স্থানীয় এবং ওপেন এজেন্ট মেমরির জন্য, পুনরুদ্ধার ডিফল্ট: RAG পাইপলাইন, এজেন্টিক অনুসন্ধান, এম্বেডিং স্টোর এবং গ্রাফ ট্র্যাভারসাল যা বেশিরভাগ নির্মাতারা প্রথমে পৌঁছান। একটি [2026 সমীক্ষা](https://arxiv.org/abs/2602.19320) উপসংহারে পৌঁছেছে যে মেমরি ডিজাইন, মডেল ক্ষমতা নয়, এখন দীর্ঘজীবী এজেন্টদের জন্য সীমিত কারণ।

পুনরুদ্ধার কোডিং এবং অন্বেষণের জন্য ভাল কাজ করে, তবে এজেন্টরা চলমান অবস্থা পরিচালনা করলে এটি ভেঙে যায়। প্রধান প্রকল্পগুলি ([Zep](https://www.getzep.com/), [Mem0](https://mem0.ai/), [Letta](https://www.letta.com/), [LangMem](https://langchain-ai.github.io/langmem/)) সত্তা রেজোলিউশন, অধ্যবসায়, এবং গ্রাফের কাঠামোর উপর ভিত্তি করে তৈরি করা কঠিন, কিন্তু সম্পূর্ণ কাঠামোর উপর ভিত্তি করে পুনরুদ্ধার করতে: স্কিমা-প্রথম প্রশ্ন, নির্ধারক পরিচয়, কেবলমাত্র সংযোজন, এবং স্থানীয়-প্রথম নিয়ন্ত্রণ।

## কেন পুনরুদ্ধার প্রাধান্য পায়

পুনরুদ্ধার মানচিত্রে এজেন্ট রাখে এমন ব্যবহারের ক্ষেত্রে ফিট করে: কোডিং। কোডবেসগুলি অন্বেষণমূলক, আপনি প্রায়শই জানেন না জিনিসগুলি কোথায় থাকে এবং আপনি চান "আমরা X কোথায় পরিচালনা করব?" পরিবর্তে "উদ্দেশ্য সহ প্রতিটি ফাংশন তালিকাভুক্ত করুন।" শব্দার্থিক অনুসন্ধান এবং অ্যাডহক ট্রাভার্সাল এটির জন্য উপযুক্ত।

বেশিরভাগ মানুষ কোডিং থেকে এজেন্ট মেমরি সম্পর্কে তাদের অন্তর্দৃষ্টি তৈরি করে, যেখানে পুনরুদ্ধার যথেষ্ট। সমস্যা যে থেকে সাধারণীকরণ করা হয়. কার্য, পরিচিতি, লেনদেন এবং প্রতিশ্রুতিগুলির মতো কর্মক্ষম অবস্থার জন্য, আপনাকে পরের সপ্তাহে একই উত্তর, সম্পূর্ণ সেট এবং অডিট ট্রেলগুলির প্রয়োজন৷

পুনরুদ্ধার যোগ করার জন্যও সস্তা। আপনি আপনার ডক্স এম্বেড করতে পারেন, একটি ভেক্টর স্টোর ওয়্যার আপ করতে পারেন, এবং কোনও স্কিমা ডিজাইন ছাড়াই, কোনও সত্তা রেজোলিউশন এবং কোনও প্রোভেনেন্স ট্র্যাকিং ছাড়াই একটি বিকেলে কাজের মেমরি থাকতে পারেন৷ এটি একটি বাস্তব সুবিধা, শুধু জড়তা নয়।

## যেখানে পুনরুদ্ধার বিরতি

আপনি সত্যের জন্য এজেন্ট মেমরির উপর নির্ভর করলে ব্রেকগুলি দেখা যায়।

**অসংলগ্ন উত্তর।** "প্রজেক্ট X এর জন্য সমস্ত কাজের তালিকা" জিজ্ঞাসা করলে একদিনে সাতটি এবং পরের দিন চারটি ফলাফল পাওয়া যায়। পুনরুদ্ধার প্রতিবার পুনরায় অনুমান করে। [গবেষণা নিশ্চিত করে](https://arxiv.org/abs/2512.12818) যে এজেন্টগুলি সমস্ত সেশন জুড়ে তথ্যকে একত্রিত করে এবং স্মৃতিশক্তি বাড়ার সাথে সাথে সাময়িকভাবে অসঙ্গত উত্তর তৈরি করে।

