Apresentando a memória de agentes no Databricks
Autoria: Databricks · Assistir no YouTube
Vídeo de autoria do canal indicado, não da IANIA; todos os direitos pertencem ao criador. Transcrição, resumo e tradução gerados automaticamente; o conteúdo no idioma original é preservado na versão em idioma original.
Idioma original: inglês
Vídeo original: Introducing Agent Memory on Databricks · Canal: Databricks · 01:04 · Assistir no YouTube
Tópicos: Agentes de IA, Dados, bancos de dados e embeddings, Engenharia de prompts e contexto
O vídeo apresenta a memória de agentes no Agent Bricks, construída sobre Lake Base. O recurso combina sessões gerenciadas, memória gerenciada sobre usuários e pipelines de memória que transformam conversas em informações úteis. Segundo a equipe de pesquisa do Databricks, agentes com memória concluíram três vezes mais tarefas usando 31% menos tokens. A memória de agentes está em beta no Agent Bricks.
Pontos-chave
Seção intitulada “Pontos-chave”- Sessões gerenciadas registram cada conversa turno a turno.
- A memória gerenciada guarda preferências, fatos e workflows relevantes sobre cada usuário.
- Pipelines de memória conectam sessões e memórias, resumindo conversas e mesclando duplicatas.
- