Google এর মেমরি এজেন্ট নিজের জন্য চিন্তা করে, অন্তর্দৃষ্টির জন্য ট্রেডিং ডিটারমিনিজম

শুভম সাবু (একটি Google PM) [ওপেন-সোর্সড অ্যান অলওয়েজ-অন মেমরি এজেন্ট](https://github.com/GoogleCloudPlatform/generative-ai/tree/main/gemini/agents/always-on-memory-agent-এর লাস্ট উইক পার্টনার-এর জিপিপি-এর লাস্ট উইক-এজেন্ট)। VentureBeat এটিকে কভার করেছে এজেন্ট পরিকাঠামো কোন দিকে যাচ্ছে তার সংকেত হিসেবে। এটি একটি স্থায়ী মেমরি সিস্টেম যা 24/7 একটি ব্যাকগ্রাউন্ড প্রক্রিয়া, ফাইল ইনজেস্ট করা, টাইমারে একত্রিত করা এবং প্রশ্নের উত্তর দেয়। কোনো ভেক্টর ডাটাবেস নেই। কোনো এম্বেডিং নেই। শুধুমাত্র একটি LLM যা SQLite-এ স্ট্রাকচার্ড মেমরি পড়ে, চিন্তা করে এবং লেখে।

প্রকল্পটি এমন কিছুকে যাচাই করে যা আমি নিওটোমা দিয়ে তৈরি করছি: এজেন্টদের জন্য অবিরাম স্মৃতি একটি বাস্তব এবং ক্রমবর্ধমান প্রয়োজন। কিন্তু দুটি প্রকল্প বিপরীত স্থাপত্য পছন্দ করে। এই পোস্ট তাদের তুলনা.

---

সর্বদা-অন মেমরি এজেন্ট কি?

প্রজেক্টটি হল Google ADK (এজেন্ট ডেভেলপমেন্ট কিট) এবং Gemini 3.1 Flash-Lite দিয়ে তৈরি একটি রেফারেন্স বাস্তবায়ন। এটি তিনটি বিশেষজ্ঞ সাবএজেন্ট সহ একটি হালকা ব্যাকগ্রাউন্ড প্রক্রিয়া হিসাবে চলে: একটি ইনজেশনের জন্য, একটি একত্রীকরণের জন্য এবং একটি প্রশ্নের জন্য৷

1. ইনজেশন। একটি ফাইল পর্যবেক্ষক একটি ইনবক্স ডিরেক্টরি নিরীক্ষণ করে। একটি ফাইল ড্রপ করুন এবং এজেন্ট এটি তুলে নেয়। এটি HTTP POST-এর মাধ্যমেও ইনপুট গ্রহণ করে। এটি পাঠ্য, চিত্র, অডিও, ভিডিও এবং পিডিএফ পরিচালনা করে। এলএলএম সারাংশ, সত্তা, বিষয় এবং গুরুত্ব স্কোরগুলি বের করে।

2. একত্রীকরণ। একটি টাইমারে, একত্রীকরণ এজেন্ট সমস্ত সঞ্চিত স্মৃতি পড়ে, সেগুলির মধ্যে সংযোগ এবং প্যাটার্ন খুঁজে পায়, সম্পর্কিত আইটেমগুলিকে সংকুচিত করে এবং নতুন সংশ্লেষিত অন্তর্দৃষ্টি লেখে। এটি প্রম্পট ছাড়াই ব্যাকগ্রাউন্ডে চলে।

3. প্রশ্ন. আপনি একটি প্রশ্ন জিজ্ঞাসা করুন. ক্যোয়ারী এজেন্ট প্রাসঙ্গিক স্মৃতি এবং একত্রিত অন্তর্দৃষ্টি পড়ে, একটি উত্তর সংশ্লেষ করে এবং নির্দিষ্ট মেমরি রেকর্ডে উদ্ধৃতি সহ ফেরত দেয়।

স্টোরেজ হল SQLite। কোন ভেক্টর ডাটাবেস নেই, কোন এমবেডিং সূচক নেই। আর্কিটেকচার বাজি রাখে যে একটি LLM সাদৃশ্য অনুসন্ধানের প্রয়োজন ছাড়াই কাঠামোগত পাঠ্য রেকর্ডের উপর সরাসরি পুনরুদ্ধার পরিচালনা করতে পারে।

---

যেখানে এটি এক্সেল

সরলতা। রেপো ক্লোন করুন, একটি Gemini API কী সেট করুন, এটি চালান। ফাইল পর্যবেক্ষক, HTTP API, এবং একটি Streamlit ড্যাশবোর্ড। ন্যূনতম নির্ভরতা এবং একক প্রক্রিয়ার বাইরে পরিচালনা করার জন্য কোন অবকাঠামো নেই। Gemini এর সাথে এজেন্ট মেমরি অন্বেষণকারী ডেভেলপারদের জন্য, এটি একটি কাজের ডেমোর দ্রুততম পথ।

"কোন ভেক্টর ডিবি" আখ্যান। ভেক্টর ডাটাবেস অপসারণ করা অপারেশনাল এবং ধারণাগত জটিলতা হ্রাস করে। বেছে নেওয়ার জন্য কোনো এমবেডিং মডেল নেই, রক্ষণাবেক্ষণের জন্য কোনো সূচক নেই, কোনো পুনরুদ্ধার টিউনিং নেই৷ ছোট আকারের স্থাপনার জন্য এটি একটি বাস্তব সরলীকরণ।

সক্রিয় একত্রীকরণ। টাইমার-ভিত্তিক একত্রীকরণ হল সবচেয়ে স্বতন্ত্র অংশ। বেশিরভাগ মেমরি সিস্টেম প্যাসিভ: জিনিসগুলি সঞ্চয় করুন, জিনিসগুলি পুনরুদ্ধার করুন। এটি সক্রিয়ভাবে সংযোগ করে, সংকুচিত করে এবং সংশ্লেষণ করে। এটি এমন নিদর্শন খুঁজে পায় যা আপনি জিজ্ঞাসা করেননি। এটি যে কারো সাথে অনুরণিত হয় যারা অপেক্ষায় থাকা স্মৃতির চেয়ে "মেমরি যা চিন্তা করে" চায়।

---

যেখানে পন্থা বিচ্ছিন্ন হয়

অলওয়েজ-অন মেমরি এজেন্ট এবং নিওটোমা একটি লক্ষ্য ভাগ করে (অস্থির এজেন্ট মেমরি) কিন্তু প্রায় প্রতিটি ডিজাইনের সিদ্ধান্তে ভিন্ন। ভিন্নতা আনুষঙ্গিক নয়। মেমরি কি জন্য অপ্টিমাইজ করা উচিত সে সম্পর্কে তারা বিভিন্ন প্রারম্ভিক প্রাঙ্গনে প্রতিফলিত করে।

স্বয়ংক্রিয় বনাম স্পষ্ট ইনজেশন

ফাইল পর্যবেক্ষক স্বয়ংক্রিয়. ইনবক্সে যাই হোক না কেন জমি প্রক্রিয়া করা হয়. এলএলএম এক্সট্র্যাক্ট এবং স্টোর করার আগে কোনও অনুমোদনের পদক্ষেপ নেই, কোনও স্কিমা-প্রথম বৈধতা নেই, কোনও ব্যবহারকারীর নিশ্চিতকরণ নেই। নিওটোমা বিপরীত পদ্ধতি গ্রহণ করে: কোনো এজেন্ট বা ব্যবহারকারী MCP-এর মাধ্যমে স্পষ্টভাবে না লিখলে কিছুই সিস্টেমে প্রবেশ করে না। ব্যক্তিগত নোটের জন্য, স্বয়ংক্রিয় ইনজেশন সুবিধাজনক। গোপনীয়তা বা সম্মতি প্রয়োজনীয়তা সহ যেকোন কিছুর জন্য, স্পষ্ট নিয়ন্ত্রণ হল নিরাপদ ডিফল্ট।

