💬 NLP

Semantic XPath: Structured Agentic Memory Access for Conversational AI

تقترح هذه الورقة البحثية "Semantic XPath"، وهي وحدة ذاكرة ذات بنية شجرية تتفوق بشكل كبير على النماذج المرجعية القائمة على الـ RAG المسطح، وتخفض استهلاك الرموز (tokens) بشكل جذري مقارنة بالذاكرة القائمة على السياق، مما يتيح أنظمة ذكاء اصطنا-ي محادثية موجهة للمهام طويلة الأمد أكثر كفاءة وقابلية للتوسع.

المؤلفون الأصليون: Yifan Simon Liu, Ruifan Wu, Liam Gallagher, Jiazhou Liang, Armin Toroghi, Scott Sanner

نُشر 2026-03-03

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Yifan Simon Liu, Ruifan Wu, Liam Gallagher, Jiazhou Liang, Armin Toroghi, Scott Sanner

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل أنك تتحدث إلى وكيل سفر ذكي للغاية، ولكنه نساي قليلاً، يدعى "AI".

المشكلة: "الجدار الطوبي" و"خزانة الملفات الفوضوية"

حالياً، هناك طريقتان رئيسيتان لتذكر وكلاء الذكاء الاصطناعي للأشياء، وكلتاهما تعاني من عيوب كبيرة:

"الجدار الطوبي" (الذاكرة داخل السياق - In-Context Memory):
تخيل أنك تتحدث إلى الوكيل، وفي كل مرة تقول فيها شيئاً، يقوم بلصق كامل سجل محادثتك على جدار طوبي ضخم أمامهم.

المشكلة: في النهاية، سيصبح الجدار ضخماً جداً لدرجة أن الوكيل لا يستطيع رؤية الجدار بأكمله. يبدأ في نسيان بداية المحادثة، ويصاب بالارتباك، ويرتكب الأخطاء. بالإضافة إلى ذلك، فإن بناء جدار بهذا الحجم يكلف ثروة (من حيث "التوكنز" أو العملات الرقمية/المالية).
التشبيه: الأمر يشبه محاولة قراءة رواية مكونة من 500 صفحة للعثور على جملة واحدة محددة عن القهوة. عليك قراءة الكتاب بأكمله في كل مرة تطرح فيها سؤالاً.

"خزانة الملفات الفوضوية" (RAG المسطح - Flat RAG):
لإصلاح مشكلة الجدار، بدأ المطورون في استخدام نظام "استرجاع" (Retrieval). بدلاً من الجدار، يقومون بإلقاء جميع ملاحظات محادثتك في كومة ضخمة ومسطحة من الأوراق على الأرض. عندما تطرح سؤالاً، يلتقط الذكاء الاصطناائي الأوراق التي تبدو الأكثر تشابهاً مع سؤالك.

المشكلة: هذا يتجاهل كيفية تنظيم الأشياء فعلياً. إذا قلت: "أضف استراحة قهوة في اليوم الذي يحتوي على أكبر عدد من الاجتماعات"، فقد يلتقط الذكاء الاصطناعي ورقة حول الاجتماعات من "اليوم الأول" بدلاً من "اليوم الثالث"، لأنه يرى فقط كلمة "اجتماع" ويلتقط أول شيء يجده. إنه يفتقر إلى الإحساس بالهيكلية.
التشبيه: الأمر يشبه أن تطلب من أمين مكتبة "الكتاب الذي يتحدث عن القطط في الرف الثالث"، فيقوم هو فقط بإعطائك أول كتاب يراه عليه كلمة "قطة" على الغلاف، حتى لو كان في ممر خاطئ.

الحل: "الشجرة الذكية" (Semantic XPath)

يقترح مؤلفو هذه الورقة طريقة جديدة لتنظيم الذاكرة تسمى Semantic XPath.

تخيل أن ذاكرتك ليست جداراً أو كومة فوضوية، بل هي شجرة حية ومنظمة.

الجذع هو رحلتك الرئيسية (مثل: "مؤتمر ACL لمدة 3 أيام").
الأغصان هي الأيام (اليوم 1، اليوم 2، اليوم 3).
الأوراق هي الأنشطة المحددة (قهوة، ورشة عمل، عشاء).

