تُظهر التطورات الحالية في مجال الذكاء الاصطناعي أن التحدي الحقيقي لم يعد يعتمد فقط على جودة النماذج الأساسية، بل على السقالات التي تُبنى حولها، والمعروفة باسم "الهيكل" أو Harness. هذا الهيكل يشمل إدارة الأدوات والذاكرة وسير العمل، وهو ما يحول النموذج الخام إلى منتج مفيد. في سوق أدوات البرمجة، يثير هذا النقاش حول ما إذا كان الالتزام بهيكل معين يعني حبس المستخدم ضمن نظام مغلق. تكمن المخاطر في أن الذاكرة المخزنة داخل هذه الأنظمة قد تكون مملوكة للشركة المصنعة، مما يفرض تكاليف عالية عند التبديل. لتجاوز هذه المشكلة، يقترح مفهوم جديد تصميم طبقة ذاكرة موحدة تعمل عبر مختلف الهيكلات مثل Cursor وClaude Code وOpenAI Codex. الفكرة الأساسية هي فصل طبقة الذاكرة عن الهيكل نفسه، مما يسمح لأي أداة بالولوج إليها عبر آلية تسمى "الخطافات" أو Hooks، مع استخدام قاعدة بيانات Neo4j كمكان للتخزين المستمر. بينما توفر بروتوكولات السياقات النموذجية (MCP) وصولاً للنماذج، فإنها تعتمد على قرار النموذج في استخدام الأدوات، مما يستهلك سياق النطاق الزمني للنموذج. في المقابل، تعمل الخطافات بشكل آلي وحتمي بناءً على أحداث محددة في دورة حياة الجلسة، مثل بدء الجلسة أو إرسال المستخدم لطلب أو استخدام أداة، دون أن يقرر النموذج ذلك. تتشابه آليات عمل هذه الخطافات بين مختلف المقدمين، حيث تستقبل بيانات بتنسيق JSON وتصدر ردوداً لتغذية الحوار. يتم تخزين كل حدث من هذه الأحداث في قاعدة البيانات كرابط زمني يوثق مسار الجلسة كاملاً. يتم استخدام خطافين محددين لتطبيق الذاكرة: أحدهما يعمل قبل بدء الجلسة لتضمين معلومات تعريفية وذاكرة مستقرة في تعليمات النظام، والآخر يعمل قبل إرسال كل طلب من المستخدم لإضافة سياق ذاكرة ذي صلة بالنص. تتم عملية معالجة الذاكرة الفعالة في "طور الحلم"، وهو وظيفة دورية تعمل خارجياً. تقوم هذه الوظيفة بقراءة الأحداث المسجلة منذ آخر مرة، ثم تطلب من نموذج لغوي تلخيصها واستخراج حقائق جديدة، يتم تخزينها كملفات نصية منسقة تشبه قواعد المعرفة. هذه الملفات قابلة للتحديث والدمج بدلاً من مجرد الإضافة، مما يحافظ على دقة المعلومات مع مرور الوقت. للوصول إلى هذه الذاكرة، يمكن دمج خطافين آليين لتغذية النموذج عند بدء الجلسة مع أدوات MCP التي تمنح النموذج القدرة على البحث عن الذاكرة وتحديثها أثناء العمل. هذا التصميم يضمن أن الذاكرة تتبع المستخدم بغض النظر عن الأداة المستخدمة. في النهاية، يسمح هذا النظام بتبادل السلس بين الأدوات المختلفة، حيث يمكن للمستخدم نقل عمله من أداة إلى أخرى مع الاحتفاظ بسياقه وتفضيلاته، مما يمنح المستخدم السيطرة الكاملة على ذاكرة وكلاء الذكاء الاصطناعي الخاصين به.