Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
Añada memoria a su agente de Amazon Bedrock AgentCore
AgentCore La memoria es un servicio totalmente gestionado que brinda a los agentes de inteligencia artificial la capacidad de recordar interacciones pasadas, lo que les permite mantener conversaciones más inteligentes, personalizadas y adaptadas al contexto. Proporciona una forma sencilla y eficaz de gestionar el contexto a corto plazo y la retención del conocimiento a largo plazo sin necesidad de crear o gestionar una infraestructura compleja.
AgentCore La memoria aborda un desafío fundamental en la IA de las agencias: la apatridia. Sin capacidades de memoria, los agentes de IA tratan cada interacción como una instancia nueva sin tener conocimiento de las conversaciones anteriores. AgentCore La memoria proporciona esta capacidad fundamental, lo que permite a su agente desarrollar una comprensión coherente de los usuarios a lo largo del tiempo.
AgentCore La memoria es compatible con una variedad de SDK y marcos de agentes. Para ver ejemplos, consulte los ejemplos de Amazon Bedrock AgentCore Memory.
Temas
Tipos de memoria
AgentCore La memoria ofrece dos tipos de memoria que funcionan en conjunto para crear agentes de IA inteligentes y sensibles al contexto:
- Short-term memoria
-
Short-term la memoria captura las interacciones paso a paso dentro de una sola sesión. Esto permite a los agentes mantener el contexto inmediato sin necesidad de que los usuarios repitan la información.
Ejemplo: cuando un usuario pregunta: «¿Qué tiempo hace en Seattle?» y sigue con «¿Qué pasará mañana?» , el agente se basa en el historial de conversaciones recientes para entender que «mañana» se refiere al clima en Seattle.
- Long-term memoria
-
Long-term la memoria extrae y almacena automáticamente la información clave de las conversaciones en varias sesiones, incluidas las preferencias de los usuarios, los datos importantes y los resúmenes de las sesiones, para retener los conocimientos de forma persistente en varias sesiones.
Ejemplo: si un cliente menciona que prefiere sentarse junto a la ventana durante la reserva de un vuelo, el agente almacena esta preferencia en la memoria a largo plazo. En futuras interacciones, el agente puede ofrecer asientos junto a la ventana de forma proactiva, creando una experiencia personalizada.
Beneficios clave de la memoria
-
Cree conversaciones más naturales: al recordar los turnos anteriores de una conversación, los agentes pueden entender el contexto, resolver declaraciones ambiguas e interactuar de una manera que les resulte más humana.
-
Ofrezca experiencias personalizadas: conserve las preferencias de los usuarios, los datos históricos y los datos clave de las sesiones para adaptar las respuestas y las acciones a los usuarios individuales.
-
Reduzca la complejidad del desarrollo: olvídese de la pesada tarea indiferenciada de administrar el estado y la memoria de las conversaciones, lo que le permitirá centrarse en desarrollar la lógica empresarial principal de su agente.
Casos de uso frecuentes de la memoria
-
Agentes conversacionales: un chatbot de atención al cliente recuerda los problemas y preferencias anteriores del usuario, lo que le permite brindar una asistencia más relevante en futuras interacciones.
-
Task-oriented /agentes de flujo de trabajo: un agente de inteligencia artificial que organiza un proceso empresarial de varios pasos, como la aprobación de facturas, utiliza la memoria para realizar un seguimiento del estado de cada paso y mantener el progreso del flujo de trabajo.
-
Multi-agent sistemas: un equipo de agentes de inteligencia artificial que gestionan una cadena de suministro comparte memoria para sincronizar los niveles de inventario, anticipar la demanda y optimizar la logística.
-
Agentes autónomos o de planificación: un vehículo autónomo utiliza la memoria para planificar rutas, adaptarse a las condiciones del tráfico y aprender de las experiencias pasadas para mejorar las decisiones de conducción futuras.