كيف يعمل ذلك:
بدلاً من قراءة الجدار بأكمله أو البحث في كومة فوضوية، يستخدم الذكاء الاصطناعي "لغة بحث خاصة" (مثل نظام تحديد المواقع GPS لذاكرة شجرتك) للقفز مباشرة إلى الغصن الصحيح.

الاستعلام السحري: عندما تقول: "أضف استراحة قهوة إلى اليوم المليء بالاجتماعات"، فإن الذكاء الاصطناعي لا يخمن. بل يقوم بتشغيل استعلام مثل: "اذهب إلى أغصان 'اليوم'، ابحث في أوراق 'الاجتماعات'، احسب أي غصن يحتوي على أكبر عدد من الأوراق، وتوقف هناك."
النتيجة: يجد "اليوم الثاني" فوراً، ويضيف استراحة القهوة، ويحدث ذلك الغصن المحدد دون المساس ببقية الشجرة.

لماذا يعد هذا أمراً مهماً؟

اختبر المؤلفون طريقة "الشجرة" الجديدة هذه مقابل طريقة "الجدار" وطريقة "الكومة الفوضوية" القديمة بنتائج مذهلة:

أكثر ذكاءً: حصلت على الإجابة الصحيحة أكثر بنسبة 176% من طريقة الكومة الفوضوية. لقد فهمت هيكلية رحلتك، وليس مجرد الكلمات المفتاحية.
أرخص: استخدمت أقل بنسبة 90% من قدرة الكمبيوتر (التوكنز) مقارنة بطريقة "الجدار الطوبي". إنه يشبه إرسال بطاقة بريدية بدلاً من إرسال موسوعة مكونة من 500 صفحة.
أكثر استقراراً: مع استمرار المحادثة (أيام أكثر، مهام أكثر)، تصبح طريقة "الجدار" أبطأ وأكثر تكلفة، لكن طريقة "الشجرة" تظل سريعة ورخيصة لأنها تنظر فقط إلى الغصن المحدد الذي تحتاجه.

العرض التجريبي: "الدردشة عبر Semantic XPath"

قام المؤلفون أيضاً ببناء نظام عرض تجريبي حي (مثل لوحة تحكم مرئية).

الشاشة اليسرى: أنت تدردش مع الذكاء الاصطناعي.
الشاشة الوسطى: ترى "الشجرة" وهي تنمو. عندما تطرح سؤالاً، يمكنك مشاهدة الذكاء الاصطناعي وهو يسلط الض الضوء بالضبط على الغصن الذي يبحث فيه.
الشاشة اليمنى: ترى الرياضيات وراء القرار (على سبيل المثال: "اليوم الثاني كان لديه تطابق بنسبة 90% مع 'يوم مزدحم'").

الخلاصة

تشير هذه الورقة إلى أنه لكي يكون الذكاء الاصطناعي مفيداً حقاً في المهام طويلة الأمد (مثل التخطيط لرحلة، أو إدارة قائمة مهام، أو طبخ وجبات أسبوع كامل)، يجب أن يتوقف عن معاملة الذاكرة ككومة ضخمة من النصوص ويبدأ في معاملتها كـ شجرة منظمة وهيكلية.

من خلال استخدام Semantic XPath، نحن نمنح الذكاء الاصطناعي خريطة بدلاً من عدسة مكبرة، مما يسمح له بالتنقل في المحادثات المعقدة والطويلة بكل سهولة وسرعة ودقة.

إليك ملخص تقني مفصل لورقة البحث بعنوان "Semantic XPath: Structured Agentic Memory Access for Conversational AI" (سيمانتيك إكس باث: الوصول إلى الذاكرة الوكيلية المهيكلة للذكاء الاصطناي التوليدي الحواري).

