Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
Ajoutez de la mémoire à votre agent Amazon Bedrock AgentCore
AgentCore Memory est un service entièrement géré qui permet à vos agents 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'IA traitent chaque interaction comme une nouvelle instance sans aucune connaissance des conversations précédentes. AgentCore La mémoire fournit cette fonctionnalité essentielle, permettant à votre agent d'acquérir une compréhension cohérente des utilisateurs au fil du temps.
AgentCore La mémoire prend en charge une variété de kits de développement logiciel et de frameworks d'agents. Pour obtenir des exemples, consultez les exemples Exemples d'Amazon Bedrock AgentCore Memory d'Amazon Bedrock AgentCore Memory.
Rubriques
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 seule session. Cela permet aux agents de conserver un contexte immédiat sans que les utilisateurs aient à répéter les informations.
Exemple : lorsqu'un utilisateur demande : « Quel temps fait-il à Seattle ? » et poursuit avec « Et demain ? » , 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 au cours de plusieurs sessions, y compris les préférences des utilisateurs, les faits importants et les résumés des sessions, pour une conservation continue des connaissances sur plusieurs sessions.
Exemple : si un client indique qu'il préfère les sièges côté fenêtre lors de la réservation d'un vol, l'agent enregistre cette préférence dans la mémoire à long terme. Lors des interactions futures, 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 mémorisant les tournants précédents d'une conversation, les agents peuvent comprendre le contexte, résoudre des énoncés ambigus 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 à chaque utilisateur.
-
Réduisez la complexité du développement : déchargez-vous de la lourde charge de travail indifférenciée que représente la gestion de l'état conversationnel et de la mémoire, ce qui vous permet de vous concentrer sur la définition 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 les préférences antérieurs de l'utilisateur, ce qui lui permet de fournir une assistance plus pertinente lors de ses interactions futures.
-
Task-oriented /agents de flux de travail : un agent 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 suivre la progression du flux de travail.
-
Multi-agent systèmes : une équipe d'agents d'IA gérant une chaîne d'approvisionnement partage la mémoire pour synchroniser les niveaux de stocks, anticiper la demande et optimiser la logistique.
-
Agents autonomes ou de planification : un véhicule autonome utilise la mémoire pour planifier des itinéraires, s'adapter aux conditions de circulation et tirer des leçons des expériences passées afin d'améliorer les décisions de conduite futures.
