للعمودي المتخصص.
ابدأ في alma.olivares.ai، اِملأ عشرين أو ثلاثين ذكرى عن مشروع تهتم به، ثم ابدأ محادثة. ستُرجع الاستجابة الأولى للنموذج في المحادثة الجديدة حقائق محددة من مخزن ذاكرتك — هذا التجميع، فقط مخفي خلف المحادثة المُوجَّهة للمستخدم. للمطورين الذين يدمجون مباشرة: REST API يكشف الموجّه المُجمَّع الخام بحيث يمكنك فحص ما اختير بالضبط لكل استعلام.
قراءة ذات صلة: المرجع التقني لتجميع السياق · معمارية الذاكرة بثلاث طبقات · الذاكرة الدائمة للذكاء الاصطناعي: الدليل الكامل 2026 · الذاكرة الدائمة مقابل RAG · Soul Engine الموضّح.