View a markdown version of this page

Langzeitgedächtnis aktivieren - Amazon Grundgestein AgentCore

Langzeitgedächtnis aktivieren

Sie können das Langzeitgedächtnis auf zwei Arten aktivieren: indem Sie Strategien hinzufügen, wenn Sie zum ersten Mal einen AgentCore Speicher erstellen, oder indem Sie eine vorhandene Ressource aktualisieren, um sie einzubeziehen.

Schaffung eines neuen Gedächtnisses mit Langzeitstrategien

Die direkteste Methode besteht darin, Strategien bei der Erstellung eines neuen AgentCore Speichers einzubeziehen. Nach dem Aufrufen müssen Sie wartencreate_memory, bis der AgentCore Speicherstatus erreicht ist, ACTIVE bevor Sie ihn verwenden können.

Beispiel
AgentCore CLI
  1. agentcore add memory --name PersonalizedShoppingAgentMemory --strategies USER_PREFERENCE agentcore deploy
Interactive
  1. Führen Sie den Befehl aus, agentcore um die TUI zu öffnen, wählen Sie dann Hinzufügen und dann Speicher:

  2. Wählen Sie die Strategie für Benutzereinstellungen aus:

    Speicherassistent: Wählen Sie die Strategie USER_PREFERENCE
  3. Überprüfen Sie die Konfiguration und drücken Sie die Eingabetaste, um Folgendes zu bestätigen:

    Speicherassistent: Bestätigen Sie die Speicherkonfiguration

    Führen Sie dann agentcore deploy den Befehl aus, um den Speicher bereitzustellen AWS.

Hinzufügen langfristiger Strategien zu einem vorhandenen AgentCore Speicher

Um einem vorhandenen AgentCore Speicher langfristige Funktionen hinzuzufügen, verwenden Sie die update_memory Operation. Sie können Strategien für einen vorhandenen Speicher hinzufügen, ändern oder löschen.

Anmerkung

Die AgentCore CLI unterstützt das Erstellen und Verwalten von Speicherressourcen. Verwenden Sie das AWS SDK, um Speicherstrategien für einen vorhandenen Speicher zu aktualisieren.

Beispiel: Fügen Sie einem vorhandenen AgentCore Speicher eine Strategie für die Sitzungszusammenfassung hinzu

import boto3 # Initialize the Boto3 client for control plane operations control_client = boto3.client('bedrock-agentcore-control', region_name='us-west-2') # Assume 'memory_id' is the ID of an existing AgentCore Memory that has no strategies attached to it memory_id = "your-existing-memory-id" # Update the memory to add a summary strategy response = control_client.update_memory( memoryId=memory_id, memoryStrategies=[ { 'summaryMemoryStrategy': { 'name': 'SessionSummarizer', 'description': 'Summarizes conversation sessions for context', 'namespaceTemplates': ['/summaries/{actorId}/{sessionId}/'] } } ] ) print(f"Successfully submitted update for memory ID: {memory_id}") # Validate strategy was added to the memory memory_response = control_client.get_memory(memoryId=memory_id) strategies = memory_response.get('memory', {}).get('strategies', []) print(f"Memory strategies for memoryID: {memory_id} are: {strategies}")
Anmerkung

Long-term Speicherdatensätze werden nur aus Konversationsereignissen extrahiert, die gespeichert werden, nachdem eine neue Strategie erstellt wurde. ACTIVE Konversationen, die vor dem Hinzufügen einer Strategie gespeichert wurden, werden nicht für das Langzeitgedächtnis verarbeitet.