Sistema de memória na versão prévia do SRE Agent

O sistema de memória do Agente SRE fornece aos agentes o conhecimento necessário para solucionar problemas com eficiência. Ao adicionar runbooks, padrões de equipe e contexto específico do serviço, você ajuda os agentes a fornecer melhores respostas durante incidentes. O sistema aprende com cada sessão para melhorar ao longo do tempo.

Componentes de memória

O sistema de memória consiste em quatro componentes complementares:

Componente	Propósito	Configuração	Mais adequado para
Memórias do usuário	Comandos de chat rápido para conhecimento da equipe	Instantâneo (comandos de chat)	Padrões de equipe, configurações de serviço, padrões de fluxo de trabalho
Base de Dados de Conhecimento	Upload direto de documentos para manuais de operação	Rápido (upload de arquivo)	Manuais operacionais estáticos, guias de solução de problemas, documentação interna
Conector de documentação	Sincronização automatizada do Azure DevOps	Configuração necessária	Documentação viva, guias atualizados com frequência
Informações da sessão	Memórias geradas por um agente em sessões	Automático	Padrões de solução de problemas aprendidos, resoluções de incidentes anteriores

Como os agentes recuperam a memória

Durante as conversas, os agentes recuperam informações de fontes de memória por meio de ferramentas configuradas.

Ferramenta de configuração

A SearchMemory ferramenta recupera todos os componentes de memória. Ele realiza buscas simultâneas nas memórias do usuário, na base de conhecimento, nos insights da sessão e no conector de documentação.

• Agente SRE (padrão): SearchMemory é incorporado
• Subagentes personalizados: adicionar SearchMemory ferramenta à sua configuração

Importante

Não armazene segredos, credenciais, chaves de API ou dados confidenciais em nenhum componente de memória. Sua equipe compartilha memórias e o sistema as indexa para pesquisa.

Parâmetros de pesquisa aprimorados

A SearchNodes ferramenta dá suporte a opções de filtragem para pesquisas mais direcionadas:

Parâmetro	Tipo	Description
entityType	cadeia	Filtrar resultados por tipo de entidade, como Incident, Serviceou Resource.
includeNeighbors	bool	Inclua nós conectados nos resultados da pesquisa.

Example:

Search for all incidents related to "database timeout" and include connected resources

Quando você define includeNeighbors como true, a pesquisa retorna não apenas nós de incidente correspondentes, mas também seus conectados:

• Recursos
• Services
• Incidentes relacionados
• Documentos vinculados

Ao mostrar o grafo de relação completo em torno de nós correspondentes, você obtém um contexto mais rico durante as investigações.

Início rápido

Comece estabelecendo o conhecimento fundamental com as memórias do usuário e expanda para o armazenamento de documentos e a sincronização automatizada à medida que suas necessidades aumentam.

1. Comece com as memórias do usuário

Use comandos de chat para salvar o conhecimento imediato da equipe:

#remember Team owns services: app-service-prod, redis-cache-prod, and sql-db-prod

#remember For latency issues, check Redis cache health first

#remember Production deployments happen Tuesdays at 2 PM PST

Esses fatos agora estão disponíveis em todas as conversas.

2. Carregar documentos-chave

Adicione runbooks críticos e guias à base de dados de conhecimento:

1. Abra o Agente SRE no portal do Azure.

2. Vá para Configurações>Base de Conhecimento.

3. Selecione Adicionar arquivo ou arrastar e soltar arquivos na área de carregamento.

4. Carregar .md ou .txt arquivos (até 16 MB cada).

5. O sistema indexa arquivos e os disponibiliza para recuperação por meio de SearchMemory.

3. Examinar as informações sobre a sessão

Após as sessões de resolução de problemas, verifique Configurações>Informações da sessão para ver o que correu bem e onde o agente precisa de mais contexto. Use os insights para identificar as lacunas de conhecimento e adicionar memórias ou documentação direcionadas.

4. Conectar repositórios (opcional)

Para equipes com documentação existente no Azure DevOps:

1. Vá para Configurações>Conectores.

2. Selecione Adicionar conector e selecione Conector de documentação.

3. Insira a URL do repositório do Azure DevOps e selecione uma identidade gerenciada.

   O conector inicia a indexação automaticamente.

