Paměť agenta spravovaná vlastním systémem (Lakebase)

Paměť samoobslužného agenta používá Databricks Lakebase, plně spravovanou databázi Postgres OLTP, jako trvalé úložiště paměti pro vaše agenty. Tento přístup použijte, když potřebujete přímý přístup SQL k pamětím (například k integraci paměti se stávajícími datovými kanály nebo k použití vlastního schématu) nebo pokud potřebujete krátkodobou paměť zálohovanou Lakebasem. Tento přístup vyžaduje správu schématu databáze, nastavení připojení a řízení přístupu.

Pokud nepotřebujete přímý přístup SQL nebo vlastní schéma, použijte místo toho paměť spravovaného agenta , kterou Databricks řídí prostřednictvím katalogu Unity. Porovnání těchto dvou přístupů najdete v tématu Paměť agenta.

Požadavky

Krátkodobá a dlouhodobá paměť

Samoobslužná paměť podporuje krátkodobou i dlouhodobou paměť a agenta můžete sestavit pomocí obou těchto možností:

  • Krátkodobá paměť zachycuje kontext v jedné relaci konverzace pomocí ID vláken a kontrolních bodů. Udržuje kontext pro následné otázky v rámci relace.
  • Dlouhodobá paměť extrahuje a ukládá klíčové informace napříč několika konverzacemi. Přizpůsobuje interakce na základě minulých preferencí a vytváří znalostní bázi o uživatelích, kteří v průběhu času vylepšují odpovědi.

Další informace o tom, jak fungují typy paměti, najdete v tématu Paměť agenta.

Agenti s krátkodobou a dlouhodobou pamětí

Začínáme

Pokud chcete vytvořit agenta s pamětí v Databricks Apps, naklonujte předem vytvořenou šablonu aplikace a postupujte podle pracovního postupu vývoje popsaného v tématu Vytvoření agenta AI a nasaďte ho do aplikací. Následující šablony ukazují, jak přidat krátkodobé a dlouhodobé paměti do agentů pomocí oblíbených architektur.

LangGraph

Naklonujte šablonu pro pokročilé agenty a vytvořte agenta LangGraph s krátkodobou i dlouhodobou pamětí. Šablona používá vestavěný checkpointing LangGraphu se službou Lakebase pro správu trvalých stavů, včetně kontextu konverzace na bázi vláken a přetrvávajících dodatečných informací o uživatelích napříč relacemi.

git clone https://github.com/databricks/app-templates.git
cd app-templates/agent-langgraph-advanced

OpenAI Agents SDK

Naklonujte šablonu agent-openai-advanced pro sestavení agenta pomocí sady OpenAI Agents SDK s krátkodobou pamětí. Šablona používá Lakebase k trvalé správě stavu a umožňuje stavové konverzace s vícenásobným otáčením s automatickou správou historie konverzací.

git clone https://github.com/databricks/app-templates.git
cd app-templates/agent-openai-advanced

Spouštění na pozadí pro dlouhotrvající agenty

Pokročilé šablony agent-langgraph-advanced a agent-openai-advanced rozšiřují základní šablony o krátkodobou paměť a dlouhotrvající spouštění na pozadí prostřednictvím LongRunningAgentServer z databricks-ai-bridge. Přidávají se režimy běhu na pozadí a streamování, které umožňují úlohám agenta pokračovat v běhu i po vypršení časového limitu připojení HTTP u Databricks Apps, s podporou dotazování nebo obnovení streamovacího připojení pro získání výsledků. Úplný kontrakt klienta naleznete v rozšířené šabloně README.

Nasazení a dotazování agenta

Jakmile nakonfigurujete agenta s pamětí, postupujte podle pokynů v tématu Vytvoření agenta AI a jeho nasazení do aplikací za účelem místního spuštění agenta, jeho vyhodnocení a nasazení do Databricks Apps.

Další kroky

  • Last updated on