الذاكرة المستمرة
تشير الذاكرة المستمرة إلى قدرة النظام على الاحتفاظ بالمعلومات والوصول إليها وتحديثها على مدى فترات طويلة، مما يسمح له بالحفاظ على السياق والتعلم بشكل تدريجي من التفاعلات السابقة أو تدفقات البيانات. على عكس العمليات عديمة الحالة (stateless)، يبني النظام ذو الذاكرة المستمرة فهماً دائماً لبيئته أو لسجل المستخدم.
في تطبيقات الذكاء الاصطناعي الحديثة، تُعد الذاكرة هي الفارق بين النص البرمجي البسيط والوكيل الذكي. بدون ذاكرة مستمرة، تكون نماذج الذكاء الاصطناعي عديمة الحالة بطبيعتها، مما يعني أن كل مدخل جديد يُعامل وكأنه المرة الأولى. وهذا يحد بشدة من حل المشكلات المعقدة، والتخصيص، والتماسك الحواري المستدام.
يختلف التنفيذ بشكل كبير اعتماداً على البنية المعمارية. غالباً ما تتضمن التقنيات قواعد بيانات متجهة (vector databases) لتخزين تضمينات التفاعلات السابقة، أو رسوم بيانية معرفية (knowledge graphs) لتنظيم العلاقات، أو وحدات ذاكرة مخصصة تلخص وتضغط السياق طويل الأمد. ويُعد التوليد المعزز بالاسترجاع (Retrieval-Augmented Generation - RAG) نمطاً شائعاً يستفيد من مخازن الذاكرة الخارجية والدائمة.
يتداخل هذا المفهوم بشكل كبير مع مفاهيم مثل إدارة الحالة (State Management)، والذاكرة طويلة الأمد في نماذج اللغة الكبيرة (Long-Term Memory in LLMs)، وإدارة نافذة السياق (Context Window Management).
