‫حافظه Semantic Kernel: فروشگاه‌های برداری، جاسازی‌ها و جستجوی معنایی

Semantic Kernel یک سیستم حافظه معرفی کرده است که امکان ذخیره و بازیابی اطلاعات را با استفاده از بردارها و جاسازی‌ها فراهم می‌کند. این سیستم به برنامه‌های هوش مصنوعی اجازه می‌دهد تا اطلاعات قبلی را به خاطر بسپارند و از دانش سازمانی خود بهره‌مند شوند، که این امر به ویژه برای ربات‌های پشتیبانی مشتری مفید است. این سیستم با تبدیل متن خام به جاسازی‌های برداری کار می‌کند، که نمایش‌های عددی از معنای متن هستند. جاسازی‌های مشابه در فضای برداری به هم نزدیک هستند، که امکان جستجوی معنایی را فراهم می‌کند که قصد را درک می‌کند، نه فقط کلمات کلیدی. مدل‌های جاسازی، متن را به بردارهای با ابعاد بالا (معمولاً 1536 یا 3072 بعد) تبدیل می‌کنند. برای استفاده از این سیستم، توسعه‌دهندگان می‌توانند از سرویس embeddingService برای تولید جاسازی‌ها استفاده کنند و سپس آن‌ها را در حافظه ذخیره کنند. Metadata نیز می‌تواند همراه با هر رکورد ذخیره شود تا امکان فیلتر کردن و سازماندهی داده‌ها را فراهم کند. برای مثال، می‌توان اطلاعات مربوط به بلیط‌های پشتیبانی مشتری را با metadata مانند شناسه بلیط، عنوان، توضیحات، و غیره ذخیره کرد. جستجوی معنایی با استفاده از memory.SearchAsync انجام می‌شود که امکان جستجو بر اساس متن و تعیین حداقل امتیاز ارتباط (relevance score) را فراهم می‌کند. Semantic Kernel Memory یک راه حل قدرتمند برای افزودن حافظه و درک معنایی به برنامه‌های هوش مصنوعی مبتنی بر .NET است و به توسعه‌دهندگان کمک می‌کند تا برنامه‌هایی بسازند که می‌توانند با کاربران به طور موثرتری تعامل داشته باشند.