**অসম্পূর্ণ প্রত্যাহার।** RAG সিস্টেমগুলি 80% এর নীচে পুনরুদ্ধার করার হার দেখায় [34% এর হ্যালুসিনেশন হার, 90% রিকলের উপরে সিস্টেমের জন্য 20% এর তুলনায়](https://www.ijmsrt.com/storages/download-paper/IJMSRT25SEP018)। এমবেডিং-ভিত্তিক পুনরুদ্ধার অস্থায়ী এবং সম্পর্কীয় কাঠামো বাতিল করে, এবং আপনার যত বেশি সত্তা আছে, তত খারাপ রিকল হয়।

**কোন প্রমাণ নেই।** আপনি যখন জিজ্ঞাসা করেন "এই সংখ্যাটি কোথা থেকে এসেছে?" পুনরুদ্ধার যা কিছু অংশ সামনে এসেছে তা থেকে আপনাকে একটি অনুমানকৃত উত্তর দেয়। উত্তর থেকে উৎস রেকর্ডে কোন বংশ নেই।

**অপুনরুদ্ধারযোগ্য লেখা।** যখন কোনো এজেন্ট কোনো পরিচিতি ওভাররাইট করে বা কাজগুলো মার্জ করে, তখন আগের অবস্থা চলে যায়। কোন সংস্করণ এবং কোন রোলব্যাক নেই.

**ক্রস-টুল ড্রিফ্ট।** ChatGPT-এ তৈরি করা একটি টাস্ক নির্ভরযোগ্যভাবে কার্সারে জিজ্ঞাসা করা যাবে না। প্রদানকারীর মেমরি [অপ্রত্যাশিতভাবে অসামঞ্জস্যপূর্ণ](https://www.datastudios.org/post/can-chatgpt-remember-previous-conversations-memory-behavior-session-limits-and-persistence), এবং খোলা পুনরুদ্ধার সেটআপগুলিও ডিফল্টরূপে ক্রস-টুল নয়।

## কাঠামোবদ্ধ রাষ্ট্র কি প্রদান করে

স্ট্রাকচার্ড স্টেট মানে টাইপ করা সত্তা, স্থিতিশীল আইডি, সম্পর্ক এবং টাইমলাইন সহ একটি স্টোর। একই ক্যোয়ারী প্রতিবার একই ফলাফল প্রদান করে, এবং আপনি উদ্ভব এবং রোলব্যাক পান।

| প্রয়োজন | স্ট্রাকচার্ড স্টোর | পুনরুদ্ধার |
|------|------|------------|
| সম্পূর্ণ সেট ("প্রজেক্ট X এর সমস্ত কাজ") | হ্যাঁ, স্কিমা এবং সম্পর্ক দ্বারা | আংশিক বা অনুমানিত |
| পরের সপ্তাহে একই উত্তর | হ্যাঁ | না |
| উৎস থেকে ট্রেস | হ্যাঁ, মূল চেইন | না |
| খারাপ লেখা থেকে উদ্ধার | হ্যাঁ, শুধুমাত্র যোগ করলে | সাধারণত না |
| ক্রস-টুল ধারাবাহিকতা | হ্যাঁ, যদি ক্রস-প্ল্যাটফর্ম | শুধুমাত্র যদি সমস্ত টুল একই ব্যাকএন্ড শেয়ার করে |
| অজানা অন্বেষণ | সম্ভব কিন্তু এর শক্তি নয় | হ্যাঁ, এখানেই পুনরুদ্ধারের শ্রেষ্ঠত্ব |
| এক-বন্ধ সারসংক্ষেপ | ওভারকিল | হ্যাঁ |

