Vergleichen Sie das Langzeitgedächtnis mit Retrieval-Augmented Generation
Long-term Der Speicher in Amazon Bedrock AgentCore Memory dient als persistenter Speicher für sitzungsspezifischen Kontext und ermöglicht es den Agenten, Kontinuität und Personalisierung über Interaktionen hinweg aufrechtzuerhalten. Verwenden Sie das Langzeitgedächtnis, um Benutzerpräferenzen, frühere Entscheidungen, Gesprächsverläufe und Verhaltensmuster zu speichern, damit sich die Mitarbeiter anpassen und sich persönlich fühlen können, ohne wiederholt dieselben Informationen anfordern zu müssen. Dieser Speichertyp ist ideal, um nachzuverfolgen, wer der Benutzer ist, was in früheren Sitzungen passiert ist, und um den Status über mehrstufige Workflows hinweg aufrechtzuerhalten.
Retrieval-Augmented Generation (RAG) ergänzt das Langzeitgedächtnis, indem es Zugriff auf verlässliche, aktuelle Informationen aus umfangreichen Repositorien bietet. Verwenden Sie diese Systeme, um aktuelle Dokumentationen, technische Spezifikationen, Richtlinien und Fachwissen abzurufen, die für eine langfristige Speicherung möglicherweise zu umfangreich oder unbeständig sind. RAG gewährleistet die Richtigkeit der Fakten, indem es zum Zeitpunkt der Abfrage direkt auf kuratierte Quellen zurückgreift. Dadurch eignet sich RAG ideal für den Zugriff auf aktuelle Informationen aus maßgeblichen Quellen. Eine Möglichkeit, RAG in Ihren Agenten zu integrieren, ist die Verwendung einer Amazon Bedrock Knowledge Base. Weitere Informationen finden Sie unter Abrufen von Daten und Generieren von KI-Antworten mit Amazon Bedrock Knowledge Bases im Amazon Bedrock-Benutzerhandbuch.
Der entscheidende Unterschied liegt in ihren sich ergänzenden Rollen: Das Langzeitgedächtnis kümmert sich um den persönlichen Kontext und die Sitzungskontinuität, während RAG aktuelles Faktenwissen und Fachwissen zur Verfügung stellt. Long-term Das Gedächtnis beantwortet die Frage, wer der Benutzer ist und was zuvor passiert ist, während RAG die Frage beantwortet, „was sagen vertrauenswürdige Quellen derzeit?“ Diese Trennung ermöglicht es den Mitarbeitern, persönliche Beziehungen zu Benutzern zu pflegen und gleichzeitig den Zugriff auf genaue, verlässliche Informationen zu gewährleisten.
Durch die gemeinsame Nutzung von Long-Memory und RAG kann Ihr Mitarbeiter sowohl personalisierte Erlebnisse durch den gespeicherten Kontext als auch zuverlässige Informationen durch Wissensabruf in Echtzeit bereitstellen. Für Ihre Kunden sind Ihre Mitarbeiter sowohl vertraut als auch sachlich fundiert.
