Hinweis
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, sich anzumelden oder das Verzeichnis zu wechseln.
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, das Verzeichnis zu wechseln.
KI-Agents benötigen beständigen Speicher, um den Kontext über Wendungen und Sitzungen hinweg aufrechtzuerhalten. Lakebase Autoscaling bietet ein vollständig verwaltetes Postgres-Backend für die Speicherung des Zustands und des Speichers von Agenten. Es integriert sich nativ mit der Databricks-Authentifizierung und skaliert automatisch mit Ihrer Arbeitslast.
Kurzzeitgedächtnis vs. Langzeitgedächtnis
| Kurzzeitspeicher | Langzeitspeicher |
|---|---|
| Erfasst den Kontext innerhalb einer einzelnen Unterhaltungssitzung mithilfe von Thread-IDs und Prüfpunkten. Ermöglicht es Agenten, Folgefragen unter Berücksichtigung früherer Dialogschritte zu beantworten. |
Extrahiert und speichert wichtige Einblicke in mehrere Unterhaltungen. Ermöglicht personalisierte Antworten basierend auf früheren Interaktionen. Erstellt eine Benutzerwissensbasis, die sich im Laufe der Zeit verbessert. |
Sie können entweder oder beide Speichertypen im selben Agent implementieren.
Bereitstellungsoptionen
Lakebase-gesicherter Agent-Speicher wird für zwei Databricks-Bereitstellungsziele unterstützt:
Databricks-Apps: Stellen Sie Agents als interaktive Anwendungen mit kurzfristigem oder langfristigem Arbeitsspeicher mithilfe von LangGraph-Prüfpunkten oder dem OpenAI Agents SDK bereit. Databricks verarbeitet automatisch die Authentifizierung zwischen der App und Lakebase. Siehe KI-Agent-Speicher.
Model Serving: Stellen Sie Agents auf Model-Serving-Endpunkten mit Lakebase-gestützten Checkpoints bereit. Unterstützt die LangGraph-Zeitreise-Funktion zum Fortsetzen oder Verzweigen von Unterhaltungen von jedem Checkpoint. Siehe KI-Agent-Speicher (Model Serving).
Implementation
Vollständige Einrichtungsanweisungen, App-Vorlagen und Notizbuchbeispiele finden Sie unter: