Nota:
El acceso a esta página requiere autorización. Puede intentar iniciar sesión o cambiar directorios.
El acceso a esta página requiere autorización. Puede intentar cambiar los directorios.
La memoria permite a los agentes de IA recordar información anterior en la conversación o en conversaciones anteriores. Esto permite a los agentes proporcionar respuestas basadas en contexto y crear experiencias personalizadas a lo largo del tiempo. Use Databricks Lakebase, una base de datos OLTP de Postgres totalmente administrada, para administrar el estado y el historial de la conversación.
Requisitos
- Habilite Databricks Apps en el área de trabajo. Consulte Configuración del área de trabajo y el entorno de desarrollo de Databricks Apps.
- Una instancia de Lakebase, consulte Creación y administración de una instancia de base de datos.
Memoria a corto plazo frente a memoria a largo plazo
La memoria a corto plazo captura el contexto en una sola sesión de conversación mientras que la memoria a largo plazo extrae y almacena información clave en varias conversaciones. Puede compilar el agente con uno o ambos tipos de memoria.
| Memoria a corto plazo | Memoria a largo plazo |
|---|---|
| Captura de contexto en una sola sesión de conversación mediante identificadores de subprocesos y puntos de control Mantener el contexto de las preguntas de seguimiento dentro de una sesión |
Extracción y almacenamiento automático de información clave en varias sesiones Personalización de interacciones basadas en preferencias anteriores Creación de una base de conocimiento sobre los usuarios que mejoran las respuestas a lo largo del tiempo |
Empieza ahora
Para crear un agente con memoria en Databricks Apps, clone una plantilla de aplicación precompilada y siga el flujo de trabajo de desarrollo descrito en Creación de un agente de IA e implementación en Aplicaciones. En las plantillas siguientes se muestra cómo agregar memoria a corto y largo plazo a los agentes mediante marcos populares.
LangGraph
Clone la plantilla agent-langgraph-advanced para crear un agente de LangGraph con memoria a corto y largo plazo. La plantilla utiliza los puntos de control integrados de LangGraph junto con Lakebase para la gestión duradera del estado, incluyendo el contexto conversacional basado en hilos y perspectivas de usuario que persisten a lo largo de las sesiones.
git clone https://github.com/databricks/app-templates.git
cd app-templates/agent-langgraph-advanced
SDK de agentes de OpenAI
Clone la plantilla agent-openai-advanced para compilar un agente mediante el SDK de agentes de OpenAI con memoria a corto plazo. La plantilla utiliza Lakebase para la administración duradera del estado, lo que permite conversaciones de múltiples turnos con gestión automática del historial de conversaciones.
git clone https://github.com/databricks/app-templates.git
cd app-templates/agent-openai-advanced
Despliega y consulta tu agente
Después de configurar el agente con memoria, siga los pasos descritos en Creación de un agente de IA e implementación en Aplicaciones para ejecutar el agente localmente, evaluarlo e implementarlo en Databricks Apps.