Observação
O acesso a essa página exige autorização. Você pode tentar entrar ou alterar diretórios.
O acesso a essa página exige autorização. Você pode tentar alterar os diretórios.
A memória permite que os agentes de IA lembrem-se de informações anteriores na conversa ou de conversas anteriores. Isso permite que os agentes forneçam respostas com reconhecimento de contexto e criem experiências personalizadas ao longo do tempo. Use o Databricks Lakebase, um banco de dados OLTP do Postgres totalmente gerenciado, para gerenciar o estado e o histórico da conversa.
Requirements
- Habilite os Aplicativos do Databricks em seu workspace. Consulte Configurar seu ambiente de desenvolvimento e workspace do Databricks Apps.
- Uma instância do Lakebase, consulte Criar e gerenciar uma instância de banco de dados.
Memória de curto prazo versus de longo prazo
A memória de curto prazo captura o contexto em uma única sessão de conversa, enquanto a memória de longo prazo extrai e armazena informações importantes em várias conversas. Você pode criar seu agente com um ou ambos os tipos de memória.
| Memória de curto prazo | Memória de longo prazo |
|---|---|
| Capturar o contexto em uma única sessão de conversa usando IDs de thread e ponto de verificação Manter o contexto para perguntas de acompanhamento em uma sessão |
Extrair e armazenar automaticamente os principais insights em várias sessões Personalizar interações com base em preferências passadas Criar uma base de dados de conhecimento sobre usuários que melhoram as respostas ao longo do tempo |
Introdução
Para criar um agente com memória nos Aplicativos do Databricks, clone um modelo de aplicativo predefinido e siga o fluxo de trabalho de desenvolvimento descrito em Criar um agente de IA e implantá-lo em Aplicativos. Os modelos a seguir demonstram como adicionar memória de curto e longo prazo aos agentes que usam estruturas populares.
LangGraph
Clone o template agent-langgraph-avançado para criar um agente LangGraph com memória de curto e longo prazo. O template usa o checkpointing interno do LangGraph com o Lakebase para gerenciamento de estado durável, incluindo contexto de conversa com base em threads e insights persistentes do usuário entre sessões.
git clone https://github.com/databricks/app-templates.git
cd app-templates/agent-langgraph-advanced
SDK de Agentes do OpenAI
Clone o modelo agent-openai-avançado para criar um agente usando o SDK de Agentes OpenAI com memória de curto prazo. O template usa o Lakebase para gerenciamento de estado durável, permitindo conversas com múltiplos turnos com manutenção de estado e gerenciamento automático do histórico de conversas.
git clone https://github.com/databricks/app-templates.git
cd app-templates/agent-openai-advanced
Implantar e consultar seu agente
Depois de configurar seu agente com memória, siga as etapas em Criar um agente de IA e implante-o em Aplicativos para executar seu agente localmente, avaliá-lo e implantá-lo nos Aplicativos do Databricks.