ทำให้ AI Agent จำงานข้ามเซสชันด้วยความจำระยะยาว

ความจำระยะยาวช่วยแก้ปัญหาที่ต้องเริ่มต้นใหม่ทุกครั้ง

ความจำ AI Agent คือระบบที่ช่วยให้เอเจนต์ค้นคืนข้อมูลสำคัญจากเซสชันก่อนหน้าและนำมาใช้กับงานปัจจุบัน โดยไม่ต้องใส่ประวัติการสนทนาทั้งหมดไว้ในคำสั่งทุกครั้ง ข้อมูลที่ควรเก็บได้แก่ความชอบ การตัดสินใจ เป้าหมาย และกฎที่ยังมีผลต่อการทำงานต่อไป ความจำระยะสั้นเก็บสถานะเฉพาะหน้า ส่วนความจำระยะยาวทำให้ข้อมูลที่มีประโยชน์คงอยู่เมื่อเริ่มเซสชันใหม่ได้

ปัญหานี้ชัดเจนขึ้นเมื่อต้องดูแลลูกค้าหลายราย นักพัฒนาที่เริ่มเซสชันใหม่ต้องอธิบายบริบท การตัดสินใจเดิม และกฎของลูกค้าซ้ำ ทั้งที่เครื่องมือแต่ละตัวอาจมีระบบความจำแยกกัน ผลเสียไม่ใช่แค่เสียเวลา แต่ยังเสี่ยงให้เอเจนต์กลับไปใช้แนวทางที่เคยถูกปฏิเสธแล้ว ความเห็นจากชุมชนนักพัฒนาจึงเสนอให้บันทึกบริบทเป็นไฟล์ข้อความ เช่น ไฟล์ topic.md ที่อัปเดตเมื่อจบเซสชัน และย้ายรายละเอียดเก่าไปเก็บในไฟล์สำรองเมื่อเนื้อหาหลักยาวเกินไป

แนวทางที่เหมาะไม่ใช่การเก็บทุกข้อความ แต่คือการค้นคืนเฉพาะสิ่งที่เกี่ยวข้องกับคำถาม แล้วบันทึกเฉพาะข้อมูลที่ยังมีประโยชน์ในอนาคต คู่มือพัฒนาที่ใช้ OpenAI Agents SDK กับ Mem0 แสดงวิธีสร้างวงจรค้นหา ใช้ และบันทึกความจำ ส่วนแนวทางจากชุมชนเน้นไฟล์ข้อความที่คนตรวจและแก้ไขได้ สำหรับการจัดการบริบท AI ที่ต้องแยกหลายลูกค้า ควรใช้ทั้งการค้นคืนและโครงสร้างไฟล์หรือรหัสแยกขอบเขต แทนการพึ่งประวัติแชตเพียงอย่างเดียว

ตั้งค่า OpenAI Agents SDK และ Mem0 ทีละขั้น

ตัวอย่างต่อไปนี้สร้างเอเจนต์ที่ค้นหาและบันทึกข้อมูลผ่าน Mem0 โดยใช้ OpenAI Agents SDK ก่อนเริ่ม ต้องมี Python และคีย์สำหรับบริการทั้งสอง ขั้นตอนติดตั้งและกำหนดคีย์ตามคู่มือมีดังนี้

1. ติดตั้งแพ็กเกจด้วยคำสั่ง pip install openai-agents mem0ai
2. กำหนด OPENAI_API_KEY และ MEM0_API_KEY ในตัวแปรสภาพแวดล้อมของระบบ
3. นำเข้า Agent, Runner และ function_tool จาก agents พร้อมนำเข้า MemoryClient จาก mem0
4. สร้าง MemoryClient และกำหนด USER_ID ให้ผู้ใช้แต่ละราย เพื่อแยกข้อมูลความจำออกจากกัน
5. สร้างเครื่องมือ search_memory ให้ค้นด้วยคำถามและดึงผลลัพธ์ที่เกี่ยวข้อง เช่น 5 รายการ โดยกรองตาม USER_ID
6. สร้างเครื่องมือ save_memory เพื่อส่งข้อเท็จจริงหรือการตั้งค่าที่ควรจำเข้า Mem0
7. ประกอบเครื่องมือทั้งสองเข้ากับเอเจนต์ และกำหนดคำสั่งให้ค้นความจำก่อนตอบ พร้อมบันทึกเฉพาะความชอบ เป้าหมาย และข้อเท็จจริงที่ใช้ต่อได้

จุดสำคัญคือการกำหนด USER_ID ให้ถูกต้อง เพราะ MemoryClient ใช้ตัวระบุนี้แยกความจำของผู้ใช้แต่ละราย เมื่อลองบันทึกว่าผู้ใช้ชอบ Python และใช้ uv จัดการโปรเจกต์ ในเซสชันถัดไปเอเจนต์สามารถค้นข้อมูลนั้นและแนะนำการตั้งค่าโปรเจกต์ให้สอดคล้องได้ แม้ปิดแล้วเปิดโปรแกรมใหม่ นี่คือประโยชน์ของ Mem0 สำหรับ AI เมื่อระบบถูกตั้งให้ค้นความจำก่อนใช้ ไม่ใช่เพียงมีฐานข้อมูลแต่ไม่มีขั้นตอนเรียกคืน

