亚马逊AWS官方博客
·
让 Agent拥有「跨终端长期记忆」——基于 Amazon Bedrock AgentCore Memory 的实践
内容提要
本文介绍了如何通过Amazon Bedrock AgentCore Memory实现跨终端的团队记忆共享。利用HOOK和MCP Server，记忆作为独立服务层，支持跨项目和设备的知识管理，包括短期和长期记忆的提取与存储，确保团队经验的自动积累与分享。
关键要点
-
大语言模型天生是无状态的，无法记住上下文。
-
通过 Amazon Bedrock AgentCore Memory 实现跨项目、跨终端的团队记忆共享。
-
记忆作为独立服务层，支持短期和长期记忆的提取与存储。
-
系统由 MCP Server 和两个 Hook 组成，分别负责记忆的采集和存储。
-
长期记忆通过异步管道将原始对话转化为结构化知识，支持语义搜索。
-
使用三种策略提取记忆：语义记忆、用户偏好和情景化经验。
-
Episodic 记忆能够提炼出可复用的处置套路，适用于反复出现的问题。
-
通过 actorId 实现多终端共享，团队成员可共享同一套记忆。
-
记忆成为独立的、可治理的服务，不再依赖于特定设备或用户。
延伸解读
跨终端记忆的优势
通过 Amazon Bedrock AgentCore Memory，团队可以实现跨设备和项目的记忆共享。这种记忆的独立性使得团队成员在不同设备上都能访问到相同的知识和经验，避免了信息孤岛的现象，提升了协作效率。尤其在多项目环境中，团队成员可以快速获取历史决策和经验教训，减少重复工作。
记忆策略的多样性
本文提到的三种记忆策略（语义记忆、用户偏好和情景化经验）各有侧重。语义记忆关注事实的存储，用户偏好则记录个体的使用习惯，而情景化经验则提炼出可复用的处理套路。这种多样性使得系统能够更全面地捕捉和利用团队的知识，适应不同的应用场景。
长期记忆的挑战
尽管长期记忆能够有效积累团队经验，但其提取和存储过程依赖于高效的异步管道和策略配置。团队在实施时需注意，记忆的质量和有效性取决于输入数据的准确性和完整性。因此，确保用户输入和助手回复的全面性是实现高效记忆管理的关键。
延伸问答
Amazon Bedrock AgentCore Memory 的主要功能是什么？
它实现了跨项目、跨终端的团队记忆共享，支持短期和长期记忆的提取与存储。
如何实现跨终端的记忆共享？
通过为多个终端配置相同的 actorId，确保它们使用同一套记忆。
长期记忆是如何提取和存储的？
长期记忆通过异步管道将原始对话转化为结构化知识，支持语义搜索。
Episodic 记忆与 Semantic 记忆有什么区别？
Episodic 记忆关注交互经验和可复用的处置套路，而 Semantic 记忆则记录陈述性事实。
MCP Server 在整个系统中起什么作用？
MCP Server 负责提供记忆工具，使得 Agent 能够调用和管理记忆。
如何配置 Amazon Bedrock AgentCore Memory？
通过 API 调用创建记忆资源，并配置相应的策略和 Hooks。