একটি স্ট্রাকচার্ড স্টোর গ্রাফ-আকৃতির হতে পারে এবং আমি যেটি তৈরি করছি, [নিওটোমা](https://neotoma.io), তা হল: একটি স্থানীয়, MCP-সামঞ্জস্যপূর্ণ মেমরি স্তর যা এজেন্টদের সত্তা, সম্পর্ক এবং বংশের জন্য সত্যের একক উৎস দেয়। পুনরুদ্ধারের ক্ষেত্রে সাধারণ "গ্রাফ সেটআপ" থেকে যা এটিকে আলাদা করে তা হল অধ্যবসায়, ক্যানোনিকাল আইডি এবং উদ্ভব। আমি অন্যত্র [কেন এজেন্ট মেমরির একটি সত্য স্তর প্রয়োজন](/posts/truth-layer-agent-memory) সম্পর্কে আরও লিখেছি।

## যেখানে মাঠ নড়ছে

বড় প্রকল্পগুলি পুনরুদ্ধারের দিক থেকে কাঠামোগত অবস্থার দিকে রূপান্তরিত হচ্ছে।

**[Zep](https://www.getzep.com/)/[গ্রাফিটি](https://www.getzep.com/)** একটি [টেম্পোরাল নলেজ গ্রাফ](https://arxiv.org/abs/2501.13956) তৈরি করে যা মেমজিপিটি এবং একটি 9% ল্যাটসিপি এবং 9% সার্ভিং সার্ভারের তুলনায় 18.5% নির্ভুলতা অর্জন করে। বর্তমান ইকোসিস্টেমে এটি কাঠামোগত অবস্থার সবচেয়ে কাছের।

**Mem0** একটি [টু-ফেজ এক্সট্রাকশন এবং একত্রীকরণ পাইপলাইন](https://mem0.ai/research) ব্যবহার করে যেটি সত্তা সম্পর্কের জন্য একটি গ্রাফ ভেরিয়েন্ট সহ OpenAI-এর মেমরির চেয়ে 26% বেশি নির্ভুলতা রিপোর্ট করে। এটি এখনও প্রাথমিকভাবে পুনরুদ্ধার-প্রথম, এবং কাঠামোগত স্তরটি সংযোজনযুক্ত।

**[Letta](https://www.letta.com/)** (পূর্বে [MemGPT](https://docs.letta.com/guides/legacy/memgpt-agents-legacy)) [একটি ডাটাবেসে সমস্ত অবস্থা বজায় থাকে](https://docs.letta.com/guides/agents/context-engineering-এর সম্পাদনাযোগ্য মেমরি সহ)। এটি পুনরুদ্ধার-অরিজিন প্রকল্পগুলির সবচেয়ে স্পষ্টভাবে "গঠিত অবস্থা"।

**[LangMem](https://langchain-ai.github.io/langmem/)/[LangGraph](https://langchain-ai.github.io/langgraph/)** একটি [পারসিস্টেন্ট মেমরি SDK](https://blog.langchain.com/langmem-sdk-launch/) অফার করে, মেমরি এবং মেমরির কনস্যুলেশন এবং কনস্যুরাল টাইপস, ইসিডিকেশন এবং কনস্যুল। অধ্যবসায় স্তর বাস্তব, কিন্তু প্রাথমিক অ্যাক্সেস প্যাটার্ন এখনও এমবেডিং অনুসন্ধান.

**[হিন্ডসাইট](https://arxiv.org/abs/2512.12818)** ([2025 গবেষণা](https://arxiv.org/abs/2512.12818)) মেমরিকে চারটি লজিক্যাল নেটওয়ার্কে সংগঠিত করে এবং লং-মার্ক বেঞ্চে 83-91% নির্ভুলতা অর্জন করে। এটি দিকটি দেখায়: সুস্পষ্ট সত্তা নেটওয়ার্কগুলির সাথে কাঠামোগত মেমরি ফ্ল্যাট পুনরুদ্ধারকে ছাড়িয়ে যায়।

## পুনরুদ্ধার সিস্টেম সম্পূর্ণরূপে একত্রিত হতে পারে?

কিছু জিনিস প্রাকৃতিকভাবে একত্রিত হয়, কিন্তু অন্যগুলি কাঠামোগতভাবে পুনরুদ্ধার করা কঠিন।

**যা ইতিমধ্যেই একত্রিত হচ্ছে।** Zep এবং [Mem0g](https://mem0.ai/) এ সত্তা নিষ্কাশন এবং গ্রাফ গঠন বাস্তব। লেটা এবং ল্যাংগ্রাফে ডাটাবেসের অধ্যবসায় বাস্তব। গ্রাফিতিতে টেম্পোরাল ট্র্যাকিং বাস্তব। এগুলো ব্যবধান বন্ধ করছে।

