أصبح بإمكانك – مع Memento – تدريب وتخصيص وكيلك الذكي دون المساس بأوزان النموذج
لك أن تتصور وكيلك الذكي وهو يتعلم من التجربة ويحسن أداءه مع الوقت، دون أي عملية Fine-Tuning أو تعديل في أوزان الـLLM نفسها !!
فكرة مذهلة .. أليس كذلك !!!!!
هذا بالضبط ما يفعله Memento – إطار بحثي جديد يعيد تعريف مفهوم التعلم المستمر عبر الذاكرة، لا عبر التحديثات الحسابية المكلفة ؛؛
:: الفكرة الجوهرية ::
بدلًا من تعديل أوزان النموذج، يقوم Memento بتخزين الخبرات السابقة في ذاكرة تفاعلية، ثم يستخدمها لتعلم المهام المستقبلية
الأمر وكأنك تعطي لوكيلك “دفتر ملاحظات” يدون فيه كل تجربة ناجحة وفاشلة ليحسن من نفسه باستمرار.
كيف يعمل Memento 
يتكون النظام من مكونين رئيسيين ::
الاستدلال القائم على الحالات (Case-Based Reasoning – CBR):
يحلل المهام المعقدة ويقسمها إلى مهام فرعية، ثم يستدعي التجارب السابقة ذات الصلة – بدون الحاجة لأي تدرجات أو عمليات تدريبية.
المنفذ (Executor):
ينفذ كل مهمة فرعية باستخدام أدوات MCP (Model Context Protocol)، ثم يسجل النتائج في الذاكرة لتصبح مرجعًا لاحقًا.
يمتلك الوكيل – من خلال MCP – وصولًا إلى أدوات قوية تشمل ::
البحث عبر الإنترنت
التعامل مع المستندات
تنفيذ Python الآمن
تحليل البيانات
معالجة الوسائط
تمهد الأنظمة مثل Memento الطريق لجيل جديد من الوكلاء الأذكياء القادرين على التطور من خبراتهم دون إعادة تدريب مكلفة.
“الذاكرة ليست فقط وسيلة للتذكر، بل أداة للتطور.”
الرابط 
سوريا
مصر
الإمارات
السعودية
قطر
