Observação
O acesso a essa página exige autorização. Você pode tentar entrar ou alterar diretórios.
O acesso a essa página exige autorização. Você pode tentar alterar os diretórios.
Os agentes precisam de armazenamento persistente para manter o contexto entre turnos e sessões. O Lakebase oferece um backend Postgres totalmente gerenciado para armazenar o estado do agente e a memória, integrando-se nativamente com a autenticação Databricks e escalando automaticamente com sua carga de trabalho.
Memória de curto prazo versus de longo prazo
| Memória de curto prazo | Memória de longo prazo |
|---|---|
| Captura o contexto em uma única sessão de conversa usando IDs de thread e ponto de verificação. Permite que os agentes respondam a perguntas de acompanhamento com conhecimento das interações anteriores. |
Extrai e armazena os principais insights em várias conversas. Habilita respostas personalizadas com base em interações passadas. Cria uma base de dados de conhecimento do usuário que melhora ao longo do tempo. |
Você pode implementar um ou ambos os tipos de memória no mesmo agente.
Opções de implantação
A memória de agente com suporte do Lakebase é compatível com dois alvos de implantação do Databricks:
Aplicativos do Databricks: implante agentes como aplicativos interativos com memória de curto ou longo prazo, utilizando pontos de verificação do LangGraph ou o SDK de Agentes da OpenAI. O Databricks manipula a autenticação entre o aplicativo e o Lakebase automaticamente.
Serviço de Modelo: implante agentes em pontos de extremidade do Serviço de Modelo com pontos de verificação com suporte do Lakebase. Dá suporte à viagem no tempo do LangGraph para retomar ou bifurcar conversas de qualquer ponto de verificação. Consulte memória do agente (Model Serving).
Implementation
Para memória de agentes e opções de sessão construídas no Lakebase, veja: