Nota
L'accesso a questa pagina richiede l'autorizzazione. È possibile provare ad accedere o modificare le directory.
L'accesso a questa pagina richiede l'autorizzazione. È possibile provare a modificare le directory.
L'agente diventa più efficace nel tempo memorizzando ciò che ha funzionato negli eventi imprevisti precedenti e facendo riferimento alla documentazione.
Funzionamento della memoria
Quando si pone una domanda, l'agente esegue la ricerca simultanea in tutte le origini delle informazioni.
| origine | Cosa trova | Ideale per |
|---|---|---|
| Eventi imprevisti precedenti | Passaggi che hanno risolto problemi simili | "Come abbiamo risolto questo problema prima?" |
| Ricordi utente | Fatti salvati in modo esplicito | Ricorda che il mio ambiente utilizza... |
| Knowledge Base | Runbook e documentazione caricati | "Seguire la procedura standard" |
L'agente restituisce una risposta ben fondata con citazioni cliccabili che mostrano esattamente da dove provengono le informazioni.
Apprendimento automatico
L'agente apprende da ogni conversazione. Non è necessario alcun addestramento manuale.
Al termine di ogni thread, l'agente acquisisce le informazioni seguenti.
| Cosa | Descrizione |
|---|---|
| Sintomi osservati | Messaggi di errore, comportamenti, modelli |
| Passaggi che hanno avuto successo | Percorso di risoluzione completato |
| Causa radice | Cosa ha causato il problema |
| Insidie da evitare | Cosa non funzionava, fine morta |
Questo processo viene eseguito automaticamente. Trenta minuti dopo che un thread diventa silenzioso, l'agente valuta la conversazione e indicizza le informazioni.
Priorità della stessa risorsa
Quando si analizza un problema di risorsa, l'agente assegna la priorità alle sessioni precedenti nella stessa risorsa.
"App Service app-prod-01 is returning 503 errors"
Il tuo agente controlla per prima cosa se ha visto problemi su app-prod-01 in precedenza. In caso affermativo, tali apprendimento vengono visualizzati per primi perché hanno la più alta rilevanza.
Persistenza proattiva delle conoscenze
Oltre all'apprendimento dai thread completati, l'agente salva attivamente ciò che individua durante le conversazioni. Quando l'agente rileva qualcosa di importante (una configurazione complessa, una dipendenza non ovvia o un gotcha di debug), registra le informazioni dettagliate nei file di conoscenza permanenti che si trovano tra le sessioni.
Come funziona
L'agente mantiene un repertorio di conoscenze in memories/synthesizedKnowledge/. L'agente carica automaticamente un file speciale, overview.md, nella richiesta di sistema all'inizio di ogni conversazione. Questo approccio consente all'agente di accedere immediatamente al contesto più importante dell'ambiente.
| Componente | Funzionamento |
|---|---|
overview.md |
Riepilogo del servizio e indice. Sempre caricato nel contesto (~2.000 caratteri budget). |
| File dei temi | Note dettagliate su argomenti specifici (ad esempio, aks-networking-gotchas.md). |
| Collegamenti dalla panoramica |
overview.md collegamenti ai file di argomento in modo che l'agente conosca le informazioni dettagliate esistenti. |
Cosa salva il tuo agente
L'agente registra in modo proattivo informazioni dettagliate durante le conversazioni.
| Categoria | Examples |
|---|---|
| Vincoli del problema | "Questo servizio non può scalare oltre 10 repliche a causa dei limiti di quota" |
| Strategie che hanno funzionato | "Il riavvio del pod con --grace-period=0 ha risolto il problema della distribuzione bloccata" |
| Strategie non riuscite | "L'aumento del limite di memoria non è stato utile. Il problema era il throttling della CPU |
| Dipendenze non ovvie | "app-frontend dipende da un proxy sidecar che deve essere avviato per primo" |
| Dettagli di configurazione | "La produzione usa certificati TLS personalizzati archiviati in Key Vault" |
Organizzazione delle conoscenze
L'agente organizza le informazioni semanticamente in base all'argomento, non in ordine cronologico. Ogni file è un riferimento autonomo.
