7 צעדים לדחיסת זיכרון AI בדפדפן עם Compression Streams API

פנה אלי מפתח שבנה אפליקציית סוכן AI מקומית. הכל עבד מדהים, עד שהמשתמשים דיווחו שכל ההיסטוריה שלהם נעלמת. הבעיה לא הייתה באג בקוד, אלא הדפדפן שניקה את IndexedDB לאחר שזו חרגה ממכסת הזיכרון.

ב-2026, כשאנחנו מריצים מודלים ומערכי RAG מקומיים בדפדפן, נפח הנתונים נהיה מפלצתי. הנה 7 צעדים מעשיים שימנעו מהדפדפן של המשתמשים שלכם לחנוק את הזיכרון.

1. עברו ל-Compression Streams API הטבעי

אל תטעינו ספריות כבדות כמו pako או zlib. הדפדפן שלכם מגיע עם מנוע דחיסה מובנה ועוצמתי שנכתב ב-C++ ורץ במהירות טבעית.

הגדרה · Compression Streams API

מנגנון דפדפן טבעי המאפשר לדחוס ולפרוק זרמי נתונים (Streams) בפורמטים כמו gzip ו-deflate ישירות ב-JavaScript ללא ספריות חיצוניות.

היתרון הגדול הוא שאין צורך להוריד קוד נוסף למשתמש. הכל קורה בזיכרון של הדפדפן ובאפס משקל באנדל.

2. המירו את היסטוריית השיחות ל-Uint8Array דחוס

היסטוריית שיחות עם מודלי שפה מכילה המון טקסט חוזר. זהו המועמד המושלם לדחיסה.

הפכו את אובייקט ה-JSON של השיחה לטקסט בעזרת JSON.stringify, העבירו אותו דרך TextEncoder, ושלחו אותו ל-CompressionStream('gzip').

const stringData = JSON.stringify(chatHistory);
const stream = new Blob([stringData]).stream();
const compressedStream = stream.pipeThrough(new CompressionStream('gzip'));
const compressedArrayBuffer = await new Response(compressedStream).arrayBuffer();

הפעולה הזו לוקחת מילישניות בודדות. התוצאה היא מערך בייטים קטן משמעותית.

3. אחסנו Blobs בלבד ב-IndexedDB

IndexedDB יודע לאחסן מחרוזות ואובייקטים, אבל אחסון טקסט נקי תופס נפח יקר. במקום לשמור את אובייקט השיחה כ-JSON פתוח, שמרו את ה-ArrayBuffer הדחוס כ-Blob.

כשאתם שומרים Blob דחוס, הדפדפן כותב אותו לדיסק ביעילות דיסקרטית. מגבלת המכסה (Quota) שלכם פתאום מתרחקת פי 5.

4. פענחו את הנתונים בזמן אמת בטעינה

אל תפחדו מהעלות של פריקת הנתונים (Decompression). היא זניחה לחלוטין. כשהמשתמש פותח שיחה, תשלפו את ה-Blob מ-IndexedDB ותעבירו אותו ב-DecompressionStream.

const decompressedStream = blob.stream().pipeThrough(new DecompressionStream('gzip'));
const text = await new Response(decompressedStream).text();
const chatHistory = JSON.parse(text);

זה עובד מהר. המשתמש לא ירגיש שום השהיה בטעינת המסך.

5. אופטימיזציה ייעודית למערכים וקטוריים (Embeddings)

וקטורים מספריים של מנועי חיפוש סמנטי (RAG) מתנהגים אחרת מטקסט. הם אינם מכילים מילים חוזרות, ולכן gzip רגיל פחות יעיל עבורם.

6. נהלו מטמון חכם עם LRU Cache מבוסס סף

אל תדחסו כל הודעה קטנה שנכנסת. דחיסה של משפט בן 3 מילים מייצרת תקורה (Overhead) מיותרת.

קבעו סף גודל: רק נתונים מעל 1KB יעברו דחיסה. במקביל, החזיקו בזיכרון הדינמי (RAM) רק את השיחה האקטיבית בפורמט פתוח, ואת כל שאר השיחות הישנות דחסו ל-IndexedDB.

כך תרוויחו תגובתיות מיידית בשיחה הנוכחית ואחסון מינימלי לשיחות העבר.

7. שמרו על ארכיטקטורת Client-First נקייה

בניית אפליקציות AI מודרניות ב-2026 דורשת מאיתנו להתחשב במשאבי קצה. כשאנחנו מעבירים עיבוד ללקוח, הזיכרון של הדפדפן הוא משאב במחסור.

💡

אפליקציה מהירה היא לא רק זו שטוענת קוד מהר, אלא זו שלא מחסלת את שטח הדיסק של המשתמש שעות אחרי שהיא עלתה.

כשאתם משלבים דחיסה טבעית כחלק מארכיטקטורת ה-Cache שלכם, האפליקציה תישאר יציבה, מהירה ולא תימחק על ידי מנגנוני הניקוי האוטומטיים של מערכות ההפעלה.

לסיכום, מעבר ל-Compression Streams API הוא שורת קוד קטנה ב-JavaScript שפותרת בעיית ארכיטקטורה ענקית. התחילו לדחוס את ה-Context שלכם עוד היום.