Memórias do usuário

As memórias do usuário permitem salvar fatos, padrões e contexto da equipe que os agentes lembram em todas as conversas. Usando comandos de chat simples (#remember, #forget, #retrieve), você pode criar uma base de dados de conhecimento persistente que aprimora automaticamente as respostas do agente.

Comandos de chat

Salvar informações usando #remember

Salve fatos, padrões ou contexto para conversas futuras.

Sintaxe:

#remember [content to save]

Exemplos:

#remember Team owns app-service-prod in East US region
#remember For app-service-prod latency issues, check Redis cache health first
#remember Team uses Kusto for logs. Workspace is "myteam-prod-logs"

O sistema insira conteúdo usando o OpenAI, armazena-o no Azure AI Search e o disponibiliza para recuperação automática em todas as conversas. Você verá uma confirmação: ✅ Agent Memory saved.

Remover memórias usando #forget

Exclua as memórias salvas anteriormente pesquisando-as.

Sintaxe:

#forget [description of what to forget]

Exemplos:

#forget NSG rules information
#forget production environment location

O sistema pesquisa suas memórias semânticamente para encontrar a melhor correspondência, mostra o conteúdo e depois o exclui. Você verá uma confirmação: ✅ Agent Memory forgotten: [deleted content]

Consultar memórias usando #retrieve

Pesquise e exiba explicitamente as memórias salvas sem disparar o raciocínio do agente.

Sintaxe:

#retrieve [search query]

Exemplos:

#retrieve production environment
#retrieve deployment process

O sistema pesquisa semanticamente as memórias. Ele usa as cinco principais correspondências para sintetizar uma resposta. As memórias individuais e a resposta sintetizada são exibidas.

Escopo e armazenamento

• Compartilhado em toda a equipe: todos os usuários do Agente SRE podem acessá-lo.

• Persista em todas as conversas: salve-a uma vez e ela estará disponível para sempre.

• Recuperados automaticamente quando relevantes: os agentes pesquisam memórias semanticamente durante o raciocínio.

Base de dados de conhecimento

A base de dados de conhecimento fornece recursos diretos de upload de documentos para runbooks, guias de solução de problemas e documentação interna que os agentes podem recuperar durante as conversas.

Tipos e limites de arquivo suportados

• Formatos: .md (markdown, recomendado) .txt (texto sem formatação)
• Por arquivo: máximo de 16 MB (limite do Azure AI Search)
• Por solicitação: total de 100 MB para todos os arquivos em um único upload

Carregar documentos

1. Vá para Configurações>Base de Conhecimento.

2. Selecione Adicionar arquivo ou arrastar e soltar arquivos na área de carregamento.

   O portal valida, carrega e indexa arquivos automaticamente.

Carregar por meio da ferramenta do agente

O agente pode carregar documentos diretamente na base de dados de conhecimento usando a UploadKnowledgeDocument ferramenta. Esse método é útil quando:

• Você deseja capturar as etapas de solução de problemas descobertas durante uma investigação.
• Você precisa adicionar runbooks criados a partir de resoluções de incidentes.
• Você deseja adicionar documentação programaticamente sem acesso à interface do usuário.

Ferramenta: UploadKnowledgeDocument

Parâmetro	Tipo	Obrigatório	Description
fileName	cadeia	Yes	Nome do arquivo com extensão (por exemplo, runbook-database-issues.md). Deve ser .md ou .txt.
content	cadeia	Yes	Conteúdo completo do documento em texto sem formatação ou formato Markdown.
triggerIndexing	bool	Não	Acionar a indexação imediata (padrão: true). Definido como false para uploads em lote.

Exemplo de uso:

Pergunte ao agente:

"Salve nossas etapas de resolução de problemas para o problema de tempo limite do banco de dados na base de conhecimento"

O agente usa UploadKnowledgeDocument para:

1. Crie um documento com um nome de arquivo apropriado.
2. Formate o conteúdo no Markdown.
3. Carregue o documento no Armazenamento de Blobs do Azure.
4. Iniciar a indexação para uma pesquisa imediata.

Restrições:

• Tamanho máximo do arquivo: 16 MB.
• Extensões com suporte: .md e .txt somente.
• Se existir um documento com o mesmo nome de arquivo, o agente o substituirá.

