将长期内存与 Generat Retrieval-Augmented ion 进行比较

Long-term Amazon Bedrock AgentCore Memory 中的内存可用作特定会话上下文的永久存储，使代理能够在交互中保持连续性和个性化。使用长期记忆来存储用户偏好、过去的决定、对话历史和行为模式，帮助客服人员适应并感受到个性化的感觉，而无需反复请求相同的信息。这种内存类型非常适合跟踪用户的身份、之前的会话中发生了什么，以及在多步工作流程中保持状态。

Retrieval-Augmented Generation (RAG) 通过提供对来自大型存储库的权威最新信息的访问来补充长期存储器。使用这些系统检索可能过大或不稳定而无法长期存储的最新文档、技术规范、策略和领域专业知识。RAG通过在查询时直接从精选来源中提取内容来确保事实准确性，使其成为访问权威消息来源目前所说内容的理想之选。将 RAG 集成到您的代理中的一种选择是使用亚马逊基岩知识库。有关更多信息，请参阅亚马逊基岩用户指南中的使用亚马逊基岩知识库检索数据和生成 AI 响应。

关键区别在于它们的互补作用：长期记忆处理个人背景和会话连续性，而RAG提供最新的事实知识和领域专业知识。 Long-term 内存回答 “谁是用户以及之前发生了什么”，而RAG回答 “可信来源目前在说什么”。这种分离使代理能够与用户保持个人关系，同时确保访问准确、权威的信息。

通过将长内存和 RAG 结合使用，您的代理既可以通过记忆背景提供个性化体验，也可以通过实时知识检索提供可靠信息。对于您的客户来说，您的代理既熟悉又以事实为依据。