কে কি মনে রাখতে হবে তা ঠিক করে

মেমরি স্টোরেজ কল করার জন্য নিওটোমা ক্লায়েন্ট এজেন্টের উপর নির্ভর করে। আপনি যে এজেন্টের সাথে কথা বলছেন (ChatGPT, Claude, Cursor) সে সিদ্ধান্ত নেয় কোনটি মনে রাখা যোগ্য এবং কীভাবে এটি গঠন করা যায়। যখন এটি উপসংহারে আসে যে একটি সত্য, পরিচিতি বা কাজ অব্যাহত থাকা উচিত, তখন এটি MCP এর মাধ্যমে স্টোর অপারেশনকে আহ্বান করে। "কী মনে রাখবেন" এর দায়িত্ব আপনার কথোপকথনের মতো একই প্রক্রিয়ায় এজেন্ট স্তরে থাকে।

অলওয়েজ-অন মেমরি এজেন্ট সেই দায়িত্বটিকে বিশেষজ্ঞ সাব-এজেন্টদের মধ্যে ভাগ করে দেয়। ইনজেশন এজেন্ট সিদ্ধান্ত নেয় ফাইল থেকে কি বের করতে হবে। একত্রীকরণ এজেন্ট সিদ্ধান্ত নেয় কি একত্রিত করতে হবে এবং কোন সংযোগগুলি আঁকতে হবে। ক্যোয়ারী এজেন্ট সিদ্ধান্ত নেয় কি ফেরত দিতে হবে। "কী মনে রাখা মূল্যবান" এবং "কীভাবে" এই সাবএজেন্ট জুড়ে বিতরণ করা হয়, যা কথোপকথন থেকে স্বাধীনভাবে চলে। ব্যবহারকারী প্রতিটি সিদ্ধান্ত অনুমোদন করে না। সাবএজেন্টরা তাদের পটভূমিতে তৈরি করে।

LLM-চালিত বনাম নির্ধারক নিষ্কাশন

অলওয়েজ-অন মেমরি এজেন্ট সবকিছুর জন্য এলএলএম ব্যবহার করে: সত্তা বের করা, গুরুত্ব দেওয়া, সারাংশ তৈরি করা। একই ফাইলে একই নিষ্কাশন দুইবার চালান এবং ফলাফল ভিন্ন হতে পারে। নিওটোমা স্কিমা-ফার্স্ট ডিটারমিনিস্টিক এক্সট্রাকশন ব্যবহার করে। একই ইনপুট একই সত্তা, একই ক্যানোনিকাল আইডি, একই সম্পর্ক তৈরি করে। ঐচ্ছিক LLM ব্যাখ্যা সেই নির্ধারক স্তরের উপরে চলে, এর জায়গায় নয়।

একত্রীকরণ বনাম অপরিবর্তনীয় সত্য

একত্রীকরণ এজেন্ট সিদ্ধান্ত নেয় কী একত্রিত করতে হবে, কী সংযোগগুলি আঁকতে হবে এবং কী সংকুচিত করতে হবে। এটি সময়ের সাথে সাথে স্মৃতিকে পরিবর্তন করে। পুরানো স্মৃতিগুলি নতুন সংশ্লেষিত অন্তর্দৃষ্টিতে শোষিত হয়। নিওটোমা একত্রিত হয় না। এটা সংযুক্ত. প্রতিটি পর্যবেক্ষণ অপরিবর্তনীয়। ইতিহাস ঘটনা-উৎস। আপনি কি পরিবর্তিত হয়েছে, কখন, এবং কেন দেখতে প্রয়োজন হলে, সম্পূর্ণ লেজ আছে. কিছুই ওভাররাইট বা সংকুচিত দূরে.

