ذاكرة المهارات الإجرائية لأنظمة وكلاء LLM: البنية، المعيار، والحدود الصادقة لتنفيذ أول

تعمل أنظمة وكلاء الذكاء الاصطناعي الحالية بشكل رئيسي كمنفذين بدون حالة: فهي لا تحتفظ بالخبرة الإجرائية عبر المهام. أقترح خمس خصائص مرغوبة لأنظمة الوكلاء المعتمدة على الخبرة وأقدم OrKa Brain، نموذجًا أوليًا مفتوح المصدر ينفذ حلقة ذاكرة المهارات الإجرائية (التعلم، الحفظ، الاسترجاع، التطبيق، التعليق، التلاشي) ضمن إطار تعاوني لوكيل LLM قائم على YAML. أقيم النظام على معيار مكون من 30 مهمة ضمن مسارين (نقل عبر المجالات وتراكم ضمن نفس المجال) باستخدام بروتوكول تقييم LLM-كحكم. تظهر النتائج ميزة ثابتة ولكن متواضعة للحالة المعززة بالعقل: معدل فوز ثنائي بنسبة 63.3%، مع أقوى إشارة في الثقة المدركة (19/28 فوز). تبقى فروقات المقياس المطلقة صغيرة (+0.10 ككل على مقياس 10 نقاط)، مما يكشف عن تأثير سقف: فالLLM الأساسي يمتلك بالفعل المعرفة الإجرائية التي يسترجعها العقل. التنفيذ الحالي يستخدم استخراج الكلمات المفتاحية القائم على القواعد بدلاً من الفهم الدلالي، ويحمل المعيار تعقيدات كبيرة (طول غير متساوي للعمليات، نموذج واحد، تشغيل واحد). أُبلغ عن الإشارات الإيجابية والسلبية، وأحدد عنقات الزجاجة، وأوضح الفتحات المعمارية المصممة للتحديث التدريجي.