Episodische Gedächtnisstrategie
Das episodische Gedächtnis erfasst aussagekräftige Abschnitte von Benutzer- und Systeminteraktionen, sodass Anwendungen den Kontext auf eine Weise abrufen können, die sich fokussiert und relevant anfühlt. Anstatt jedes einzelne Ereignis einzeln zu speichern, identifiziert es wichtige Momente, fasst sie in kompakten Aufzeichnungen zusammen und organisiert sie so, dass das System wichtige Ereignisse ohne Störgeräusche abrufen kann. Dies sorgt für ein anpassungsfähigeres und intelligenteres Erlebnis, da Modelle verstehen können, wie sich der Kontext im Laufe der Zeit entwickelt hat.
Ihre Stärke liegt darin, einen strukturierten Kontext zu haben, der viele Interaktionen umfasst und gleichzeitig effizient gespeichert, gesucht und aktualisiert werden kann. Entwickler erhalten ein ausgewogenes Verhältnis zwischen Aktualität, Genauigkeit und langfristiger Kontinuität, ohne ihre eigenen Zusammenfassungspipelines entwickeln zu müssen.
Die Überlegungen bauen auf episodischen Aufzeichnungen auf, indem sie vergangene Episoden analysieren, um Erkenntnisse, Muster und Schlussfolgerungen auf höherer Ebene zu gewinnen. Anstatt einfach abzurufen, was passiert ist, helfen reflections dem System zu verstehen, warum bestimmte Ereignisse wichtig sind und wie sie future Verhalten beeinflussen sollten. Sie verwandeln rohe Erfahrungen in Leitlinien, die die Anwendung sofort nutzen kann, und geben Modellen die Möglichkeit, aus der Geschichte zu lernen.
Ihr Wert liegt darin, Informationen aus einzelnen Momenten oder Episoden herauszuheben und beständiges Wissen zu schaffen, das die Entscheidungsfindung, Personalisierung und Konsistenz verbessert. Auf diese Weise können Anwendungen Wiederholungsfehler vermeiden, sich schneller an Benutzerpräferenzen anpassen und sich über lange Zeiträume kohärent verhalten.
Kunden sollten das episodische Gedächtnis in allen Szenarien verwenden, in denen das Verständnis einer Abfolge vergangener Interaktionen die Qualität verbessert, sowie in Szenarien, in denen langfristige Verbesserungen wichtig sind. Zu den idealen Anwendungsfällen gehören Gespräche mit dem Kundensupport, agentengesteuerte Workflows, Codeassistenten, die auf dem Sitzungsverlauf basieren, persönliche Produktivitätstools, Problembehebungs- oder Diagnoseabläufe sowie Anwendungen, die einen Kontext benötigen, der auf realen Vorfällen und nicht auf statischen Profilen basiert.
Wenn Sie die episodische Strategie aufrufen, erkennt sie AgentCore automatisch den Abschluss von Episoden innerhalb von Konversationen und verarbeitet Ereignisse in strukturierten Episodenaufzeichnungen.
Schritte der Strategie
Die episodische Gedächtnisstrategie umfasst die folgenden Schritte:
-
Extraktion — Analysiert die laufende Episode und stellt fest, ob die Episode abgeschlossen ist.
-
Konsolidierung — Wenn eine Episode abgeschlossen ist, werden die Extraktionen zu einer einzigen Episode zusammengefasst.
-
Reflexion — Erkenntnisse werden episodenübergreifend generiert.
Ergebnis der Strategie
Die episodische Gedächtnisstrategie liefert XML-formatted Ergebnisse sowohl für Episoden als auch für reflections. Jede Episode wird in eine Situation, eine Absicht, eine Bewertung, eine Begründung und eine Reflexion auf Episodenebene unterteilt. Im weiteren Verlauf der Interaktion wird die Episode nacheinander analysiert. Sie können diese Informationen verwenden, um die Reihenfolge der Operationen und die Verwendung der Tools besser zu verstehen.
Beispiele für Episoden, die im Rahmen dieser Strategie erfasst wurden
-
Eine Interaktion bei der Codebereitstellung, bei der der Agent bestimmte Tools auswählte, auf einen Fehler stieß und ihn mit einem alternativen Ansatz erfolgreich löste.
-
Eine Aufgabe zur Terminänderung, bei der die Absicht des Benutzers, die Entscheidung des Agenten, ein bestimmtes Tool zu verwenden, und das erfolgreiche Ergebnis erfasst wurden.
-
Ein Datenverarbeitungs-Workflow, der dokumentierte, welche Parameter zu einer optimalen Leistung für einen bestimmten Datentyp führten.
Die episodische Strategie umfasst Schritte zur Speicherextraktion und -konsolidierung (wie bei anderen Strategien auch). Darüber hinaus generiert die episodische Strategie auch reflections, die Episoden im Hintergrund analysieren, während Interaktionen stattfinden. Die Überlegungen werden über mehrere Episoden hinweg zusammengefasst, um umfassendere Erkenntnisse zu gewinnen, anhand derer erfolgreiche Strategien und Muster, potenzielle Verbesserungen, häufige Fehlerquellen und Erfahrungen aus mehreren Interaktionen identifiziert werden können.