একক-প্ল্যাটফর্ম বনাম ক্রস-প্ল্যাটফর্ম

প্রকল্পটি Gemini এবং Google ADK-এর উপর নির্মিত। মেমরি শুধুমাত্র এই নির্দিষ্ট এজেন্ট স্ট্যাকের মাধ্যমে অ্যাক্সেসযোগ্য একটি স্থানীয় SQLite ফাইলে বাস করে। নিওটোমা MCP-এর মাধ্যমে মেমরি প্রকাশ করে, যার মানে একই সত্তা ChatGPT, Claude, Cursor, এবং অন্য কোনো MCP- সামঞ্জস্যপূর্ণ টুল থেকে অ্যাক্সেসযোগ্য। একটি মেমরি স্তর, একাধিক গ্রাহক।

পূর্ণ বংশ বনাম কোন উৎস নেই

অলওয়েজ-অন মেমরি এজেন্টের মেমরি রেকর্ডে সারাংশ এবং এক্সট্র্যাক্ট করা সত্ত্বা থাকে কিন্তু নির্দিষ্ট ফাইল, লাইন বা সেশনে ফিরে আসে না যা সেগুলি তৈরি করে। একটি একত্রিত অন্তর্দৃষ্টি ভুল হলে, অনুসরণ করার জন্য কোন অডিট ট্রেইল নেই। নিওটোমাতে, প্রতিটি সত্তার প্রতিটি ক্ষেত্র একটি উত্স পর্যবেক্ষণের সন্ধান করে। আপনি যেকোন তথ্য নিরীক্ষা করতে পারেন যেখান থেকে এসেছে।

স্কেল ট্রেডঅফ

এম্বেডিং বা একটি ভেক্টর সূচক ছাড়াই, সিস্টেমটি সরাসরি এলএলএম ব্যবহার করে কাঠামোগত পাঠ্য রেকর্ড পড়ে। এটি ছোট পরিসরে কাজ করে। মেমরি স্টোর বাড়ার সাথে সাথে পদ্ধতিটি ধরে নাও থাকতে পারে। ভেক্টর ডিবি অপসারণ করা পুনরুদ্ধার নকশা অপসারণ করে না। এটি জটিলতাকে এলএলএম প্রসঙ্গ উইন্ডোতে নিয়ে যায়। নিওটোমা টাইপ করা সত্তাগুলির উপর কাঠামোগত প্রশ্নগুলি ব্যবহার করে, যা LLM প্রসঙ্গ সীমা থেকে স্বাধীনভাবে স্কেল করে।

---

সাবস্ট্রেট বনাম এজেন্ট

স্পষ্ট পার্থক্য হল ভূমিকা. সর্বদা-অন মেমরি এজেন্ট একটি এজেন্ট। এটি স্বয়ংক্রিয়ভাবে গ্রহণ করে, একটি সময়সূচীতে একত্রিত করে এবং উত্তরগুলিকে সংশ্লেষ করে। এর নিজস্ব যুক্তি লুপ আছে। এটি নির্ধারণ করে কী একত্রিত করতে হবে, কোন সংযোগগুলি আঁকতে হবে এবং কখন সংকুচিত করতে হবে৷

নিওটোমা একটি এজেন্ট নয়। এটি একটি সাবস্ট্রেট। এটি ক্যানোনিকাল আইডি সহ টাইপ করা সত্তা সংরক্ষণ করে। এটি উত্স বজায় রাখে। এটি নির্ধারক প্রশ্নের উত্তর দেয়। এটি নিজে থেকে কিছু সিদ্ধান্ত নেয় না। কোনো ব্যাকগ্রাউন্ড ইনজেশন নেই। কোন স্বয়ংক্রিয় একত্রীকরণ. কোন টাইমার-ভিত্তিক প্রক্রিয়াকরণ. এজেন্টরা এটি থেকে পড়ে এবং এটিকে MCP এর মাধ্যমে লেখেন। যুক্তিটি এজেন্ট স্তরে ঘটে। সত্য সাবস্ট্রেটে বাস করে।

