Estado e memória do agente
Agentes precisam de armazenamento persistente para manter o contexto entre turnos e sessões. Lakebase Autoscaling fornece um backend Postgres totalmente gerenciado para armazenar o estado e a memória do agente, integrando-se nativamente com a autenticação do Databricks e escalonando automaticamente com a carga de trabalho.
Memória de curto prazo versus memória de longo prazo
memória de curto prazo | memória de longo prazo |
|---|---|
Captura o contexto dentro de uma única sessão de conversa usando IDs de tópicos e pontos de verificação. Permite que os agentes respondam a perguntas de acompanhamento levando em consideração as ações anteriores. | Extrai e armazena informações key em várias conversas. Permite respostas personalizadas com base em interações anteriores. Constrói uma base de conhecimento do usuário que melhora com o tempo. |
Você pode implementar um ou ambos os tipos de memória no mesmo agente.
Opções de implantação
A memória do agente com suporte do Lakebase é compatível com dois destinos de implantação do Databricks:
Databricks Apps : Agentes implantados como aplicativos interativos com memória de curto ou longo prazo, usando checkpointers LangGraph ou o SDK de Agentes OpenAI. O Databricks gerencia a autenticação entre o aplicativo e o Lakebase automaticamente.
Consulte memória de agente autogerenciada (Lakebase).
Model Serving : Implante agentes em Endpoint do Model Serving com pontos de verificação compatíveis com Lakebase. Compatível com a viagem do tempo do LangGraph para retomar ou criar bifurcações de conversas a partir de qualquer ponto de verificação. Veja memória do agente (Model Serving).
Implementação
Para obter instruções completas de configuração, padrões de aplicação e exemplos de Notebook, consulte: