Joerg Hiller
22 फ़रवरी, 2026 04:38
LangChain ने विस्तार से बताया कि कैसे इसकी Agent Builder मेमोरी सिस्टम फाइलसिस्टम मेटाफर्स और COALA फ्रेमवर्क का उपयोग करके बिना कोड के लगातार सीखने वाले AI एजेंट बनाती है।
LangChain ने अपने LangSmith Agent Builder को पावर देने वाली मेमोरी आर्किटेक्चर का खुलासा किया है, जो एक फाइलसिस्टम-आधारित दृष्टिकोण को प्रकट करता है जो AI एजेंट्स को उपयोगकर्ताओं से कोड लिखने की आवश्यकता के बिना सत्रों में सीखने और अनुकूलित होने देता है।
कंपनी ने एक अपरंपरागत दांव लगाया: अधिकांश AI उत्पादों की तरह बाद में इसे जोड़ने के बजाय पहले दिन से मेमोरी को प्राथमिकता देना। उनका तर्क? Agent Builder टास्क-विशिष्ट एजेंट बनाता है, सामान्य-उद्देश्य वाले चैटबॉट नहीं। जब एक एजेंट बार-बार एक ही वर्कफ़्लो को संभालता है, तो मंगलवार के सत्र से सीखे गए पाठ बुधवार को स्वचालित रूप से लागू होने चाहिए।
मेमोरी के रूप में फाइलें
कस्टम मेमोरी इन्फ्रास्ट्रक्चर बनाने के बजाय, LangChain की टीम ने किसी ऐसी चीज़ का उपयोग किया जिसे LLMs पहले से अच्छी तरह समझते हैं—फाइलसिस्टम। सिस्टम एजेंट मेमोरी को फाइलों के संग्रह के रूप में दर्शाता है, हालांकि वे वास्तव में Postgres में संग्रहीत होती हैं और एजेंटों को एक वर्चुअल फाइलसिस्टम के रूप में उजागर की जाती हैं।
आर्किटेक्चर सीधे COALA रिसर्च पेपर की तीन मेमोरी श्रेणियों से मेल खाता है। प्रोसीजरल मेमोरी—एजेंट व्यवहार को चलाने वाले नियम—AGENTS.md फाइलों और tools.json कॉन्फ़िगरेशन में रहती है। सिमेंटिक मेमोरी, जो तथ्यों और विशेष ज्ञान को कवर करती है, स्किल फाइलों में रहती है। टीम ने जानबूझकर प्रारंभिक रिलीज के लिए एपिसोडिक मेमोरी (पिछले व्यवहार के रिकॉर्ड) को छोड़ दिया, यह दांव लगाते हुए कि यह उनके उपयोग के मामले के लिए कम मायने रखता है।
जहां संभव हो मानक प्रारूप जीते: मुख्य निर्देशों के लिए AGENTS.md, विशेष कार्यों के लिए एजेंट स्किल्स, और सबएजेंटों के लिए Claude Code से प्रेरित प्रारूप। एक अपवाद? मानक mcp.json के बजाय एक कस्टम tools.json फाइल, जो उपयोगकर्ताओं को MCP सर्वर से केवल विशिष्ट टूल्स को उजागर करने और संदर्भ ओवरफ्लो से बचने की अनुमति देती है।
मेमोरी जो खुद को बनाती है
व्यावहारिक परिणाम: एजेंट जो कॉन्फ़िगरेशन के बजाय सुधार के माध्यम से सुधार करते हैं। LangChain ने एक मीटिंग समराइज़र उदाहरण के माध्यम से बताया जहां उपयोगकर्ता की सरल "बुलेट पॉइंट्स का उपयोग करें" फीडबैक ने स्वचालित रूप से एजेंट की AGENTS.md फाइल को अपडेट किया। तीसरे महीने तक, एजेंट ने फॉर्मेटिंग प्राथमिकताएं, मीटिंग-प्रकार हैंडलिंग नियम, और प्रतिभागी-विशिष्ट निर्देश जमा कर लिए थे—सभी मैन्युअल कॉन्फ़िगरेशन के बिना।
इसे बनाना आसान नहीं था। टीम ने एक व्यक्ति को पूर्णकालिक रूप से केवल मेमोरी-संबंधित प्रॉम्प्टिंग के लिए समर्पित किया, जैसे मुद्दों को हल करना जब एजेंटों को याद नहीं रखना चाहिए या गलत फाइल प्रकारों में लिखना। एक प्रमुख सबक: एजेंट जानकारी जोड़ने में उत्कृष्ट हैं लेकिन समेकन में संघर्ष करते हैं। एक ईमेल सहायक ने "सभी कोल्ड आउटरीच को अनदेखा करें" को सामान्यीकृत करने के बजाय अनदेखा करने के लिए प्रत्येक विक्रेता को सूचीबद्ध करना शुरू कर दिया।
मानवीय अनुमोदन आवश्यक
डिफ़ॉल्ट रूप से सभी मेमोरी संपादनों के लिए स्पष्ट मानवीय अनुमोदन की आवश्यकता होती है—प्रॉम्प्ट इंजेक्शन हमलों के खिलाफ एक सुरक्षा उपाय। उपयोगकर्ता इस "yolo mode" को अक्षम कर सकते हैं यदि वे विरोधी इनपुट के बारे में कम चिंतित हैं।
फाइलसिस्टम दृष्टिकोण पोर्टेबिलिटी को सक्षम करता है जिससे लॉक-इन DSL मेल नहीं खा सकते। Agent Builder में बनाए गए एजेंट सैद्धांतिक रूप से Deep Agents CLI, Claude Code, या OpenCode पर न्यूनतम घर्षण के साथ चल सकते हैं।
क्या आ रहा है
LangChain ने कई नियोजित सुधारों की रूपरेखा दी: फाइलों के रूप में बातचीत इतिहास को उजागर करने के माध्यम से एपिसोडिक मेमोरी, छूटी हुई सीख को पकड़ने के लिए दैनिक चलने वाली बैकग्राउंड मेमोरी प्रक्रियाएं, एक स्पष्ट /remember कमांड, बेसिक grep से परे सिमेंटिक सर्च, और उपयोगकर्ता-स्तर या संगठन-स्तर की मेमोरी पदानुक्रम।
AI एजेंट बनाने वाले डेवलपर्स के लिए, यहां तकनीकी विकल्प महत्वपूर्ण हैं। फाइलसिस्टम मेटाफर कस्टम मेमोरी APIs की जटिलता को दरकिनार करता है जबकि LLM-नेटिव बना रहता है। क्या यह दृष्टिकोण स्केल करता है जब एजेंट अधिक जटिल, लंबे समय तक चलने वाले कार्यों को संभालते हैं यह एक खुला प्रश्न बना हुआ है—लेकिन LangChain दांव लगा रहा है कि नो-कोड एजेंट बिल्डिंग के लिए फाइलें फ्रेमवर्क को हराती हैं।
छवि स्रोत: Shutterstock
स्रोत: https://blockchain.news/news/langchain-agent-builder-memory-system-architecture