এজেন্ট ভুল হলে কী ঘটে তার কারণে এটি গুরুত্বপূর্ণ। যদি অলওয়েজ-অন মেমরি এজেন্টের একত্রীকরণ একটি খারাপ অন্তর্দৃষ্টি তৈরি করে, সেই অন্তর্দৃষ্টি এখন স্মৃতির অংশ। বিরুদ্ধে যাচাই করার জন্য আলাদা কোন স্তর নেই। এজেন্ট সত্য।

নীচে একটি সত্য স্তরের সাহায্যে, আপনি এজেন্ট কী পড়েছেন, কখন এটি পড়েছেন এবং কী লিখেছেন তা খুঁজে বের করতে পারবেন। নতুন অন্তর্দৃষ্টি ভুল হলে, আপনি প্রত্যাবর্তন করতে পারেন. একত্রীকরণ এজেন্টের আউটপুট হল ডিটারমিনিস্টিক স্টেটের উপরে একটি পর্যবেক্ষণ, এটির মিউটেশন নয়।

---

কিভাবে তারা একসাথে কাজ করতে পারে

দুটি পন্থা পারস্পরিক একচেটিয়া নয়। একটি একত্রীকরণ এজেন্ট এবং একটি সত্য স্তর বিভিন্ন সমস্যার সমাধান করে। একজন নিদর্শন খুঁজে পায়। অন্যটি বিশ্বাস বজায় রাখে। আকর্ষণীয় স্থাপত্য উভয়কে একত্রিত করে।

স্কেচ সোজা। একটি একত্রীকরণ এজেন্ট (অলওয়েজ-অন মেমরি এজেন্টের মতো) একটি সত্য স্তর থেকে MCP-এর মাধ্যমে সত্ত্বাগুলিকে পড়ে। এটির সম্পূর্ণ কাঠামোগত অবস্থায় অ্যাক্সেস রয়েছে: টাইপ করা সত্তা, সম্পর্ক, সময়রেখা, উদ্ভব। এটি সেই অবস্থার উপর তার প্যাটার্ন-ফাইন্ডিং লুপ চালায়, সংযোগ, ফাঁক বা অন্তর্দৃষ্টি খুঁজছে যা ব্যবহারকারীর জন্য জিজ্ঞাসা করেনি। যখন এটি কিছু খুঁজে পায়, তখন এটি তার উত্স সত্তা এবং যুক্তির সাথে ট্যাগ করে একটি নতুন পর্যবেক্ষণ হিসাবে সত্য স্তরে ফলাফলটি লিখে দেয়।

সত্য স্তর সেই অন্তর্দৃষ্টিকে একইভাবে ব্যবহার করে যেভাবে এটি অন্য কোনও লেখার সাথে আচরণ করে। এটি সম্পূর্ণ প্রমাণ সহ একটি পর্যবেক্ষণ হিসাবে এটি রেকর্ড করে: এজেন্ট কোন সত্তা পড়েছেন, কখন, কী উপসংহারে এসেছেন। অন্তর্দৃষ্টি সত্তা গ্রাফের অংশ হয়ে ওঠে। যদি অন্তর্দৃষ্টিটি ভুল হয়, তাহলে আপনি এজেন্ট ঠিক কী খেয়েছেন তা দেখতে পারেন, যুক্তি খুঁজে বের করতে পারেন এবং এটি থেকে পড়া অন্তর্নিহিত সত্তাগুলিকে প্রভাবিত না করেই পর্যবেক্ষণটি ফিরিয়ে দিতে পারেন৷

আজকে সর্বদা-অন মেমরি এজেন্টে কীভাবে একত্রীকরণ কাজ করে তার থেকে এটি আলাদা। সেখানে, একত্রীকরণ এজেন্ট মেমরিকে সরাসরি পরিবর্তন করে। পুরানো স্মৃতি নতুন সংশ্লেষিত রেকর্ডে শোষিত হয়। আগের অবস্থা চলে গেছে। যদি সংশ্লেষণটি ভুল ছিল, তবে তুলনা করার জন্য আলাদা কোন স্তর নেই।

