本文属于机器翻译版本。若本译文内容与英语原文存在差异,则一律以英文原文为准。
记忆策略
在 M AgentCore emory 中,您可以向内存资源添加内存策略。这些策略决定了从原始对话中提取哪些类型的信息。策略是智能捕获和保存交互中的关键概念的配置,在CreateEvent操作中作为事件发送。您可以将策略作为CreateMemory或UpdateMemory操作的一部分添加到内存资源。启用后,这些策略将自动对与该内存资源相关的原始对话事件执行,以提取长期记忆。
如果未指定策略,则不会为该内存提取长期内存记录。
AgentCore 内存支持多种内存策略:
Built-in 策略
AgentCore 使用预定义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
-
有限的自定义选项
-
更高的存储成本
Built-in 覆盖
在使用托管提取 AgentCore 管道的同时,通过有针对性的自定义扩展内置策略。
-
通过有针对性的定制扩展内置策略
-
允许在仍使用 AgentCore 托管提取管道的同时修改提示
-
为基岩模型提供支持(在您的账户中调用)
-
存储成本低于内置存储成本
Self-managed 策略
使用自定义提取和合并算法,您可以完全拥有内存处理管道的所有权。
-
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
-
需要基础架构设置和维护
-
存储成本低于内置策略
可以将单个内存资源配置为同时使用内置和自定义策略,从而灵活地满足不同的内存需求。