Agent Memory Boundaries

عضویت چند عامل در یک جریان کار، مجوز «حافظه مشترک نامحدود» نیست. عامل تریاژ ممکن است فقط به زمینه موقت مسئله نیاز داشته باشد، در حالی که عامل صورتحساب فقط یک شناسه حداقلی حساب را لازم دارد. اگر هر دو عامل بتوانند یک فضای پایدار را برای همیشه بخوانند و بنویسند، purpose، access و retention بی‌صدا گسترش یافته‌اند.

خروجی این درس Agent Memory Boundary & Retention Matrix v1 است. این ماتریس باید class حافظه، owner، purpose، provenance، محدوده read/write/share، نگهداشت، پاک‌سازی/حذف و وضعیت review را از شواهد قابل مشاهده بازسازی‌پذیر کند.

قاعده اول: حضور در یک workflow واحد، به‌خودی‌خود authority برای خواندن، نوشتن یا نگهداشت همان حافظه نیست.

مرز درس و مسیر یادگیری

AGN-005 مالک memory boundary است. AGN-004 مالک authority matrix و AGN-006 مالک failure/retry/reconciliation است. این درس می‌تواند به authority یا clear event ارجاع دهد، اما authority دائمی صادر نمی‌کند و retry policy تعریف نمی‌کند.

مسیر پایه از field map و baseline استفاده می‌کند. مسیر باتجربه می‌تواند تعریف‌ها را کوتاه کند، اما همان gateهای purpose، provenance، sharing، retention و sensitive trace را باید بگذراند.

مدل ذهنی: Memory یک مخزن واحد نیست

این کلاس‌ها را جدا نگه دارید:

1. Run context — داده کوتاه‌عمر در یک اجرا.
2. Session history — اقلام مکالمه وابسته به یک session.
3. Durable memory — اطلاعاتی که برای اجراهای بعدی نگه داشته می‌شوند.
4. External resource reference — اشاره به منبع مدیریت‌شده بیرونی، نه کپی نامحدود آن.
5. Trace data — داده observability که ممکن است ورودی/خروجی حساس را جداگانه نگه دارد.

برای هر کلاس بپرسید: owner کیست، purpose چیست، کدام عامل read/write دارد، share بین عامل‌ها مجاز است یا نه، provenance چگونه حفظ می‌شود، چه رویدادی expiry/clear/delete را فعال می‌کند و exception را چه کسی review می‌کند.

مبانی: FACT جاری در برابر DESIGN محلی

در Agents SDK فعلی، Sessions تاریخچه مکالمه را برای یک session نگه می‌دارد و عملیات get/add/pop/clear دارد. Sandbox memory جدا از Session memory مستند شده و reuse/isolation آن می‌تواند به conversation identifier پایدار و layout حافظه وابسته باشد. Tracing نیز ممکن است ورودی/خروجی حساس generation یا function را ثبت کند و کنترل حذف payload حساس دارد.

این‌ها FACT درباره mechanism هستند. کلاس‌های دقیق حافظه، مدت نگهداشت، share gate، authority و review state در MAKNOW تصمیم DESIGN محلی‌اند.

توضیح عمیق Matrix

قرارداد بحرانی ۲۱ بُعد دارد: memory_id, memory_class, owner_id, agent_id, purpose_id, data_class, source_ref, provenance_ref, read_scope, write_scope, cross_agent_share, session_conversation_ref, retention_rule_ref, expires_at, clear_trigger, deletion_state, compaction_state, sensitive_trace_capture, authority_ref, status, review_owner.

Gateهای مهم:

• دسترسی عامل دوم از workflow membership استنتاج نمی‌شود.
• model inference قبل از durable memory شدن به provenance نیاز دارد.
• retention نامحدود authority صریح می‌خواهد؛ convenience دلیل نگهداشت نیست.
• memory منقضی یا حذف‌شده نمی‌تواند ACTIVE بماند.
• clear کردن session لزوماً trace حساس جداگانه را پاک نمی‌کند.
• compaction نباید provenance لازم برای توضیح memory را از بین ببرد.
• حافظه unknown/prohibited باید به‌صورت absent/restricted/hold صریح بماند و نباید بی‌صدا context را گسترش دهد.

مثال‌های حل‌شده

۱. Session محدود تریاژ

یک session مصنوعی، تاریخچه مسئله را فقط برای triage-agent نگه می‌دارد. purpose برابر issue-triage، sharing=false، retention برابر ۲۴ ساعت یا بسته‌شدن پرونده و owner review مشخص است. نتیجه bounded و active است.