| File | Cosa acquisisce |
|---|---|
overview.md |
Riepilogo dei servizi, collegamenti chiave, indice dei file di argomento (~2.000 caratteri) |
team.md |
Membri del team, ruoli, competenze (circa 500 caratteri) |
architecture.md |
Componenti, connessioni, ambienti (~1.500 caratteri) |
logs.md |
Origini di log, tabelle, campi chiave, query utili (~1.500 caratteri) |
deployment.md |
Dettagli della pipeline, ricerca della versione, procedure di rollback (~1.000 caratteri) |
auth.md |
Meccanismi di autenticazione, flussi di identità (~800 chars) |
debugging.md |
Problemi comuni, guide per la risoluzione dei guasti, link ai runbook (~1.000 caratteri) |
queries/*.md |
Query estratte organizzate per argomento (circa 1.000 caratteri ciascuno) |
Quando si aggiornano le conoscenze esistenti, l'agente legge il file corrente, unisce nuove informazioni e rimuove tutto ciò che diventa obsoleto o errato.
Suggerimento
È possibile chiedere all'agente di salvare anche le informazioni
Oltre alla persistenza automatica, è possibile chiedere esplicitamente all'agente di salvare le informazioni nei relativi file di conoscenza:
Save this to your knowledge: our Redis cache uses Premium tier with 6GB,
and failover takes about 90 seconds.
L'agente crea o aggiorna il file di conoscenza appropriato e lo collega da overview.md.
Questo approccio è diverso dai #remember comandi (descritti nella sezione successiva), che salvano fatti discreti in un archivio di memoria separato. I file di conoscenza sono riferimenti strutturati e persistenti consultati dall'agente all'inizio di ogni conversazione. I ricordi utente sono singoli fatti ricercabili tramite #retrieve.
Ricordi utente
Oltre a ciò che l'agente apprende e mantiene automaticamente, è possibile salvare in modo esplicito fatti discreti per ricordare l'agente. I ricordi utente sono ideali per dettagli specifici dell'ambiente che potrebbero non venire presenti in eventi imprevisti, ma sono importanti per il contesto.
La tabella seguente descrive i candidati validi per i ricordi utente.
| Categoria | Examples |
|---|---|
| Fatti dell'ambiente | Produzione utilizza tre cluster del servizio Azure Kubernetes Service nella Regione Stati Uniti occidentali 2 |
| Preferenze del team | "Preferiamo l'interfaccia della riga di comando rispetto al portale per le distribuzioni" |
| Dettagli dell'architettura | "app-service-01 dipende da sql-prod" |
| Percorsi di escalation | PagerDuty, quindi canale Teams, poi telefono |
Comandi di memoria
Gestire i ricordi degli utenti usando questi comandi di chat.
| Comando | Funzionamento | Esempio |
|---|---|---|
#remember |
Salvare un fatto per riferimento futuro | #remember our Redis cache uses Premium tier |
#retrieve |
Cerca i tuoi ricordi salvati | #retrieve what's our caching setup? |
#forget |
Rimuovere una memoria salvata | #forget the outdated Redis info |
Nell'esempio seguente viene illustrato un flusso di lavoro di memoria tipico.
Salva contesto importante:
#remember Production uses 3 AKS clusters in West US 2
#remember Our escalation path: PagerDuty, then Teams channel, then phone
#remember Database failover takes approximately 15 minutes
Recuperare in un secondo momento:
#retrieve how long does database failover take?
L'agente risponde in base alla memoria salvata: "Il failover del database richiede circa 15 minuti".
Base di Conoscenza
Caricare la documentazione e connettere origini esterne per offrire all'agente una libreria di riferimento più ampia.
Carica documenti
Accedi a Builder Knowledge Base per caricare la documentazione.
| Tipo di documento | Buono per |
|---|---|
| Runbooks | Procedure dettagliate per gli eventi imprevisti |
| Guide all'architettura | Informazioni sull'ambiente |
| Playbook di reperibilità | Procedure di escalation e risposta |
| Documentazione dell'API | Conoscenza specifica del servizio |
| Procedure operative del gruppo di lavoro | Documentazione sul flusso di lavoro e sul processo |
Formati supportati: Markdown (.md), Testo normale (.txt). La dimensione massima del file è 16 MB.
