Tambahkan memori ke agen Amazon Bedrock AgentCore Anda
AgentCore Memori adalah layanan yang dikelola sepenuhnya yang memberi agen AI Anda kemampuan untuk mengingat interaksi masa lalu, memungkinkan mereka untuk memberikan percakapan yang lebih cerdas, sadar konteks, dan dipersonalisasi. Ini menyediakan cara sederhana dan kuat untuk menangani konteks jangka pendek dan retensi pengetahuan jangka panjang tanpa perlu membangun atau mengelola infrastruktur yang kompleks.
AgentCore Memori mengatasi tantangan mendasar dalam AI agen: tanpa kewarganegaraan. Tanpa kemampuan memori, agen AI memperlakukan setiap interaksi sebagai contoh baru tanpa pengetahuan tentang percakapan sebelumnya. AgentCore Memori menyediakan kemampuan penting ini, memungkinkan agen Anda untuk membangun pemahaman yang koheren tentang pengguna dari waktu ke waktu.
AgentCore Memori mendukung berbagai SDK dan kerangka kerja agen. Sebagai contoh, lihat contoh Amazon Bedrock AgentCore Memory.
Jenis memori
AgentCore Memori menawarkan dua jenis memori yang bekerja sama untuk menciptakan agen AI yang cerdas dan sadar konteks:
- Short-term memori
-
Short-term memori menangkap interaksi belokan demi belokan dalam satu sesi. Ini memungkinkan agen mempertahankan konteks langsung tanpa mengharuskan pengguna untuk mengulangi informasi.
Contoh: Ketika pengguna bertanya, “Seperti apa cuaca di Seattle?” dan menindaklanjuti dengan “Bagaimana dengan besok?” , agen mengandalkan riwayat percakapan baru-baru ini untuk memahami bahwa “besok” mengacu pada cuaca di Seattle.
- Long-term memori
-
Long-term memori secara otomatis mengekstrak dan menyimpan wawasan utama dari percakapan di beberapa sesi, termasuk preferensi pengguna, fakta penting, dan ringkasan sesi — untuk retensi pengetahuan yang terus-menerus di beberapa sesi.
Contoh: Jika pelanggan menyebutkan bahwa mereka lebih suka kursi jendela selama pemesanan penerbangan, agen menyimpan preferensi ini dalam memori jangka panjang. Dalam interaksi masa depan, agen dapat secara proaktif menawarkan kursi jendela, menciptakan pengalaman yang dipersonalisasi.
Manfaat kunci memori
-
Buat percakapan yang lebih alami: Dengan mengingat perubahan sebelumnya dalam percakapan, agen dapat memahami konteks, menyelesaikan pernyataan ambigu, dan berinteraksi dengan cara yang terasa lebih manusiawi.
-
Memberikan pengalaman yang dipersonalisasi: Pertahankan preferensi pengguna, data historis, dan fakta kunci di seluruh sesi untuk menyesuaikan respons dan tindakan kepada pengguna individu.
-
Kurangi kompleksitas pengembangan: Bongkar beban beban berat yang tidak terdiferensiasi dalam mengelola status percakapan dan memori, memungkinkan Anda untuk fokus membangun logika bisnis inti agen Anda.
Kasus penggunaan memori yang umum
-
Agen percakapan: Chatbot dukungan pelanggan mengingat masalah dan preferensi pengguna sebelumnya, memungkinkannya memberikan bantuan yang lebih relevan dalam interaksi masa depan.
-
Task-oriented /agen alur kerja: Agen AI yang mengatur proses bisnis multi-langkah, seperti persetujuan faktur, menggunakan memori untuk melacak status setiap langkah dan mempertahankan kemajuan alur kerja.
-
Multi-agent Sistem: Tim agen AI yang mengelola rantai pasokan berbagi memori untuk menyinkronkan tingkat persediaan, mengantisipasi permintaan, dan mengoptimalkan logistik.
-
Agen otonom atau perencanaan: Kendaraan otonom menggunakan memori untuk merencanakan rute, menyesuaikan dengan kondisi lalu lintas, dan belajar dari pengalaman masa lalu untuk meningkatkan keputusan mengemudi di masa depan.
