Estado del agente y su memoria

Los agentes de IA necesitan almacenamiento persistente para mantener el contexto entre turnos y sesiones. El escalado automático de Lakebase proporciona un back-end de Postgres totalmente administrado para almacenar el estado y la memoria del agente, la integración de forma nativa con la autenticación de Databricks y el escalado automático con la carga de trabajo.

Memoria a corto plazo frente a memoria a largo plazo

Memoria a corto plazo Memoria a largo plazo
Captura el contexto dentro de una sola sesión de conversación mediante identificadores de subprocesos y puntos de control.
Permite a los agentes responder a preguntas de seguimiento con reconocimiento de turnos anteriores.		 Extrae y almacena información clave en varias conversaciones.
Habilita respuestas personalizadas basadas en interacciones pasadas.
Crea una base de conocimiento de usuario que mejora con el tiempo.

Puede implementar uno o ambos tipos de memoria en el mismo agente.

Opciones de implementación

La memoria del agente respaldada por Lakebase se admite en dos destinos de implementación de Databricks:

Aplicaciones de Databricks: implemente agentes como aplicaciones interactivas con memoria a corto o largo plazo, mediante los puntos de control LangGraph o el OpenAI Agents SDK. Databricks controla automáticamente la autenticación entre la aplicación y Lakebase. Consulte Memoria del agente de IA.

Servicio de modelos: implemente agentes en endpoints de Servicio de modelos con checkpoints respaldados por Lakebase. Admite el viaje en tiempo de LangGraph para reanudar o bifurcar conversaciones desde cualquier punto de control. Consulte Memoria del agente de IA (Servicio de modelos).

Implementation

Para obtener instrucciones de configuración completas, plantillas de aplicación y ejemplos de cuadernos, consulte:

Pasos siguientes

  • Last updated on