Part of ความจำระยะยาวของ AI

RAG Memory: ความจำของ AI ที่ค้นคืนจากฐานข้อมูลภายนอก

RAG Memory คือแนวทางที่เก็บความจำของเอเจนต์ AI ไว้นอกโมเดล ในฐานข้อมูลเวกเตอร์หรือกราฟความรู้ แล้วค้นคืนเฉพาะส่วนที่เกี่ยวกับคำถามมาใส่ในหน้าต่างบริบท (context window) ทุกครั้งที่ทำงาน แนวทางนี้รองรับข้อมูลได้มากและอัปเดตได้ตลอด แต่ความรู้ไม่ได้ถูกสังเคราะห์เก็บไว้ล่วงหน้าเหมือน LLM Wiki

ความจำแบบค้นคืนทำงานอย่างไร

ระบบ RAG Memory มีสองเส้นทางที่ทำงานแยกกัน

เส้นทางเขียน (write path) เกิดเมื่อมีข้อมูลใหม่ เช่น ข้อความในแชทหรือเอกสาร ระบบจะแยกข้อเท็จจริงสำคัญออกมา (fact extraction) แปลงเป็นเวกเตอร์ฝังตัว (embedding) แล้วเก็บลงฐานข้อมูล บางระบบดึงเอนทิตีและความสัมพันธ์ไปสร้างกราฟความรู้ด้วย

เส้นทางอ่าน (read path) เกิดเมื่อมีคำถาม ระบบค้นหาแบบผสม (hybrid search) คือค้นเชิงความหมายด้วยเวกเตอร์ร่วมกับค้นด้วยคำสำคัญแบบ BM25 จากนั้นใช้ตัวจัดอันดับใหม่ (reranker) คัดผลลัพธ์ที่ดีที่สุดไม่กี่ชิ้นใส่ใน prompt

การแยกสองเส้นทางทำให้คุณเพิ่มความจำได้เรื่อย ๆ โดยไม่ต้องสร้างดัชนีใหม่ทั้งหมด และ prompt แต่ละรอบใช้ token เท่าที่จำเป็น

สามรูปแบบของการเก็บความจำ

ระบบสำเร็จรูปที่ใช้กันมาก

ระบบความจำสำหรับเอเจนต์ที่นิยมในปี 2026 ใช้สัญญาอนุญาต Apache 2.0 และติดตั้งบนเซิร์ฟเวอร์ของคุณเองได้ทั้งหมด แต่ออกแบบต่างกันตามโจทย์

• Mem0 เป็นไลบรารีที่ใช้เวกเตอร์ร่วมกับการแยกข้อเท็จจริง และค้นจากหลายสัญญาณพร้อมกัน เหมาะเมื่อคุณมีเอเจนต์อยู่แล้วและต้องการเพิ่มความจำอย่างรวดเร็ว มี MCP server ทางการให้เชื่อมกับเครื่องมืออย่าง Claude Code
• Letta สืบทอดแนวคิดจาก MemGPT แบ่งความจำเป็นชั้น คือความจำหลักขนาดเล็กที่เอเจนต์แก้ไขเองได้ กับคลังเก็บถาวรขนาดใหญ่ที่ค้นได้ เหมาะกับระบบหลายเอเจนต์ที่แต่ละตัวมีตัวตนต่อเนื่อง
• Zep ใช้กราฟความรู้ตามเวลาผ่านเอนจิน Graphiti เหมาะกับงานที่ข้อเท็จจริงเปลี่ยนตามเวลา เช่น บอทดูแลลูกค้า ต้องมีฐานข้อมูลกราฟประเภทเดียวกับ Neo4j
• Cognee สร้างกราฟความรู้จากเอกสารไม่มีโครงสร้าง เหมาะกับการค้นข้ามเอกสารหลายขั้น ไม่เหมาะกับการจำความชอบของผู้ใช้ในแชท

ถ้าต้องการประกอบเอง ฐานข้อมูลเวกเตอร์ที่รันด้วย Docker ได้ง่ายมี pgvector (ส่วนขยายของ PostgreSQL), Qdrant และ Chroma

เวกเตอร์หรือกราฟ: ต้นทุนต่างกันมาก

GraphRAG ตอบคำถามเชิงภาพรวมได้ดีกว่า เช่น "ประเด็นหลักที่พบในเอกสารทั้งหมดคืออะไร" แต่ต้องใช้ LLM ดึงเอนทิตีและเขียนสรุปกลุ่มตั้งแต่ตอนสร้างดัชนี บทวิเคราะห์ของ beri.net ประมาณว่าคลังขนาด 10 ล้าน token มีค่าสร้างดัชนีแบบเวกเตอร์ราว 1.40 ดอลลาร์ เทียบกับราว 430 ดอลลาร์สำหรับ Microsoft GraphRAG และการค้นแบบภาพรวมของ GraphRAG ใช้ token ต่อคำถามมากกว่าเวกเตอร์หลายร้อยเท่า

ทางสายกลางอย่าง LightRAG เก็บกราฟคู่กับดัชนีเวกเตอร์และอัปเดตเพิ่มทีละส่วนได้ แต่ยังใช้ token ต่อคำถามสูงกว่าเวกเตอร์ล้วน

คำแนะนำที่สมเหตุสมผลคือเริ่มจากการค้นแบบผสมพร้อม reranker ก่อน แล้ววัดผลกับคำถามจริงของคุณ โดยแบ่งคำถามเป็นสามกลุ่ม คือค้นหาข้อเท็จจริง เชื่อมหลายขั้น และสรุปภาพรวม เพิ่มกราฟเฉพาะเมื่อพบว่าสองกลุ่มหลังตอบผิดบ่อย

ข้อแลกเปลี่ยนเทียบกับ LLM Wiki

RAG Memory ได้เปรียบเมื่อข้อมูลมีจำนวนมาก เปลี่ยนตลอดเวลา หรือต้องแยกความจำรายผู้ใช้ เพราะเพิ่มข้อมูลได้โดยไม่ต้องให้ LLM เรียบเรียงใหม่ทุกครั้ง

ข้อเสียคือความรู้ที่ค้นได้เป็นเศษข้อความที่อาจขาดบริบทรอบข้าง คนเปิดอ่านหรือแก้ไขฐานข้อมูลเวกเตอร์ตรง ๆ ได้ยาก และคุณภาพขึ้นกับการตัดชิ้นข้อมูล การเลือก embedding model และการจัดอันดับผล

LLM Wiki กลับด้านกัน คือสังเคราะห์ความรู้ล่วงหน้า คนอ่านและตรวจได้ แต่เหมาะกับคลังขนาดเล็กถึงกลาง ระบบจริงหลายระบบจึงใช้ทั้งสองแบบ ให้วิกิเก็บความรู้หลักที่ผ่านการตรวจแล้ว และให้ RAG ค้นเอกสารดิบจำนวนมากหรือประวัติการสนทนา

ความจำบนอุปกรณ์ขอบข่าย

เมื่อข้อมูลไม่ควรออกนอกเครื่อง เช่น ข้อมูลเซนเซอร์ในแปลงเกษตรหรือข้อมูลวิจัย คุณรัน embedding model ขนาดเล็กร่วมกับฐานข้อมูลเวกเตอร์อย่าง Qdrant บนอุปกรณ์ขอบข่าย (edge device) ได้ ปัจจัยที่ต้องคิดคือหน่วยความจำของอุปกรณ์ ขนาดเวกเตอร์ และความถี่ในการเขียนข้อมูลใหม่