Nota
O acesso a esta página requer autorização. Pode tentar iniciar sessão ou alterar os diretórios.
O acesso a esta página requer autorização. Pode tentar alterar os diretórios.
A memória permite aos agentes recordar informações de uma conversa anterior ou de conversas anteriores. Com a memória, os agentes fornecem respostas conscientes do contexto e constroem experiências personalizadas ao longo do tempo.
Use a memória do agente quando quiser que o seu agente:
- Lembra-te das preferências do utilizador, decisões passadas ou contexto acumulado entre sessões.
- Partilhe conhecimentos e preferências entre vários agentes e projetos.
- Melhorar a precisão e eficiência ao longo do tempo.
Escolha uma opção de memória
Azure Databricks tem duas abordagens à memória de agentes.
| Opção de memória | Melhor para |
|---|---|
| Memória de agente gerida (Beta) | A Databricks gere a infraestrutura de gestão de memória protegida pela governação do Unity Catalog. Suporta agentes construídos com qualquer framework que necessitem de memória por utilizador, entre sessões. |
| Memória de agente autogerida (Lakebase) | Geres o armazenamento de memória subjacente usando o Lakebase. Suporta agentes personalizados construídos com LangGraph ou o SDK OpenAI Agents que necessitam de acesso SQL direto ao estado de conversa de curto e longo prazo. |
Escalonamento de memória para agentes
A memória assume diferentes formas. A memória episódica capta interações brutas, como registos de conversa e feedback do utilizador, enquanto a memória semântica destila essas interações em factos e regras reutilizáveis. Também pode limitar a memória a um utilizador individual ou partilhá-la como conhecimento organizacional por toda a equipa.
À medida que um agente acumula mais deste contexto, a sua precisão e eficiência podem melhorar. A investigação da Databricks chama a isto o padrão de escala de memória. Relativamente a estas conclusões, veja Memory scaling for AI agents da equipa de investigação da Databricks.