Tratamento de erros:

Erro	Resolução
"A memória do agente está desabilitada"	Habilite a memória do agente na configuração.
"Extensão de arquivo inválida"	Use apenas as extensões .md ou .txt.
"O conteúdo do documento excede o tamanho máximo"	Divida documentos grandes em arquivos menores.

Gerenciar documentos

• Exibição: Vá para aBase de Dados de Conhecimento de > para ver todos os documentos carregados.

• Atualização: para substituir a versão anterior, carregue um arquivo com o mesmo nome.

• Excluir: selecione documentos e use a ação de exclusão. As alterações entrarão em vigor imediatamente.

Insights de sessão

À medida que o agente lida com seus incidentes, ele aprende. Os insights de sessão capturam o que funcionou, o que não funcionou e os principais aprendizados de cada sessão. O agente aplica automaticamente esse conhecimento para ajudar com problemas semelhantes no futuro.

Aprimoramento automático

O agente aprende com cada sessão sem nenhum esforço manual:

• O agente lida com um problema de forma autônoma ou trabalha diretamente com você.
• O agente captura sintomas, etapas de resolução, causa raiz e armadilhas.
• Esses insights se tornam memórias pesquisáveis.
• As sessões futuras recuperam automaticamente insights passados relevantes.

O resultado: o agente fica melhor com o tempo, sugerindo resoluções comprovadas e evitando armadilhas conhecidas.

Descobrir oportunidades

Embora os insights de sessão funcionem automaticamente, revisá-los pode exibir padrões valiosos sobre os quais talvez você queira tomar uma ação.

Padrão que você pode descobrir	Ação potencial
O mesmo problema continua recorrente	Corrigir o código ou a configuração subjacente
O agente não possui contexto sobre o seu serviço	Criar um subagente personalizado com conhecimento de domínio
As etapas de solução de problemas não estão documentadas	Atualizar ou criar um runbook
As lacunas de telemetria dificultaram o diagnóstico	Melhorar o registro ou adicionar métricas
Alerta disparado, mas não acionável	Configurar o alerta ou adicionar links de runbook

Pense nos insights da sessão como uma janela para o aprendizado do agente. Você pode encontrar algo em que vale a pena agir ou pode deixar o agente lidar com quaisquer problemas que surgiram.

Como funciona

Os insights de sessão criam um loop de melhoria contínuo: o agente captura sintomas, etapas, causa raiz e armadilhas de cada sessão e recupera insights passados relevantes quando surgem problemas semelhantes. Esse ciclo automático ajuda o agente a resolver problemas mais rapidamente ao longo do tempo.

O que o agente captura

O agente captura uma série de pontos de dados de cada sessão para melhorar a solução de problemas futura.

Capturado	Como o agente o usa
Sintomas observados	Reconhece padrões semelhantes em problemas futuros
Etapas que funcionaram	Sugere caminhos de resolução comprovados
Causa raiz encontrada	Identifica rapidamente as causas prováveis
Problemas encontrados	Evita repetir erros
Contexto que você forneceu	Lembra fatos sobre seu ambiente
Recursos envolvidos	Conecta problemas passados nos mesmos recursos

Quando os insights são gerados

O sistema gera insights automaticamente após a conclusão das conversas ou você pode solicitá-las sob demanda.

• Automaticamente: após a conclusão das conversas (é executada periodicamente, aproximadamente a cada 30 minutos)
• Sob demanda: selecione Gerar insights de sessão no rodapé do chat para resultados imediatos (cerca de 30 segundos)

Navegar pelos insights

Acesse Configurações>Insights da sessão para ver o que o agente aprendeu:

• Contagem total no cabeçalho
• Lista de insights com título da sessão e carimbo de data/hora
• Exibição de detalhes com as seções expansíveis de Linha do Tempo e Desempenho do Agente
• Vá para Thread para revisitar a conversa original

Observação

Embora a navegação manual periódica de insights possa exibir padrões recorrentes que valem a pena abordar, o agente se beneficia desses insights, quer você os examine ou não.

Estrutura do Insight

Cada insight inclui:

• Linha do tempo: marcos cronológicos da sessão de solução de problemas (até oito)
• Desempenho do agente: o que deu certo, áreas de melhoria e aprendizados importantes
• Pontuação de qualidade da investigação: classificação 1-5 para conclusão da investigação

Conteúdo relacionado

• Conector de documentação