Collegare fonti esterne
Accedere alle informazioni direttamente dai sistemi esterni usando i connettori.
| Connettore | Elementi forniti |
|---|---|
| Azure DevOps | Effettuare una query sulle pagine wiki di ADO |
| GitHub | Cerca repository, wiki, problemi |
| Microsoft Learn | Documentazione ufficiale di Microsoft |
| McP personalizzato | Qualsiasi fonte di conoscenza configurata |
Configurare i connettori in Impostazioni > Connettori. Per altre informazioni, vedere Connettori.
Usare le conoscenze nelle conversazioni
L'agente cerca automaticamente le informazioni quando è rilevante per la domanda.
How should I handle a database failover?
Se si carica un runbook, l'agente risponde con una risposta fondata.
In base al runbook del database(collegamento di citazione), ecco i passaggi di failover:
- Verificare l'integrità della replica secondaria...
Selezionare i collegamenti di citazione per visualizzare il documento di origine completo.
Informazioni dettagliate sulla sessione
Dopo ogni thread (una conversazione di chat sincrona o un'attività asincrona attivata automaticamente), l'agente genera un approfondimento sulla sessione. Le informazioni dettagliate sulle sessioni sono il modo in cui l'agente diventa più intelligente nel tempo.
Cosa viene acquisito
Ogni analisi della sessione estrae apprendimenti strutturati che diventano memoria ricercabile.
| Componente | Cosa acquisisce | Esempio |
|---|---|---|
| Sintomi osservati | Modelli di errore, comportamenti | "Errori HTTP 503, memoria a 95%" |
| Procedura per la risoluzione | Cosa ha funzionato | "SKU del servizio app con scalabilità orizzontale" |
| Causa radice | Perché è successo | "Perdita di memoria nella distribuzione v2.3" |
| Insidie da evitare | Cosa non funzionava | "Il riavvio non è stato d'aiuto" |
Quando vengono generate informazioni dettagliate
Nella tabella seguente viene descritto quando vengono generate informazioni dettagliate sulla sessione.
| Tipo di thread | Quando | Auto o manuale |
|---|---|---|
| Sincronizzare la chat | 30 minuti dopo l'ultimo messaggio | Automatico |
| Attività asincrone | 30 minuti dopo il completamento | Automatico |
| commenti e suggerimenti degli utenti | Quando si valuta una risposta | Lo attivi |
Visualizzare le informazioni dettagliate sulla sessione
Passare a Monitorare > le informazioni dettagliate sulle sessioni per visualizzare:
- Sequenza temporale delle azioni dell'agente
- Punteggi di valutazione
- Apprendimento chiave estratto
- Collegamenti al thread di origine: ogni scheda di informazioni dettagliate si collega nuovamente ai thread che l'hanno generata, in modo da poter tracciare tutte le informazioni dettagliate sulla conversazione originale
Per metriche e gestione dettagliate, vedere Monitorare l'utilizzo dell'agente.
Procedure consigliate
Seguire questi consigli per ottenere il massimo valore dalle funzionalità di memoria e conoscenza dell'agente.
Scegliere cosa caricare e connettere
| Upload | Connettersi tramite connettore |
|---|---|
| Runbook degli incidenti | Pagine wiki in tempo reale (ADO, GitHub) |
| Diagrammi dell'architettura | Repository di codice sorgente |
| Procedure di escalation | Dati di monitoraggio in tempo reale |
| Documentazione dell'API statica | Documentazione aggiornata di frequente |
Mantenere aggiornate le conoscenze
I documenti obsoleti causano risposte non corrette. Esamina la base di conoscenza trimestralmente. Per vedere quali documenti possiede attualmente l'agente, puoi chiedere:
What knowledge documents do you have?
Rimuovere i documenti obsoleti nella Knowledge Base di Builder>.
Denominare chiaramente i documenti
Usare nomi di file descrittivi per aiutare l'agente e il team a trovare rapidamente la documentazione corretta.
| Non usare | Usare invece |
|---|---|
| doc1.txt | production-database-failover.md |
| runbook.md | aks-cluster-scaling-runbook.md |
| notes.txt | escalation-procedures-2026.txt |
Passo successivo
Contenuti correlati
- Connettori: collega fonti di conoscenza esterne al tuo agente.
- Subagenti: creare agenti specializzati con funzionalità incentrate.