1. بيان المشكلة

تتطلب وكلاء الذكاء الاصطناعي الحواري (ConvAI) بشكل متزايد ذاكرة مهيكلة لدعم التفاعلات طويلة الأمد والموجهة نحو المهام (مثل: تخطيط السفر، قوائم المهام، إدارة الوصفات). تواجه الأساليب الحالية عقبتين رئيسيتين:

الذاكرة داخل السياق (In-Context Memory): وهي إضافة تاريخ المحادثة الكامل إلى مدخلات النموذج. يتوسع هذا الأسلوب بشكل سيئ بسبب حدود نافذة السياق، ويتسبب في تكاليف توكنز (Tokens) عالية وزمن استجابة مرتفع، ويؤدي إلى ضعف الاستنتاج والهلوسة مع نمو السياق. تظهر النتائج التجريبية أن هذا النهج يفشل في تلبية 50% من طلبات المستخدم بعد خمس جولات تفاعل فقط.
استرجاع البيانات المعزز (RAG) المسطح (Flat RAG): رغم أنه أكثر كفاءة من أساليب السياق، إلا أن معظم أنظمة RAG تعامل الذاكرة كـ مجموعة مسطحة من العناصر. إنها تتجاهل الهيكل الهرمي الطبيعي لمخرجات المهام (على سبيل المثال: مسار الرحلة $\leftarrow$ اليوم $\leftarrow$ النشاط). هذا الافتقار إلى الهيكلية يسبب أخطاء في الاسترجاع، مثل استرجاع أنشطة من يوم خاطئ عندما يطلب المستخدم تعديل جزء معين من الخطة.

2. المنهجية: Semantic XPath

يقترح المؤلفون Semantic XPath، وهو وحدة ذاكرة ذات بنية شجرية مصممة لاسترجاع وتحديث الجزء الفرعي ذي الصلة فقط من ذاكرة المحادثة.

أ. نموذج البيانات

تتم تمثيل الذاكرة كـ شجرة جذرية $T = (V, E, r)$ ، حيث:

تمثل العقد ( $v$ ) وحدات حالة المحادثة (مثل: مسار الرحلة، الإصدار، اليوم، نقطة الاهتمام).
تمثل الحواف ( $E$ ) علاقات الأب والابن.
يحدد المخطط (Schema) أنواع العقد والسمات، مما يلتقط الهيكل الهرمي الطبيعي للمهمة (مثل: مسار الرحلة $\leftarrow$ الإصدار $\leftarrow$ اليوم $\leftarrow$ نقطة الاهتمام).

ب. لغة الاستعلام (Semantic XPath)

يستخدم النظام لغة استعلام بأسلوب XPath معززة بـ عوامل الارتباط الدلالي (Semantic Relevance Operators). يتكون الاستعلام من خطوات تحتوي على:

متنقل المحور (Axis Navigator): منطق التنقل (/ للأبناء، // للأحفاد/المنحدرين).
محدد العقدة (Node Selector): أنواع عقد محددة أو رموز عامة.
المحدد الموضعي (Positional Selector): اختيار قائم على الفهرس (مثل: [3] لليوم الثالث).
عامل الارتباط الدلالي (Semantic Relevance Operator): وهو الابتكار الجوهري. بدلاً من المطابقة النصية الدقيقة، فإنه يخصص درجة صلة للعقد بناءً على التشابه الدلالي أو الاستلزام.
- العوامل المحلية (Local Operators): تطابق محتوى العقدة مع سلسلة نصية (مثل: [node $\approx$ "conference"]).
- عوامل التجميع (Aggregation Operators): تجمع الدرجات عبر الأبناء (مثل: avg للمتوسط، max للحد الأقصى، min للحد الأدنى) لتقييم الخصائص الهيكلية (مثل: "أي يوم هو مزدحم بالمؤتمرات؟").

ج. خط أنابيب التنفيذ (Execution Pipeline)

الترجمة: تُترجم طلبات اللغة الطبيعية للمستخدم إلى استعلامات Semantic XPath مستندة إلى مخطط الذاكرة.
التنفيذ: تقوم دالة تقييم عودية (Recursive) بالتنقل عبر الشجرة، حيث تطبق المتنقلات لتصفية العقد وعوامل الارتباط الدلالي لتسجيل درجاتها.
الاختيار: يختار النظام الهيكل الفرعي الأعلى تصنيفاً (العقد وأشجارها الفرعية) لتمريره إلى نموذج اللغة الكبير (LLM) لغرض التوليد أو التعديل.
التحديث: تؤدي التعديلات (مثل إضافة نشاط) إلى إنشاء فروع إصدارات جديدة في الشجرة، مما يحافظ على سجل المراجعات.

