Agenttillstånd och minne

Viktigt!

Lakebase Autoscaling är den senaste versionen av Lakebase, med automatisk skalningsberäkning, skalning till noll, förgrening och omedelbar återställning. Information om regioner som stöds finns i Regiontillgänglighet. Om du är en Lakebase Provisioned-användare kan du läsa Lakebase Provisioned.

AI-agenter behöver beständig lagring för att upprätthålla kontexten mellan svängar och sessioner. Lakebase Autoscaling tillhandahåller en fullständigt hanterad Postgres-serverdel för lagring av agenttillstånd och minne, integrering internt med Databricks-autentisering och skalning automatiskt med din arbetsbelastning.

Kortsiktigt jämfört med långtidsminne

Kortsiktigt minne Långtidsminne
Samlar in kontext i en enda konversationssession med hjälp av tråd-ID:er och kontrollpunkter.
Låter agenter besvara uppföljningsfrågor med medvetenhet om tidigare interaktioner.		 Extraherar och lagrar viktiga insikter i flera konversationer.
Aktiverar anpassade svar baserat på tidigare interaktioner.
Skapar en användarkunskapsbas som förbättras med tiden.

Du kan implementera någon av eller båda minnestyperna i samma agent.

Implementeringsalternativ

Agentminne som stöds av Lakebase stöds på två Databricks-distributionsmål:

Databricks-appar: Distribuera agenter som interaktiva program med kortsiktigt eller långsiktigt minne med hjälp av LangGraph-kontrollpunkter eller OpenAI Agents SDK. Databricks hanterar autentisering mellan appen och Lakebase automatiskt. Se AI-agentminne.

Ai-modellservering för Mosaik: Distribuera agenter till modellserveringsslutpunkter med Lakebase-baserade kontrollpunkter. Stöder LangGraph-tidsresor för att återuppta eller förgrena konversationer från valfri kontrollpunkt. Se AI-agentminne (modellservering).

Implementation

Fullständiga installationsanvisningar, appmallar och notebook-exempel finns i:

Nästa steg

  • Last updated on