**সাদৃশ্য-প্রথম বনাম স্কিমা-প্রথম।** পুনরুদ্ধারের ডিফল্ট অ্যাক্সেস প্যাটার্ন হল "অনুরূপ জিনিস খুঁজুন।" একটি স্ট্রাকচার্ড স্টোরের ডিফল্ট হল "প্রকার, আইডি, সম্পর্ক, বা সময় দ্বারা প্রশ্ন।" একটি পুনরুদ্ধার সিস্টেম স্কিমা-প্রথম করা মানে API পৃষ্ঠ এবং ব্যবহারকারীর প্রত্যাশা পরিবর্তন করা, শুধুমাত্র একটি বৈশিষ্ট্য যোগ করা নয়।

**অন্তর্নিহিত বনাম স্পষ্ট পরিচয়।** পুনরুদ্ধার দুটি অংশকে একই সত্তা হিসাবে বিবেচনা করে যদি তাদের এম্বেডিং কাছাকাছি থাকে। স্ট্রাকচার্ড স্টেট দুটি রেকর্ডকে একই সত্তা হিসাবে বিবেচনা করে যদি তারা একটি ক্যানোনিকাল আইডি শেয়ার করে। রেট্রোফিটিং নির্ধারক পরিচয় মানে প্রতিটি ইনজেশন পাথ পরিবর্তন করা।

**আপসার্ট বনাম শুধুমাত্র-সংযোজন।** পুনরুদ্ধার সিস্টেমগুলি সাধারণত ওভাররাইট করে, যখন শুধুমাত্র-সংযোজন স্টোরেজ ইতিহাস সংরক্ষণ করে। Letta পরিবর্তনযোগ্য মেমরি ব্লক ব্যবহার করে, এবং Zep অস্থায়ী বিবর্তন ট্র্যাক করে, যা কাছাকাছি। অধিকাংশ পুনরুদ্ধার ব্যবস্থায় ইতিহাস লেখার কোন ধারণা নেই।

**একত্রীকরণের মাধ্যমে প্রমাণ।** যখন Mem0 তথ্যগুলিকে একত্রিত করে বা ল্যাংমেম সম্পর্কিত স্মৃতিগুলিকে একত্রিত করে, তখন মূল উত্স থেকে উত্সটি সাধারণত হারিয়ে যায়৷ একত্রীকরণে টিকে থাকা প্রমাণের জন্য স্টোরেজ মডেলকে শুরু থেকেই সমর্থন করতে হবে।

**নিশ্চয়তাবাদ।** পুনরুদ্ধারের মধ্যে র‍্যাঙ্কিং জড়িত, এবং ফলাফল রান থেকে দৌড়ে পরিবর্তিত হয়। স্ট্রাকচার্ড কোয়েরিগুলি নির্ধারক: একই কোয়েরি একই ফলাফল প্রদান করে। র‌্যাঙ্কিং ফাংশন অপসারণ করা কি পুনরুদ্ধার উপযোগী করে তোলে তা দুর্বল করে। এই মৌলিকভাবে ভিন্ন প্রশ্ন চুক্তি.

**স্থানীয়-প্রথম নিয়ন্ত্রণ।** কোনো ক্লাউড নির্ভরতা এবং কোনো টেলিমেট্রি ছাড়াই একটি সিস্টেমকে সত্যিকারের স্থানীয় করা, বেশিরভাগ মেমরি কোম্পানির ব্যবসায়িক মডেলের সাথে দ্বন্দ্ব। এটি একটি প্রযুক্তিগত বাধা নয়; এটি একটি কাঠামোগত উদ্দীপক সমস্যা।

পুনরুদ্ধার সিস্টেমগুলি একটি কাঠামোগত দোকানে আংশিকভাবে যেতে পারে, তবে শেষ মাইলটির জন্য স্কিমা-প্রথম প্রশ্ন, নির্ধারক পরিচয়, শুধুমাত্র-সংযোজন-প্রবণতা, নির্ধারক ফলাফল এবং স্থানীয়-প্রথম ডিফল্টগুলির প্রয়োজন। এই পছন্দগুলি পুনরুদ্ধার-প্রথম আর্কিটেকচারের শস্যের বিরুদ্ধে চলে।