Beispiele für reflections sind
-
Identifizieren Sie, welche Werkzeugkombinationen bei bestimmten Aufgabentypen durchweg zu erfolgreichen Ergebnissen führen.
-
Erkennen von Mustern bei fehlgeschlagenen Versuchen und der Lösungsansätze
-
Extrahieren von Best Practices aus mehreren erfolgreichen Episoden mit ähnlichen Szenarien.
In der folgenden Abbildung wird die episodische Gedächtnisstrategie schematisch dargestellt:
Durch den Verweis auf gespeicherte Episoden kann Ihr Agent durch semantische Suche relevante Erfahrungen aus der Vergangenheit abrufen und reflections überprüfen, um zu vermeiden, dass sich fehlgeschlagene Ansätze wiederholen, und erfolgreiche Strategien an neue Kontexte anpassen. Diese Strategie ist nützlich für Agenten, die von der Erkennung von Mustern profitieren, Informationen kontinuierlich aktualisieren müssen, die Konsistenz zwischen den Interaktionen wahren müssen und für ihre Entscheidungen eher Kontext und Argumentation als statisches Wissen benötigen.
Themen
Namespaces
Wenn Sie mit der episodischen Strategie ein Gedächtnis erstellen, definieren Sie Namespaces, unter denen Episoden und reflections gespeichert werden.
Anmerkung
Unabhängig davon, in welchem Namespace Sie Episoden speichern, werden Episoden immer aus einer einzigen Sitzung heraus erstellt.
Episoden werden üblicherweise in einem der folgenden Namespaces gespeichert:
-
/strategy/{memoryStrategyId}/— Speichern Sie Episoden auf Strategieebene. Episoden, die unterschiedliche Schauspieler haben oder aus unterschiedlichen Sessions stammen, aber derselben Strategie angehören, werden im selben Namespace gespeichert. -
/strategy/{memoryStrategyId}/actor/{actorId}/— Speichert alle Folgen auf Akteurebene. Episoden, die aus verschiedenen Sessions stammen, aber demselben Schauspieler gehören, werden im selben Namespace gespeichert. -
/strategy/{memoryStrategyId}/actor/{actorId}/session/{sessionId}/— Speichert alle Folgen auf Sitzungsebene. Episoden, die zu derselben Sitzung gehören, werden im selben Namespace gespeichert.
reflections müssen demselben Namespacemuster wie Episoden entsprechen, Reflexionen können jedoch weniger verschachtelt sein. Wenn Ihr episodischer Namespace beispielsweise lautet/strategy/{memoryStrategyId}/actor/{actorId}/, können Sie die folgenden Namespaces für reflections verwenden:
-
/strategy/{memoryStrategyId}/actor/{actorId}/— Es werden Erkenntnisse aus allen Folgen eines Schauspielers gewonnen. -
/strategy/{memoryStrategyId}/— Für die Strategie werden Erkenntnisse aus allen Episoden und allen Akteuren gewonnen.
Wichtig
Da reflections mehrere Akteure innerhalb derselben Speicherressource umfassen können, sollten Sie beim Abrufen von reflections die Auswirkungen einer akteurübergreifenden Analyse auf den Datenschutz berücksichtigen. Erwägen Sie die Verwendung von Leitplanken in Verbindung mit dem Gedächtnis
Wie lassen sich Episoden am besten abrufen, um die Agentenleistung zu verbessern
Es gibt mehrere Möglichkeiten, das episodische Gedächtnis zu nutzen:
-
In Ihrem Agentencode
-
Wenn Sie eine neue Aufgabe starten, konfigurieren Sie Ihren Agenten so, dass er eine Abfrage durchführt, in der er nach den ähnlichsten Episoden und reflections fragt. Fragen Sie außerdem anhand einer bestimmten Logik nach relevanten Episoden und Überlegungen ab.
-
Wenn Sie Kurzzeitgedächtnisse mit
TOOLeinbeziehen CreateEvent, erzielen Sie optimale Ergebnisse. -
Bei ähnlich erfolgreichen Episoden linearisieren Sie die Züge innerhalb der Episode und geben Sie nur diese Informationen an den Agenten weiter, sodass er sich auf die wichtigsten Schritte konzentrieren kann
-
-
manuell
-
Schauen Sie sich Ihre reflections oder erfolglosen Episoden an und überlegen Sie, ob einige Probleme durch Aktualisierungen Ihres Agentencodes behoben werden könnten.
-
Beachten Sie beim Abrufen, dass Speicherdatensätze auf der Grundlage der „Absicht“ für Episoden und des „Anwendungsfalls“ für die Reflexion indexiert werden.
Bei anderen Speicherstrategien werden während einer Interaktion regelmäßig Speicherdatensätze generiert. Im Gegensatz dazu werden episodische Speicheraufzeichnungen erst generiert, wenn AgentCore Memory eine abgeschlossene Episode erkennt. Wenn eine Episode nicht vollständig ist, dauert die Generierung länger, da das System abwartet, ob die Konversation fortgesetzt wird.
