AI Agent Memory Nasıl Çalışır? SQLite ile Sıfırdan Kodluyoruz
Yapay zekâ uygulamaları bizi nasıl “hatırlıyor”? Bir AI agent geçmiş konuşmalardan hangi bilgileri saklıyor ve ihtiyaç duyduğunda bu bilgileri nasıl tekrar buluyor? Bu videoda AI Memory ve Memory Backend kavramlarını sıfırdan ele alıyorum. Konuyu sadece teoride bırakmayıp JavaScript ile hazırladığım basit bir memory backend üzerinden adım adım inceliyoruz. Embedding nedir, bir metin nasıl vector’e dönüşür, bu vectorler veritabanında nasıl saklanır ve Cosine Similarity kullanılarak aradığımız bilgi nasıl bulunur? Ayrıca embedding modellerinin ne yaptığını ve gerçek memory sistemlerinde hangi bilgilerin saklanacağına nasıl karar verildiğini konuşuyoruz. Videonun sonunda amacım şu sorunun cevabını netleştirmek: Bir yapay zekânın “hatırlaması” dediğimiz şey aslında nasıl çalışıyor? Konular: AI Memory, Memory Backend, Embedding, Vector, Cosine Similarity, Semantic Search, Vector Database, JavaScript, AI Agents. 00:00 Giriş ve AI Ajanlarında Memory Mekanizması Nedir? 00:54 Temel Problem: LLM'lerin "Stateless" (Hafızasız) Çalışması 01:41 Token Optimizasyonu ve Kullanıcı Deneyimi İçin Memory Kullanımı 02:47 Kod İncelemesi: SQLite ve Embedding Modeli Kurulumu 03:04 Metinleri Vektöre Çevirmek: Anlamsal İlişkiler ve Uzay Analojisi 05:01 Cosine Similarity (Kosinüs Benzerliği) Formülü ve Mantığı 05:25 "Remember" ve "Recall" Fonksiyonları: Veriyi Kaydetme ve Geri Çağırma 06:12 Uygulamalı Demo: SQLite Üzerinden Soru-Cevap ve Yakınsama Analizi 09:00 Matematiksel Arkaplan: Dot Product ve Vektör Yönleri 11:13 Görsel Üzerinden Vektör Uzayı ve Anlam Uzayı Analizi 13:14 AI Agent'lar Memory'yi Nasıl Yönetiyor? (Extract & Context Enrichment) 15:54 RAG (Retrieval-Augmented Generation) ile Benzerlikler ve Farklar 16:34 Kapanış ve Özet
Abdullah Uğraşkan · Diğer