নীচে একটি সত্য স্তর সহ, একত্রীকরণ একটি অ-ধ্বংসাত্মক অপারেশন হয়ে ওঠে। এজেন্ট নির্ধারণমূলক অবস্থার উপরে ব্যাখ্যার একটি স্তর যুক্ত করে। রাষ্ট্র নিজেই অপরিবর্তনীয় থাকে। আপনি নিরীক্ষাযোগ্যতা এবং রোলব্যাকের (সত্য স্তরের শক্তি) সুবিধা সহ সক্রিয় প্যাটার্ন আবিষ্কারের সুবিধাগুলি (সর্বদা-অন মেমরি এজেন্টের শক্তি) পান৷ উপরে বুদ্ধি, নীচে বিশ্বাস।

---

কি এই বৈধতা

সর্বদা-অন মেমরি এজেন্ট একটি রেফারেন্স বাস্তবায়ন, একটি পণ্য নয়। এটা কি নিশ্চিত করে যে অবিরাম, গতিশীল এজেন্ট মেমরির চাহিদা বাস্তব। "ভেক্টর ডিবি প্লাস RAG" একমাত্র পুনরুদ্ধারের মডেল নয়। কাঠামোগত প্রবণতা যা এটি চালাচ্ছে স্পষ্ট: এজেন্টরা রাষ্ট্রীয় হয়ে উঠছে, ত্রুটির দাম পাওয়া যাচ্ছে, এবং প্ল্যাটফর্মগুলি অস্বচ্ছ। প্রকল্পটি ইঙ্গিত দেয় যে শিল্পটি সর্বদা-অন মেমরি সিস্টেমের দিকে এগিয়ে যাচ্ছে যা সাধারণ স্টোরেজ এবং পুনরুদ্ধারের বাইরে যায়।

যেখানে দুটি প্রকল্প একমত: প্যাসিভ মেমরি যথেষ্ট নয়। যেখানে তারা দ্বিমত পোষণ করে: মেমরি স্তরটি নিজেই যুক্তি করবে কি না, বা ডিটারমিনিস্টিক স্টেটের উপরে একটি পৃথক স্তরে যুক্তি ঘটবে কিনা। এটি এখন এজেন্ট মেমরি আর্কিটেকচারে একটি মূল প্রশ্ন। বাজার সম্ভবত উভয় পন্থা সমর্থন করবে. আমি আশা করি যে স্থাপত্যটি একত্রীকরণ এজেন্টদের উপর একত্রিত হতে পারে যা মনে করে, সত্যের স্তরগুলির উপরে আপনি বিশ্বাস করতে পারেন।

---

আমি যা নির্মাণ করছি

আমি বিশ্বাস স্তর হিসেবে নিওটোমা তৈরি করছি। টাইপ করা সত্তা, ক্যানোনিকাল আইডি, ডিটারমিনিস্টিক মার্জ, প্রোভেন্যান্স, MCP-এর মাধ্যমে ক্রস-প্ল্যাটফর্ম অ্যাক্সেস। আমি এটি প্রতিদিন ChatGPT, Claude, এবং Cursor জুড়ে ব্যবহার করি। ডেভেলপার রিলিজ এখন neotoma.io এ উপলব্ধ।

Google-এর নমুনা দেখায় যে ইন্ডাস্ট্রি ক্রমাগত এজেন্ট মেমরিতে রূপান্তরিত হচ্ছে। খোলা প্রশ্ন এজেন্টদের মনে থাকবে কি না, কিন্তু কিভাবে. ক্ষমতা বা শাসন। এজেন্ট বা সাবস্ট্রেট। সম্ভাব্য একত্রীকরণ বা নির্ধারক সত্য। আমি পরের উপর পণ করছি.