QuarqLabs تُصدر مفتوح المصدر هندسة وكيل الذاكرة المستمرة ذات الأربعة طبقات

ME AI رسالة، وفقًا لمراقبة Beating، أصدرت الشركة الناشئة QuarqLabs الإصدار v0.4.0 من مشروعها الأساسي Quarq Agent. يهدف هذا المشروع إلى توفير بنية ذاكرة طويلة المدى لـ "التعلم المستمر" للوكلاء الذكاء الاصطناعي، بهدف معالجة مشكلات النسيان السريع، وصعوبة الاستدلال على فترات زمنية طويلة، وظهور الهلوسات. في الوقت نفسه، أعلنت QuarqLabs أن تركيزها الاستراتيجي قد تحول بالكامل إلى البنية التحتية للروبوتات (Robotics Infrastructure)، وسيتم أرشفة هذا المشروع كأصل بحثي مفتوح المصدر، ولن توفر الشركة أي صيانة نشطة له. يقدم Quarq Agent نظامًا ذاكرة طويل المدى مكونًا من أربع طبقات معيارية تشمل "الاستعلام، التخزين، الاستدلال، والتعلم". في "طبقة الاستعلام"، يقوم النظام في الخلفية بتوسيع السؤال إلى فرضيات بحث متعددة الزوايا، ويجمع بين متجهات FAISS المحلية والكلمات المفتاحية للبحث المختلط؛ وفي "طبقة التخزين"، تُصنف الذكريات إلى ثلاث فئات: دلالية (التفضيلات والحقائق)، وسياقية (سجل الأحداث)، وبروتوكولية (تعليمات السلوك وقواعد التنسيق)، حيث تدعم الفئتان الأوليان قاعدة المتجهات المحلية وملفات JSON، بينما تُدار الفئة الثالثة بواسطة مجموعات قواعد مستقلة؛ وفي "طبقة الاستدلال"، يمنع النظام الهلوسات من خلال فصل صارم بين الأحداث ووقت التخزين، وعزل الروابط الكيانية، والاعتراف صراحةً بنقص المعلومات عند الحاجة؛ وفي "طبقة التعلم"، يعمل النظام في الخلفية نموذجًا منفصلًا بشكل غير متزامن لإضافة أو حذف أو تحديث أو دمج الذكريات المكررة دون زيادة تأخير التفاعل. على مستوى البيئة والتطبيق العملي، يركز Quarq Agent على النشر المحلي البسيط، ويحتوي على مهارات جاهزة للإستخدام تشمل Gmail وGoogle Calendar وإنشاء تقارير مهيكلة بصيغة PDF، ويدعم المطورين على توسيعه ديناميكيًا عبر نصوص Python في دليل tools. كتنفيذ مرجعي كامل مفتوح المصدر ومصمم بشكل كامل لـ"الوكلاء المعتمدين على الذاكرة (Memory-First)"، يقدم Quarq Agent قاعدة هندسية ذات قيمة عالية لبناء وكلاء ذكيين مصاحبين على المدى الطويل. (المصدر: BlockBeats)