Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
Compare la memoria a largo plazo con Retrieval-Augmented Generation
Long-term la memoria de Amazon Bedrock AgentCore Memory sirve como almacenamiento persistente para el contexto específico de una sesión, lo que permite a los agentes mantener la continuidad y la personalización en todas las interacciones. Utilice la memoria a largo plazo para almacenar las preferencias de los usuarios, las decisiones pasadas, el historial de conversaciones y los patrones de comportamiento que ayudan a los agentes a adaptarse y sentirse personales sin tener que solicitar la misma información de forma reiterada. Este tipo de memoria es ideal para rastrear quién es el usuario, qué ha sucedido en sesiones anteriores y mantener el estado de los flujos de trabajo de varios pasos.
Retrieval-Augmented La generación (RAG) complementa la memoria a largo plazo al proporcionar acceso a información fidedigna y actual de repositorios a gran escala. Utilice estos sistemas para recuperar documentación, especificaciones técnicas, políticas y conocimientos especializados actualizados que pueden ser demasiado grandes o volátiles para su almacenamiento a largo plazo. RAG garantiza la precisión de los hechos al extraer directamente de fuentes seleccionadas en el momento de la consulta, lo que lo hace ideal para acceder a lo que dicen las fuentes fidedignas en este momento. Una opción para integrar RAG en su agente es utilizar una base de conocimientos de Amazon Bedrock. Para obtener más información, consulte Recuperar datos y generar respuestas de IA con las bases de conocimiento de Amazon Bedrock en la guía del usuario de Amazon Bedrock.
La diferencia clave radica en sus funciones complementarias: la memoria a largo plazo gestiona el contexto personal y la continuidad de la sesión, mientras que la RAG proporciona conocimientos fácticos actuales y experiencia en el campo. Long-term memory responde «quién es el usuario y qué pasó antes», mientras que RAG responde «qué dicen las fuentes confiables actualmente». Esta separación permite a los agentes mantener relaciones personales con los usuarios y, al mismo tiempo, garantizar el acceso a información precisa y fidedigna.
Al utilizar conjuntamente la memoria prolongada y el RAG, su agente puede ofrecer tanto experiencias personalizadas a través del contexto recordado como información fiable mediante la recuperación de conocimientos en tiempo real. Para sus clientes, sus agentes están familiarizados y tienen una base basada en los hechos.