د. تنفيذ النظام

قدم المؤلفون نظام عرض تجريبي متكامل باسم SemanticXPath Chat، والذي يوضح:

عرض المحادثة: واجهة دردشة قياسية.
عرض الذاكرة: شجرة مرئية تسلط الضوء على المسار المسترجع.
عرض التنفيذ: تحليل خطوة بخطوة لتنفيذ الاستعلام والتسجيل الدلالي.

3. المساهمات الرئيسية

إطار عمل Semantic XPath: وحدة ذاكرة مبتكرة ذات بنية شجرية تجمع بين التنقل الهرمي والتسجيل الدلالي، مما يتيح استرجاعاً دقيقاً للهياكل الفرعية المحددة.
الكفاءة والأداء: أثبتت الطريقة تفوقها على نماذج Flat RAG الأساسية بنسبة 176.7% في الأداء، بينما استخدمت 9.1% فقط من التوكنز المطلوبة من قبل ذاكرة السياق.
SemanticXPath Chat: نظام تفاعلي مفتوح يوضح تصور الذاكرة المهيكلة وتنفيذ الاستعلام، ليكون مرجعاً لتطوير أنظمة الذكاء الاصطناعي الحواري المستقبلية.

4. النتائج التجريبية

تم تقييم النظام في ثلاثة مجالات: مسار الرحلة (Travel Itinerary)، قائمة المهام (To-Do List)، و توصيات وجبات الطعام (Meal Kit Recommendation)، باستخدام GPT-5 mini و Gemini-3 flash كنماذج أساسية.

أداء الجولة الواحدة (Single-Turn Performance):
- معدل النجاح (Pass Rate): حقق Semantic XPath معدل نجاح يضاهي نموذج السياق الأساسي ويتفوق بشكل كبير على Flat RAG. غالباً ما فشل Flat RAG في تحديد نطاق النتائج بشكل صحيح (مثل استرجاع الأنشطة الخارجية للرحلة بأكملها بدلاً من يوم ممطر محدد).
- استخدام التوكنز (Token Usage): استخدم Semantic XPath توكنز أقل بنحو 5 أضعاف من طريقة السياق.
أداء الجولات المتعددة (Multi-Turn Performance):
- الاستقرار: مع زيادة جولات المحادثة، انخفض معدل نجاح نموذج السياق بشكل كبير بسبب ارتباك السياق. حافظ Semantic XPath على معدل نجاح عالٍ ومستقر من خلال استرجاع البيانات ذات الصلة فقط.
- القابلية للتوسع (Scalability): نما استخدام التوكنز في ذاكرة السياكن خطياً مع طول المحادثة. أما Semantic XPath فقد حافظ على استهلاك مستقر للتوكنز بغض النظر عن عدد الجولات، لأنه يقوم بتصفية التاريخ غير ذي الصلة.

5. الأهمية والأثر المستقبلي

الجيل القادم من الذكاء الاصطناعي الحواري (Next-Gen ConvAI): يوفر هذا العمل بنية مرشحة قوية للجيل القادم من الوكلاء طويلي الأمد والموجهين نحو المهام، بالانتقال من مجرد استرجاع النصوص البسيطة إلى الاستنتاج المدرك للهيكل.
كفاءة التكلفة: من خلال تقليل استخدام التوكنز بشكل جذري مع تحسين الدقة، فإنه يجعل التفاعلات الطويلة للوكلاء ممكنة اقتصادياً وتقنياً.
إطار عمل للمطورين: يقدم الإطار المقترح مخططاً عملياً للمطورين لبناء أنظمة ذاكرة تحترم الطبيعة الهرمية للمهام المعقدة، مما يقلل من الهلوسة ويحسن الموثوقية في البيئات الديناميكية.

الخلاصة: يعمل Semantic XPath بفعالية على سد الفجوة بين التعقيد الهيكلي لذاكرة المهام وقدرات الاسترجاع لنماذج اللغة الكبيرة، مما يوفر حلاً قابلاً للتوسع، فعالاً، ودقيقاً لوكلاء المحادثة طويلي الأمد.