比較長期記憶體與擷取增強生成

Amazon Bedrock AgentCore 記憶體中的長期記憶體可做為工作階段特定內容的持久性儲存體，讓客服人員能夠在互動之間維持持續性和個人化。使用長期記憶體來存放使用者偏好設定、過去的決策、對話歷史記錄和行為模式，以協助客服人員調整和感覺個人化，而無需重複要求相同的資訊。此記憶體類型非常適合用於追蹤使用者身分、先前工作階段中發生的情況，以及跨多步驟工作流程維護狀態。

Retrieval-Augmented Generation (RAG) 透過提供存取來自大規模儲存庫的權威、目前資訊，來補充長期記憶體。使用這些系統來擷取up-to-date文件、技術規格、政策和網域專業知識。RAG 透過在查詢時間直接從策劃的來源提取來確保事實準確性，使其非常適合存取目前授權來源所說的內容。將 RAG 整合到您的代理程式的一個選項是使用 Amazon Bedrock 知識庫。如需詳細資訊，請參閱《Amazon Bedrock 使用者指南》中的使用 Amazon Bedrock 知識庫擷取資料和產生 AI 回應。

關鍵區別在於其互補角色：長期記憶體處理個人內容和工作階段連續性，而 RAG 提供目前事實知識和領域專業知識。長期記憶體回答「誰是使用者以及之前發生了什麼」，而 RAG 回答「信任的來源目前說了什麼」。此區隔可讓客服人員與使用者維持個人關係，同時確保存取準確、權威的資訊。

透過同時使用長記憶體和 RAG，您的代理程式可以透過記住的內容提供個人化體驗，並透過即時知識擷取提供可靠的資訊。對您的客戶來說，您的客服人員都是熟悉且事實上的基礎。