Agentstatus en -geheugen

Agents hebben permanente opslag nodig om context tussen beurten en sessies te behouden. Lakebase Autoscaling biedt een volledig beheerde Postgres-backend voor het opslaan van agentstatus en -geheugen, met native integratie met Databricks-verificatie en die automatisch schaalt met uw workload.

Korte termijn versus langetermijngeheugen

Kortlopend geheugen Langetermijngeheugen
Legt context vast binnen één gesprekssessie met behulp van thread-id's en controlepunten.
Hiermee kunnen agenten vervolgvragen beantwoorden met kennis van eerdere beurten.		 Extraheert en slaat belangrijke inzichten op in meerdere gesprekken.
Hiermee kunt u persoonlijke antwoorden op basis van eerdere interacties inschakelen.
Hiermee bouwt u een knowledge base voor gebruikers die in de loop van de tijd verbetert.

U kunt beide of beide geheugentypen in dezelfde agent implementeren.

Implementatieopties

Met Lakebase ondersteund agentgeheugen wordt ondersteund op twee Databricks-implementatiedoelen:

Databricks-apps: Agents implementeren als interactieve toepassingen met kortetermijn- of langetermijngeheugen, met behulp van LangGraph-controlepunten of de OpenAI Agents SDK. Databricks verwerkt automatisch verificatie tussen de app en Lakebase.

Zie zelfbeheerd agentgeheugen (Lakebase).

Model Serving: Agents implementeren op Model Serving-endpoints met door Lakebase ondersteunde checkpoints. Ondersteunt LangGraph-tijdreisfunctie om gesprekken te hervatten of te vertakken vanaf elk controlepunt. Zie agentgeheugen (Model Serving).

Implementation

Zie voor volledige installatie-instructies, app-sjablonen en notebookvoorbeelden:

Aanvullende informatiebronnen

  • Last updated on