## কি পুনরুদ্ধার এখনও ভাল করে

**অন্বেষণ।** আপনি যখন বার্সেলোনা অ্যাপার্টমেন্ট সম্পর্কে আপনার নোটে কিছু খুঁজে পেতে চান, তখন আপনি স্কিমা বা সত্তার ধরন জানেন না। আপফ্রন্ট মডেলিং ছাড়াই প্রাসঙ্গিক বিটগুলি পুনরুদ্ধার করে।

**সারাংশ।** যখন আপনি জিজ্ঞেস করেন যে আপনি ঠিকাদারের সাথে কি সিদ্ধান্ত নিয়েছেন, পুনরুদ্ধার একটি সেশনে অনুসন্ধান, নিষ্কাশন এবং সারসংক্ষেপ করতে পারে। পরের বার অবিকল বা মেলে থাকার জন্য আপনার সেই উত্তরের প্রয়োজন নেই।

**অ্যাডহক ট্রাভার্সাল।** যখন আপনি জিজ্ঞাসা করেন কোথায় স্ট্রাইপ ওয়েবহুকগুলি পরিচালনা করা হয়, লেআউট কোডবেস এবং ডক্স জুড়ে পরিবর্তিত হয়। পুনরুদ্ধার একটি ইউনিফাইড গ্রাফ ছাড়াই অভিযোজিত হয়।

**কম আপফ্রন্ট খরচ।** আপনি একটি বিকেলে কাজের স্মৃতি থাকতে পারেন। যেকোন কিছুর জন্য যার পূর্ণতা, সামঞ্জস্যতা বা উদ্ভবের প্রয়োজন নেই, পুনরুদ্ধার যথেষ্ট এবং সস্তা।

## কাঠামোগত অবস্থার ফাঁক এবং কীভাবে নিওটোমা তাদের সমাধান করে

**স্কিমা ওভারহেড।** নিওটোমা একটি বিকশিত স্কিমা রেজিস্ট্রি ব্যবহার করে যেখানে এলএলএম-সহায়ক নিষ্কাশন ইনজেশনের সময় প্রকার এবং সম্পর্ক প্রস্তাব করে। এটি অগ্রিম খরচ কমায় কিন্তু এটি নির্মূল করে না। অনুশীলনে, এজেন্ট সময়ের সাথে নিষ্কাশন ফলাফল পর্যালোচনা করে এবং সংশোধন করে কারণ এটি অসঙ্গতির সম্মুখীন হয়।

**ইনজেশন জটিলতা।** নিওটোমা বৈশিষ্ট্য সনাক্তকরণ থেকে হ্যাশ-ভিত্তিক ক্যানোনিকাল আইডি গণনা করে, তাই উৎস নির্বিশেষে একই সত্তা একই আইডি পায়। এটি এমবেডিং-ভিত্তিক সাদৃশ্যের চেয়ে বেশি অনুমানযোগ্য, তবে এটি নিষ্কাশন মানের উপর নির্ভর করে: "মার্ক" এবং "মার্ক হেন্ড্রিকসন" হ্যাশ ভিন্নভাবে যতক্ষণ না আপনি তাদের একত্রিত করেন।

**কোল্ড স্টার্ট।** নিওটোমা ডুয়াল-পাথ ইনজেশন সমর্থন করে: আপনি ব্যাচ এক্সট্র্যাকশনের জন্য ফাইল আপলোড করতে পারেন বা এজেন্ট কথোপকথনের মাধ্যমে ক্রমবর্ধমান স্থিতি জমা করতে পারেন। এটি তাত্ক্ষণিক নয়, তবে এটি একটি দরকারী গ্রাফ তৈরি করার জন্য যথেষ্ট কথোপকথনের জন্য অপেক্ষা করার চেয়ে দ্রুত।

