إطار عمل مفتوح المصدر لتزويد وكلاء الذكاء الاصطناعي بإمكانية الذاكرة باستخدام 5 أسطر من التعليمات البرمجية

Cognee - إطار عمل ذاكرة الوكيل الذكي بتقنية الذكاء الاصطناعي

نظرة عامة على المشروع

Cognee هو إطار عمل مفتوح المصدر لمحرك ذاكرة الذكاء الاصطناعي، يهدف إلى توفير وظائف ذاكرة موثوقة للوكلاء الأذكياء بتقنية الذكاء الاصطناعي. الفكرة الأساسية للمشروع هي بناء أنظمة ذاكرة ديناميكية لتطبيقات الذكاء الاصطناعي والوكلاء الأذكياء ببساطة باستخدام 5 أسطر فقط من التعليمات البرمجية.

الميزات الأساسية

🧠 إدارة الذاكرة الذكية

• بناء ذاكرة ديناميكية: بناء ذاكرة ذكية للوكيل باستخدام خط أنابيب ECL (استخراج، إدراك، تحميل) قابل للتطوير
• دعم متعدد الوسائط: دعم الترابط والاسترجاع لسجلات المحادثات والمستندات والصور وتسجيلات الصوت
• استمرارية الذاكرة: ضمان قدرة الوكيل الذكي بتقنية الذكاء الاصطناعي على الاحتفاظ بمعلومات التفاعل السابقة والاستفادة منها

📊 قدرات معالجة البيانات

• تكامل البيانات من مصادر متعددة: دعم استيعاب البيانات من أكثر من 30 مصدر بيانات مختلف
• تخزين مزدوج للرسم البياني والمتجهات: الاستفادة في الوقت نفسه من مزايا قواعد بيانات الرسوم البيانية وقواعد بيانات المتجهات
• تكامل Pydantic: تحميل البيانات إلى قواعد بيانات الرسوم البيانية والمتجهات باستخدام Pydantic فقط

🎯 تحسين الأداء

• تقليل ظاهرة الهلوسة: تقليل عدم الدقة في مخرجات الذكاء الاصطناعي من خلال الذاكرة المنظمة
• خفض تكاليف التطوير: تبسيط عملية التطوير وتقليل عبء العمل على المطورين
• تحسين جودة الاستجابة: تقديم استجابات أكثر دقة بناءً على الذاكرة التاريخية

البنية التقنية

بنية خط أنابيب ECL

تعتمد Cognee على بنية خط أنابيب ECL (استخراج، إدراك، تحميل) فريدة:

1. استخراج (Extract): استخراج المعلومات من مصادر بيانات مختلفة
2. إدراك (Cognify): تحويل البيانات الأولية إلى معلومات إدراكية منظمة
3. تحميل (Load): تحميل البيانات المعالجة إلى نظام التخزين

نظام التخزين

• قاعدة بيانات الرسوم البيانية: تستخدم لتخزين العلاقات المعقدة بين الكيانات
• قاعدة بيانات المتجهات: تستخدم لاسترجاع التشابه الدلالي
• الاسترجاع المختلط: يجمع بين مزايا اجتياز الرسم البياني والبحث عن المتجهات

بداية سريعة

التثبيت

pip install cognee

مثال على الاستخدام الأساسي

import os
os.environ["LLM_API_KEY"] = "YOUR OPENAI_API_KEY"

import cognee
import asyncio

async def main():
    # إضافة نص إلى cognee
    await cognee.add("Natural language processing (NLP) is an interdisciplinary subfield of computer science and information retrieval.")
    
    # إنشاء رسم بياني معرفي
    await cognee.cognify()
    
    # الاستعلام عن الرسم البياني المعرفي
    results = await cognee.search("Tell me about NLP")
    
    # عرض النتائج
    for result in results:
        print(result)

if __name__ == '__main__':
    asyncio.run(main())

مثال على الإخراج

Natural Language Processing (NLP) is a cross-disciplinary and interdisciplinary field that involves computer science and information retrieval. It focuses on the interaction between computers and human language, enabling machines to understand and process natural language.

خيارات التكوين

تكوين متغيرات البيئة

إنشاء ملف .env للتكوين:

LLM_API_KEY=your_openai_api_key
# خيارات تكوين أخرى...

دعم موفري LLM المتعددين

• OpenAI
• Ollama
• موفرو LLM الرئيسيون الآخرون

سيناريوهات التطبيق

أنظمة الحوار الذكية

• الحفاظ على السياق: الحفاظ على ذاكرة حوار طويلة الأجل
• استجابات مخصصة: تقديم خدمات مخصصة بناءً على التفاعلات السابقة
• تراكم المعرفة: يصبح النظام أكثر ذكاءً بمرور الوقت مع الاستخدام

أنظمة إدارة المعرفة

• ربط المستندات: اكتشاف الروابط المخفية بين المستندات تلقائيًا
• الاسترجاع الذكي: استرجاع مركب يعتمد على الدلالات والعلاقات
• تصور الرسم البياني المعرفي: عرض بديهي لهيكل المعرفة

تطوير الوكيل الذكي بتقنية الذكاء الاصطناعي

• اتخاذ القرارات المدفوعة بالذاكرة: اتخاذ قرارات أفضل بناءً على الخبرة السابقة
• القدرة على التعلم: التعلم والتحسين من التفاعلات السابقة
• استمرارية المهام: الحفاظ على حالة المهمة بين جلسات متعددة

المزايا التقنية

تحسينات مقارنة بـ RAG التقليدية

1. ذاكرة منظمة: لا تخزن النصوص فحسب، بل تحفظ أيضًا العلاقات الدلالية
2. تحديث ديناميكي: نظام الذاكرة قادر على التعلم والتحديث باستمرار
3. استرجاع متعدد الأبعاد: يجمع بين التشابه المتجه وطرق استرجاع علاقات الرسم البياني
4. إدراك السياق: فهم أفضل للخلفية السياقية للاستعلام

سهولة الاستخدام للمطورين

• واجهة برمجة تطبيقات بسيطة (API): يمكن تحقيق الوظائف الأساسية ببضعة أسطر فقط من التعليمات البرمجية
• تصميم معياري: يمكن تخصيص خط أنابيب المعالجة وفقًا للاحتياجات
• وثائق غنية: وثائق وأمثلة استخدام كاملة
• دعم المجتمع: مجتمع مفتوح المصدر نشط

النظام البيئي للمشروع

المشاريع ذات الصلة

• cognee-starter: قالب بداية يحتوي على أمثلة
• cognee-community: مكونات إضافية وامتدادات يديرها المجتمع
• awesome-ai-memory: مجموعة مشاريع متعلقة بذاكرة الذكاء الاصطناعي

موارد المجتمع

• مستودع GitHub: https://github.com/topoteretes/cognee
• الموقع الرسمي: https://cognee.ai
• موقع الوثائق: https://docs.cognee.ai
• مجتمع Discord: منصة تواصل نشطة للمطورين

ملخص

يمثل Cognee اتجاهًا جديدًا في إدارة ذاكرة الذكاء الاصطناعي، حيث يوفر للمطورين حلاً كاملاً لبناء أنظمة ذاكرة ذكية من خلال واجهة برمجة تطبيقات سهلة الاستخدام وبنية تقنية قوية. سواء تم استخدامه لبناء أنظمة حوار ذكية أو منصات إدارة المعرفة أو وكلاء أذكياء معقدين بتقنية الذكاء الاصطناعي، يمكن لـ Cognee توفير دعم موثوق للبنية التحتية للذاكرة.