Samodzielnie zarządzana pamięć agenta (Lakebase)

Pamięć agenta zarządzana samodzielnie wykorzystuje bazę danych Databricks Lakebase — w pełni zarządzaną bazę danych Postgres OLTP — jako trwały magazyn dla agentów. Użyj tego podejścia, jeśli potrzebujesz bezpośredniego dostępu SQL do pamięci (na przykład w celu zintegrowania pamięci z istniejącymi potokami danych lub użycia niestandardowego schematu) lub gdy potrzebujesz krótkoterminowej pamięci wspieranej przez usługę Lakebase. Takie podejście wymaga zarządzania schematem bazy danych, konfiguracją połączenia i kontrolą dostępu.

Jeśli nie potrzebujesz bezpośredniego dostępu do SQL ani niestandardowego schematu, użyj zarządzanej pamięci agenta, którą Databricks zarządza za pośrednictwem Unity Catalog. Aby zapoznać się z porównaniem tych dwóch podejść, zobacz Pamięć agenta.

Requirements

Krótkoterminowa i długoterminowa pamięć

Pamięć zarządzana samodzielnie obsługuje zarówno pamięć krótkoterminową, jak i długoterminową, a agenta można utworzyć za pomocą obu tych opcji:

  • Pamięć krótkoterminowa przechwytuje kontekst w jednej sesji konwersacji przy użyciu identyfikatorów wątków i punktów kontrolnych. Zachowuje kontekst kolejnych pytań w ramach sesji.
  • Pamięć długoterminowa wyodrębnia i przechowuje kluczowe informacje w wielu konwersacjach. Personalizuje interakcje na podstawie wcześniejszych preferencji i tworzy bazę wiedzy na temat użytkowników, którzy ulepszają odpowiedzi w czasie.

Aby uzyskać więcej informacji o sposobie działania typów pamięci, zobacz Pamięć agenta.

Agenci z krótkoterminową i długoterminową pamięcią

Wprowadzenie

Aby utworzyć agenta z pamięcią w usłudze Databricks Apps, sklonuj wstępnie utworzony szablon aplikacji i postępuj zgodnie z opisem w artykule Tworzenie agenta i wdrażanie go w aplikacjach. Poniższe szablony pokazują, jak dodać pamięć krótko- i długoterminową do agentów, korzystając z popularnych platform.

LangGraph

Sklonuj szablon agent-langgraph-advanced, aby zbudować agenta LangGraph z pamięcią krótkoterminową i długoterminową. Szablon używa wbudowanego tworzenia punktów kontrolnych usługi LangGraph z usługą Lakebase na potrzeby trwałego zarządzania stanem, w tym kontekstu konwersacji opartej na wątkach i trwałych szczegółowych informacji o użytkownikach między sesjami.

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

Zestaw SDK agentów OpenAI

Sklonuj szablon agent-openai-advanced, aby utworzyć agenta przy użyciu zestawu OpenAI Agents SDK z pamięcią krótkoterminową. Szablon używa usługi Lakebase do trwałego zarządzania stanem, umożliwiając stanowe konwersacje wieloetrowe z automatycznym zarządzaniem historią konwersacji.

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

Przetwarzanie w tle dla długo działających agentów

Zaawansowane szablony agent-langgraph-advanced i agent-openai-advanced rozszerzają podstawowe szablony o pamięć krótkotrwałą i długotrwałe wykonywanie w tle za pośrednictwem LongRunningAgentServer z databricks-ai-bridge. Wprowadzają tryb działania w tle i tryb strumieniowania, które pozwalają zadaniom agenta działać dalej po przekroczeniu limitu czasu połączenia HTTP w Databricks Apps, z obsługą odpytywania lub wznawiania połączenia strumieniowego w celu pobrania wyników. Aby uzyskać pełną umowę klienta, zobacz zaawansowany szablon README.

Wdrażaj agenta i wysyłaj zapytania

Po skonfigurowaniu agenta z pamięcią wykonaj kroki opisane w temacie Tworzenie agenta i wdróż go w aplikacjach , aby uruchomić agenta lokalnie, ocenić go i wdrożyć w usłudze Databricks Apps.

Następne kroki

  • Last updated on