**শুধুমাত্র সংযোজন খরচ।** প্রতিটি সংশোধনের সাথে সঞ্চয়স্থান বৃদ্ধি পায়, যা রোলব্যাক এবং উদ্ভবকে সম্ভব করে তোলে। ব্যক্তিগত এবং অপারেশনাল স্কেলে এটি পরিচালনাযোগ্য, তবে এটি একটি বাস্তব ট্রেডঅফ: বর্তমান অবস্থার সমাধান করার জন্য প্রশ্নগুলি আরও জটিল।

**পুনরুদ্ধারের জন্য প্রতিস্থাপন নয়।** নিওটোমা প্রকার, আইডি, সম্পর্ক, সময় পরিসীমা এবং গ্রাফ আশেপাশের দ্বারা কাঠামোগত পুনরুদ্ধার প্রদান করে এবং অনুসন্ধান পরিচালনার জন্য এজেন্টিক অনুসন্ধান এবং এমবেডিং অনুসন্ধানের মতো পুনরুদ্ধারের সরঞ্জামগুলি আশা করে। এটি একটি পরিপূরক, বিকল্প নয়।

## কেন আমি নিওটোমা তৈরি করছি

আমি অনুশীলনে পুনরুদ্ধার সীমা আঘাত. কাজ, পরিচিতি এবং লেনদেনের জন্য ক্যানোনিকাল আইডি, বংশ এবং ক্রস-টুল অ্যাক্সেস প্রয়োজন। নকশা পছন্দগুলি উপরে বর্ণিত অভিসারী বাধাগুলির সরাসরি প্রতিক্রিয়া জানায়।

**স্কিমা-প্রথম।** সত্তার ধরন, আইডি, সম্পর্ক বা সময়সীমার ভিত্তিতে প্রশ্নগুলি করা হয়। ক্যোয়ারী পাথে কোন এমবেডিং সাদৃশ্য নেই এবং ফলাফল নির্ধারক।

**হ্যাশ-ভিত্তিক পরিচয়।** কোন উৎস বা অধিবেশন এটি চালু করুক না কেন একই সত্তা একই আইডি পায়।

**শুধুমাত্র সংযোজন।** প্রতিটি সত্য তার উৎস থেকে ট্রেস করে। সংশোধন নতুন রেকর্ড তৈরি করে, এবং রোলব্যাক সম্ভব।

**MCP এর মাধ্যমে ক্রস-টুল।** যেকোন MCP ক্লায়েন্ট থেকে একটি মেমরি লেয়ার অ্যাক্সেসযোগ্য: কার্সার, ChatGPT, Claude, বা Claude Code। একই ডেটা এবং একই আইডি সর্বত্র উপলব্ধ।

**স্থানীয়-প্রথম।** সমস্ত ডেটা SQLite এবং স্থানীয় ফাইলে থাকে। কোন ক্লাউড নির্ভরতা এবং কোন টেলিমেট্রি নেই. সিস্টেম যা করে তা আপনি যাচাই করতে পারেন।

[নিওটোমা](https://neotoma.io) প্রথম দিকে। এটি একটি [ডেভেলপার রিলিজ](/পোস্ট/নিওটোমা-ডেভেলপার-রিলিজ): শুধুমাত্র স্থানীয়, সিএলআই-প্রথম, হিউরিস্টিক সত্তা রেজোলিউশন সহ, ম্যানুয়াল স্কিমা বিবর্তন, এবং কোনও ওয়েব UI নেই৷ এটি যা প্রদান করে তা হ'ল চুক্তি, এবং যুক্তি হল যে এই চুক্তিটি এজেন্টদের জন্য প্রয়োজনীয় যা চলমান অবস্থা পরিচালনা করে এবং শুধুমাত্র পুনরুদ্ধার এটি প্রদান করতে পারে না।

ক্ষেত্রটি কাঠামোগত মেমরিতে রূপান্তরিত হচ্ছে। প্রশ্ন হল আপনার ডেটা দিয়ে আপনি যে স্তরটি বিশ্বাস করেন তা কে তৈরি করে এবং এটি কী গ্যারান্টি দেয়। আমি চাই যে স্তরটি শুরু থেকে গঠন করা হোক, সত্যের পরে বোল্ট করা হবে না। স্থানীয়-প্রথম, খোলা, পরিদর্শনযোগ্য, এবং ব্যবহারকারীর নিয়ন্ত্রণে।