GraphRAG اور مستقل سیاق و سباق کی یادداشت (persistent contextual memory) کو اب AI چیٹ بوٹس میں شامل کیا جا رہا ہے تاکہ گفتگو صفحہ ریفریش کرنے یا نیا براؤزر ٹیب کھولنے پر بھی برقرار رہے۔ ڈویلپرز کا کہنا ہے کہ یہ مجموعہ اس "tab-kill" بھولنے کے عمل کو ختم کرتا ہے جس سے زیادہ تر بات چیت کرنے والے اسسٹنٹس کے صارفین پریشان رہتے ہیں۔

پرانا طریقہ کار کیوں ناکام رہتا ہے

زیادہ تر چیٹ پر مبنی AI سسٹمز معیاری Retrieval-Augmented Generation (RAG) پر انحصار کرتے ہیں۔ یہ پائپ لائن موجودہ سوال سے ملتے جلتے متن کے ٹکڑے نکالتی ہے، انہیں لینگویج ماڈل کو فراہم کرتی ہے، اور جواب واپس کرتی ہے۔ کسی ایک حقیقت کی تلاش کے لیے—مثلاً "فرانس کا دارالحکومت کیا ہے؟"—یہ طریقہ کار اچھا کام کرتا ہے۔

لیکن RAG صارف کے ہر ان پٹ کو ایک الگ درخواست کے طور پر لیتا ہے۔ جب کوئی فالو اپ (follow-up) منٹوں پہلے کہی گئی بات پر منحصر ہو، تو ماڈل کے پاس اس سیاق و سباق کی کوئی یادداشت نہیں ہوتی۔ اس کا نتیجہ ایک ایسا چیٹ بوٹ ہوتا ہے جو آپ سے اپنی بات دہرانے کو کہتا ہے یا ایسا جواب دیتا ہے جو پہلے کی تفصیلات کو نظر انداز کر دیتا ہے۔ مسئلہ ذہانت کی کمی نہیں ہے؛ بلکہ یہ "اسٹیٹ" (state) یعنی حالت کی کمی ہے۔

GraphRAG: سادہ متن کو ایک نیٹ ورک میں بدلنا

GraphRAG معلومات نکالنے کے مرحلے کو ایک نئی شکل دیتا ہے۔ غیر متعلقہ متن کے ٹکڑوں کی فہرست کے بجائے، یہ ایک گراف (graph) تشکیل دیتا ہے:

  • Nodes ایسی اکائیوں کی نمائندگی کرتے ہیں جیسے کہ لوگ، مصنوعات، یا واقعات۔
  • Edges ان کے درمیان تعلقات کو ظاہر کرتے ہیں—کون کیا فراہم کرتا ہے، کون سا پروجیکٹ کس جزو پر منحصر ہے، وغیرہ۔

چونکہ گراف تعلقات کو محفوظ کرتا ہے، اس لیے سسٹم کثیر مرحلہ وار استدلال (multi-hop reasoning) کر سکتا ہے: یہ ایک سوال کا جواب دینے کے لیے کئی دستاویزات میں حقائق کے سلسلے کا پیچھا کر سکتا ہے جو کہ سادہ متن کی تلاش کے لیے مشکل ہوتا ہے۔ یہ پورے سب-گراف (sub-graphs) کا خلاصہ بھی تیار کر سکتا ہے، جس سے صارفین کو بکھرے ہوئے اقتباسات کے بجائے کسی موضوع کا جامع جائزہ ملتا ہے۔

سیاق و سباق کی یادداشت: گفتگو کو یاد رکھنا

مستقل سیاق و سباق کی یادداشت (persistent contextual memory) گراف کے اوپر ایک زمانی تہہ (temporal layer) کا اضافہ کرتی ہے۔ یہ تین حصوں میں تقسیم ہے:

  • مختصر مدتی یادداشت (Short-term memory) موجودہ مرحلہ وار مکالمے کو محفوظ رکھتی ہے، تاکہ صارف کو چند جملے پہلے کہی گئی بات دوبارہ دہرانے کی ضرورت نہ پڑے۔
  • طویل مدتی یادداشت (Long-term memory) مختلف سیشنز کے دوران صارف کے بارے میں منتخب حقائق ریکارڈ کرتی ہے—جیسے پسندیدہ زبان، بار بار پیش آنے والے مسائل، یا سابقہ خریداریوں وغیرہ۔
  • منتخب یادداشت (Selective memory) فیصلہ کرتی ہے کہ کیا رکھنا ہے، اور اسٹوریج کو ضرورت سے زیادہ بھرنے سے بچنے کے لیے غیر ضروری الفاظ اور غیر متعلقہ باتوں کو نکال دیتی ہے۔

جب کوئی صارف ٹیب بند کرنے کے بعد واپس آتا ہے، تو طویل مدتی اسٹور متعلقہ پس منظر سامنے لا سکتا ہے، جس سے چیٹ بوٹ وہیں سے بات شروع کر سکتا ہے جہاں پچھلا سیشن ختم ہوا تھا۔

ہر ٹول کا استعمال کب کریں

  • سادہ حقائق کی جانچ کے لیے معیاری RAG کا استعمال کریں جہاں تعلق ٹوٹنے کا نقصان کم ہو۔
  • GraphRAG کا استعمال تب کریں جب غلط جواب کا نقصان زیادہ ہو، یا جب جواب کے لیے متعدد دستاویزات میں پھیلی ہوئی معلومات کو جوڑنے کی ضرورت ہو۔
  • سیاق و سباق کی یادداشت (contextual memory) تب شامل کریں اگر ایپلی کیشن کے لیے ضروری ہو کہ وہ واپس آنے والے صارفین کو پہچانے یا دنوں یا ہفتوں تک ذاتی تسلسل برقرار رکھے۔

ان تہوں کو بنانا کوئی آسان کام نہیں ہے۔ جیسے جیسے اصل ڈیٹا تبدیل ہوتا ہے، GraphRAG انڈیکس کو تازہ کرنا پڑتا ہے، اور میموری اسٹور کو ایسی پالیسیوں کی ضرورت ہوتی ہے جو مطابقت اور اسٹوریج کی لاگت کے درمیان توازن برقرار رکھیں۔ ضرورت سے زیادہ معلومات کو محفوظ کرنا—یعنی کہی گئی ہر بات کو محفوظ کرنا—تیزی سے معلومات نکالنے کے عمل کو سست کر دیتا ہے اور ماڈل کو شور (noise) میں غرق کر دیتا ہے۔

توازن (The trade-off)

سیاق و سباق کی یادداشت بھولنے کے مسئلے کو حل کرتی ہے۔ اس کا نقصان آپریشنل ہے: ایک لائیو گراف اور منتخب میموری کیش (memory cache) کو برقرار رکھنے کے لیے مسلسل انجینئرنگ کی کوششوں کی ضرورت ہوتی ہے۔

آگے کیا دیکھیں

خلاصہ: GraphRAG تعلقاتی ڈھانچہ (relational backbone) فراہم کرتا ہے، جبکہ مستقل سیاق و سباق کی یادداشت زمانی جوڑ (temporal glue) کا کام کرتی ہے۔ مل کر یہ چیٹ بوٹس کو ٹیبز اور سیشنز کے دوران گفتگو کا تسلسل برقرار رکھنے کے قابل بناتے ہیں، جس سے ایک پریشان کن ری سیٹ (reset) ایک ہموار گفتگو میں بدل جاتا ہے۔