۲. میان‌بُر غلط: durable memory مشترک

یک فضای durable برای triage و billing تا ابد پیشنهاد می‌شود و summary تولیدشده مدل بدون provenance در آن نوشته می‌شود. چند gate هم‌زمان fail می‌شوند: share authority، retention authority و provenance durable inference.

۳. Transfer: عامل fraud history می‌خواهد

fraud-agent به workflow اضافه می‌شود. history کامل فقط به‌دلیل «هم‌تیمی شدن» منتقل نمی‌شود. purpose، data class، read scope، share و retention باید از نو محاسبه شوند. RESTRICTED می‌تواند نتیجه درست باشد حتی اگر baseline ACTIVE بوده است.

Failure modeها

• One-store collapse: یکی‌کردن run context، session history، durable memory، resource و trace.
• Workflow-membership authority: دادن history به عامل جدید فقط چون وارد workflow شده است.
• Retention by convenience: تبدیل session-bound به forever بدون purpose/authority تازه.
• Inference promotion: ذخیره model inference در durable memory بدون provenance.
• Clear fiction: پاک‌کردن session در حالی که trace حساس بیرون boundary باقی است.
• Expired-active state: readable ماندن حافظه expired/deleted فقط چون bytes هنوز وجود دارد.
• Compaction amnesia: خلاصه‌سازی حافظه با از دست‌دادن provenance.
• Baseline oracle: کپی تصمیم قبلی بعد از تغییر agent/purpose/data class.

گزینه‌ها و Trade-offها

Context کوتاه‌عمر ریسک retention را کم می‌کند اما ممکن است تکرار کار را بالا ببرد. Durable memory می‌تواند هزینه توضیح دوباره را کم کند ولی provenance، owner و deletion control قوی‌تری می‌خواهد. External reference از کپی جلوگیری می‌کند اما هنگام read همچنان authorization لازم دارد. Tracing برای debugging مفید است ولی سطح داده حساس جداگانه می‌سازد. Cross-agent sharing duplication را کم می‌کند اما exposure را افزایش می‌دهد و باید purpose-bound باشد.

پل مسیر باتجربه

برای هر memory شش سؤال را جواب دهید:

1. کلاس دقیق memory/data چیست؟
2. owner و purpose چیست؟
3. کدام agent حق read/write دارد؟
4. provenance محتوای retained چیست؟
5. چه رویدادی آن را expire/clear/delete می‌کند؟
6. چه copy جداگانه‌ای—به‌خصوص trace—بعد از آن رویداد باقی می‌ماند؟

هر پاسخ UNKNOWN، widening خودکار context را متوقف می‌کند.

تمرین هدایت‌شده و مستقل

ابتدا derived_text/tables/AGN-005-T1.csv را ببینید و سپس اجرا کنید:

python -B lab/AGN-005-LAB1/learner/run_checks.py

برای تمرین مستقل، یک session-bound record، یک durable inference، یک trace و یک cross-agent request بسازید و lifecycle هر کدام را جدا نگه دارید.

شواهد Verification

قبولی یعنی Matrix قابل‌بازتولید، نه screenshot یک UI حافظه. Lab باید retention نامحدود بدون authority، cross-agent read با sharing=false، durable inference بدون provenance، active ماندن memory expired/deleted، trace حساس بیرون clear boundary و reuse تصمیم baseline در transfer را رد کند.

برای بازتولید نتیجه هیچ reasoning پنهانی لازم نیست.

Assessment و Transfer

ارزیابی شامل boundary retrieval، baseline، mutation diagnosis و transfer است. در transfer، fraud-agent history قبلی را می‌خواهد. تصمیم را از purpose، data class، share authority و retention دوباره بسازید. same-workflow بودن permission نیست.

کپی تصمیم full-history baseline در transfer مردود است.

منابع و تازگی

• OpenAI Agents SDK — Sessions: رفتار جاری session history و عملیات get/add/pop/clear.
• OpenAI Agents SDK — Agent memory: جدا بودن sandbox memory از Session history و semantics ایزولیشن/reuse.
• OpenAI Agents SDK — Tracing: احتمال وجود داده حساس در trace و کنترل omission آن.
• Frozen Lesson Bible lesson://AGN-005: authority محلی MAKNOW برای memory class، purpose/share/retention و review.

Semantics فعلی SDK تا 2026-10-18 یا زودتر در صورت تغییر مادی دوباره بررسی می‌شوند. Fixtureهای synthetic هیچ داده واقعی کاربر را persist نمی‌کنند.