Ajoutez de la mémoire à votre agent Amazon Bedrock AgentCore
AgentCore Memory est un service entièrement géré qui permet à vos agents d'IA de se souvenir des interactions passées, ce qui leur permet de proposer des conversations plus intelligentes, contextuelles et personnalisées. Il fournit un moyen simple et puissant de gérer à la fois le contexte à court terme et la rétention des connaissances à long terme sans avoir à créer ou à gérer une infrastructure complexe.
AgentCore La mémoire répond à un défi fondamental de l'IA agentique : l'apatridie. Sans capacités de mémoire, les agents d'intelligence artificielle traitent chaque interaction comme une nouvelle instance sans connaître les conversations précédentes. AgentCore La mémoire fournit cette fonctionnalité essentielle, permettant à votre agent de mieux comprendre les utilisateurs au fil du temps.
AgentCore La mémoire prend en charge une variété de SDK et de frameworks d'agents. Pour des exemples, consultez les exemples d'Amazon Bedrock AgentCore Memory.
Types de mémoire
AgentCore La mémoire propose deux types de mémoire qui fonctionnent ensemble pour créer des agents d'IA intelligents et sensibles au contexte :
- Short-term mémoire
-
Short-term la mémoire capture les interactions étape par étape au cours d'une même session. Cela permet aux agents de maintenir un contexte immédiat sans obliger les utilisateurs à répéter les informations.
Exemple : lorsqu'un utilisateur demande : « Quel temps fait-il à Seattle ? » et poursuit avec « What about tomorrow ? » , l'agent s'appuie sur l'historique des conversations récentes pour comprendre que « demain » fait référence à la météo à Seattle.
- Long-term mémoire
-
Long-term la mémoire extrait et stocke automatiquement les informations clés des conversations menées au cours de plusieurs sessions, notamment les préférences des utilisateurs, les informations importantes et les résumés des sessions, pour une rétention continue des connaissances sur plusieurs sessions.
Exemple : si un client indique qu'il préfère les sièges côté fenêtre lors de la réservation de son vol, l'agent enregistre cette préférence dans sa mémoire à long terme. Lors de futures interactions, l'agent pourra proposer de manière proactive des sièges côté fenêtre, créant ainsi une expérience personnalisée.
Principaux avantages de la mémoire
-
Créez des conversations plus naturelles : en se souvenant des étapes précédentes d'une conversation, les agents peuvent comprendre le contexte, résoudre les affirmations ambiguës et interagir de manière plus humaine.
-
Proposez des expériences personnalisées : conservez les préférences des utilisateurs, les données historiques et les informations clés au fil des sessions afin d'adapter les réponses et les actions aux utilisateurs individuels.
-
Réduisez la complexité du développement : Déchargez le fardeau indifférencié de la gestion de l'état conversationnel et de la mémoire, ce qui vous permet de vous concentrer sur le développement de la logique métier de base de votre agent.
Cas d'utilisation courants de la mémoire
-
Agents conversationnels : un chatbot de support client mémorise les problèmes et préférences antérieurs d'un utilisateur, ce qui lui permet de fournir une assistance plus pertinente lors de futures interactions.
-
Task-oriented /agents de flux de travail : un agent d'IA qui orchestre un processus métier en plusieurs étapes, tel que l'approbation des factures, utilise la mémoire pour suivre l'état de chaque étape et maintenir la progression du flux de travail.
-
Multi-agent systèmes : une équipe d'agents IA gérant une chaîne d'approvisionnement partage la mémoire pour synchroniser les niveaux d'inventaire, anticiper la demande et optimiser la logistique.
-
Agents autonomes ou de planification : un véhicule autonome utilise la mémoire pour planifier les itinéraires, s'adapter aux conditions de circulation et tirer les leçons des expériences passées afin d'améliorer les décisions de conduite futures.
