Amazon Bedrock AgentCore Memory anuncia metadatos para la memoria a largo plazo
Amazon Bedrock AgentCore Memory ahora admite metadatos en registros de memoria a largo plazo (LTM), lo que permite a los agentes etiquetar, filtrar y recuperar memorias mediante atributos estructurados junto con la búsqueda semántica. Puede definir hasta diez claves indexadas por recurso de memoria (con compatibilidad para los tipos STRING, NUMBER y STRING_LIST) y usar diferentes tipos de operadores para filtrar los resultados de recuperación.
Los metadatos se pueden adjuntar a los eventos en el momento de la ingesta o el modelo de lenguaje de gran tamaño (LLM) los puede inferir automáticamente en función de las instrucciones de extracción que defina en el recurso de memoria. Durante la ingesta, el LLM procesa todos los eventos y determina cómo se aplican los metadatos a los registros de memoria resultantes.
Usted define un esquema de metadatos en el recurso de memoria que incluye definiciones de clave indexadas (nombre de clave, tipo y valores permitidos opcionales) junto con instrucciones de extracción que guían al LLM sobre cómo generar metadatos a partir del contenido de la conversación. Con los filtros de metadatos en la recuperación, los agentes pueden recuperar los registros mediante atributos estructurados, como el número de ticket, la prioridad o la fecha, lo que elimina el contexto irrelevante y mejora la precisión de la respuesta.
Para empezar, consulte la documentación de Amazon Bedrock AgentCore Memory. Esta característica ya está disponible en todas las regiones de AWS en las que se admite Amazon Bedrock AgentCore Memory.