حافظه در LangChain چیست و چرا مدلها ذاتاً فراموشکار هستند؟
APIهای مدل زبانی مثل endpoint سازگار با OpenAI اپکس۲۴ (POST /v1/chat/completions) یک تابع ریاضی خالصاند: ورودی آرایهای از پیامها میگیرند و یک پیام خروجی برمیگردانند؛ تمام. سرور پس از پاسخ، هیچ وضعیتی از شما نگه نمیدارد. پس وقتی میگوییم «چتبات حافظه دارد»، در واقع داریم دربارهٔ کد خودمان حرف میزنیم که پیامهای قبلی را جایی ذخیره کرده و در درخواست بعدی، بالای پیام جدید، دوباره میفرستد. مدل هر بار کل این متن را از صفر میخواند و انگار اولین بار است که آن را میبیند — اما چون متن کامل است، رفتارش مثل موجودی حافظهدار میشود.
- مدل به «اسم من چه بود؟» پاسخ میدهد: «متأسفم، اطلاعی ندارم» — چون تاریخچه ارسال نشده است.
- در هر درخواست فقط آخرین پیام را میفرستید و نتایج بیربط میگیرید — تاریخچه در مسیر نیست.
- همان سؤال را دو بار میپرسید و دو پاسخ متفاوت و مستقل میگیرید — هر request ایزوله پردازش میشود.
سه نسل حافظه در LangChain: از بافر خام تا checkpointer
سردرگمی اصلی توسعهدهندگان فارسیزبان از اینجا شروع میشود: آموزشهای سال ۲۰۲۳ با ConversationBufferMemory شروع میکنند، آموزشهای ۲۰۲۴ با RunnableWithMessageHistory ادامه میدهند و مستندات امروز با StateGraph و InMemorySaver. هر سه در محتوای وب زندهاند و هر سه «کار میکنند» — اما دو تای اول مسیر بازنشستگی را طی کردهاند. اگر تفاوت نسلها را ندانید، یا کد منسوخ مینویسید که warning میدهد، یا معماری میسازید که در نسخه بعدی میشکند.




