记忆策略
在 AgentCore Memory 中，您可以向内存资源添加内存策略。这些策略决定了要从原始对话中提取哪些类型的信息。策略是一种配置，可以智能地捕获和保留交互中的关键概念，这些概念作为CreateEvent操作中的事件发送。作为CreateMemory或UpdateMemory操作的一部分，您可以向内存资源添加策略。启用后，这些策略将自动对与该内存资源关联的原始对话事件执行，以提取长期记忆。
如果未指定任何策略，则不会提取该内存的长期内存记录。
AgentCore 内存支持多种存储策略：
Built-in 策略
AgentCore 使用预定义的算法自动处理所有内存提取和整合。
-
AgentCore 自动处理所有内存提取和整合
-
除了基本的触发器设置外，无需进行任何配置
-
使用针对常见用例进行优化和基准测试的预定义算法
-
适用于标准对话式 AI 应用程序
-
自定义选项有限
-
存储成本更高
Built-in 覆盖
在使用托管提取 AgentCore 管道的同时，通过定向自定义扩展内置策略。
-
通过定向自定义扩展内置策略
-
允许在仍在使用 AgentCore 托管提取管道时修改提示
-
为基岩模型提供支持（在您的账户中调用）
-
存储成本比内置更低
Self-managed 策略
您拥有使用自定义提取和合并算法的内存处理管道的完全所有权。
-
内存处理管道的完全所有权
-
使用任何模型、提示等自定义提取和合并算法
-
完全控制内存记录架构、命名空间等
-
与外部系统和数据库集成
-
需要基础设施的设置和维护
-
与内置策略相比，存储成本更低
可以将单个内存资源配置为同时使用内置策略和自定义策略，从而灵活地满足不同的内存需求。