เชื่อม MCP และแยกบริบทข้ามลูกค้า

สำหรับเครื่องมือเขียนโค้ดที่รองรับ OpenCode สามารถเพิ่มเซิร์ฟเวอร์ MCP ของ Mem0 เพื่อเรียกเครื่องมือจัดการความจำจากภายในสภาพแวดล้อมทำงานได้ ใช้คำสั่งต่อไปนี้ แล้วเริ่มโปรแกรมใหม่เพื่อให้เครื่องมือพร้อมใช้งาน

npx mcp-add --name mem0-mcp --type http --url "https://mcp.mem0.ai/mcp" --clients "opencode"

หลังรีสตาร์ต OpenCode เอเจนต์จะเข้าถึงเครื่องมือเพิ่มและค้นความจำได้ เช่น add_memory และ search_memories ทำให้ไม่ต้องป้อนบริบทเดิมซ้ำทุกโปรเจกต์ แต่การเชื่อมต่อเครื่องมืออย่างเดียวไม่รับประกันว่าข้อมูลลูกค้าจะไม่ปะปน วิธีที่ชุมชนนักพัฒนาเล่าถึงคือแบ่งบริบทเป็นชั้น เช่น ระดับหลัก เอเจนต์ ลูกค้า และโปรเจกต์ หรือใช้ไฟล์แยกตามหัวข้อ ควรกำหนดรหัสลูกค้าและโปรเจกต์ให้ชัดในทุกการบันทึกและค้นคืน พร้อมตรวจว่าคำสั่งของเอเจนต์อ้างอิงขอบเขตที่ถูกต้อง

ไฟล์ข้อความมีข้อดีตรงที่อ่านและแก้ได้ง่าย ส่วน Mem0 ช่วยค้นข้อมูลตามความหมายแม้คำถามใหม่จะใช้ถ้อยคำไม่ตรงกับข้อความเดิม จึงไม่จำเป็นต้องเลือกอย่างใดอย่างหนึ่งทั้งหมด: ใช้ไฟล์เป็นแหล่งกฎและการตัดสินใจที่ต้องตรวจสอบได้ แล้วใช้ระบบความจำเพื่อค้นประเด็นที่เกี่ยวข้องตามงาน อย่างไรก็ตาม ประสบการณ์ในกระทู้ชุมชนเป็นข้อเสนอจากผู้ตอบ ไม่ใช่ผลทดสอบเปรียบเทียบหรือสถิติยืนยัน

ความจำที่ดีต้องคัดเลือกและตรวจสอบได้

การเพิ่มความจำให้เอเจนต์ไม่ควรหมายถึงเก็บทุกบทสนทนาโดยไม่คัดกรอง เพราะข้อมูลชั่วคราว รายละเอียดซ้ำ และการตัดสินใจที่เลิกใช้แล้วอาจทำให้คำตอบผิดทิศทาง คู่มือแนะนำให้บันทึกความชอบ เป้าหมาย และข้อเท็จจริงที่มีประโยชน์ระยะยาว พร้อมข้ามคำทักทาย ข้อมูลชั่วคราว และรายการซ้ำ ส่วนการทำสรุปไฟล์ควรเก็บประเด็นปัจจุบันไว้ในไฟล์หลักและย้ายรายละเอียดเต็มไปยังแฟ้มเก็บถาวรเมื่อจำเป็น

ในทางปฏิบัติ ควรทำให้การบันทึกเป็นส่วนหนึ่งของขั้นตอนจบงาน และให้เอเจนต์ยืนยันสั้น ๆ ว่าบันทึกอะไร จากนั้นทดสอบในเซสชันใหม่ด้วยคำถามที่เกี่ยวข้อง เพื่อดูว่าระบบค้นข้อมูลได้ตรงและไม่ดึงกฎของลูกค้ารายอื่นมาใช้ การออกแบบเช่นนี้ทำให้ความจำ AI Agent เป็นเครื่องมือช่วยทำงาน ไม่ใช่กล่องดำที่เพิ่มข้อมูลเข้าไปเรื่อย ๆ

ข้อสรุปคือ OpenAI Agents SDK และ Mem0 เหมาะกับการสร้างวงจรค้นหาและบันทึกความจำ ส่วน MCP ช่วยนำความสามารถนั้นไปใช้ในเครื่องมือเขียนโค้ด และไฟล์ข้อความยังเป็นทางเลือกที่โปร่งใสสำหรับเก็บกฎรายลูกค้าหรือประวัติการตัดสินใจ เลือกโครงสร้างที่ทีมตรวจสอบได้ แยกขอบเขตข้อมูลให้ชัด และบันทึกเฉพาะสิ่งที่ควรมีผลในอนาคต แล้วเอเจนต์จึงจะทำงานข้ามเซสชันได้ต่อเนื่องโดยไม่ต้องให้คนเริ่มอธิบายใหม่ทุกครั้ง