将长期记忆与 Retrieval-Augmented 世代进行比较

Long-term Amazon Bedrock AgentCore Memory 中的@@ 内存可作为会话特定环境的永久存储，使代理能够在交互中保持连续性和个性化。使用长期记忆来存储用户偏好、过去的决定、对话历史和行为模式，从而帮助客服人员适应并感到个性化，而无需反复请求相同的信息。这种内存类型非常适合跟踪用户是谁、之前的会话中发生了什么，以及在多步骤工作流程中维护状态。

Retrieval-Augmented Generation (RAG) 通过提供对来自大型存储库的最新权威信息的访问来补充长期记忆。使用这些系统检索最新的文档、技术规范、政策和领域专业知识，这些文档可能过于庞大或不稳定，无法长期存储。RAG通过在查询时直接从精心策划的来源中提取来确保事实的准确性，使其非常适合访问权威来源现在所说的话。将 RAG 集成到您的代理中的一个选择是使用 Amazon Bedrock 知识库。有关更多信息，请参阅 Amazon Bedrock 用户指南中的使用 Amazon Bedrock 知识库检索数据并生成 A I 响应。

关键区别在于它们的互补作用：长期记忆处理个人背景和会话连续性，而RAG则提供当前的事实知识和领域专业知识。 Long-term 记忆回答 “谁是用户以及以前发生了什么”，而RAG则回答 “可信来源目前怎么说”。这种分离使代理能够与用户保持个人关系，同时确保访问准确、权威的信息。

通过将长记忆和 RAG 结合使用，您的客服人员既可以通过记忆的背景提供个性化体验，也可以通过实时知识检索提供可靠的信息。对于您的客户来说，您的代理既熟悉又有事实依据。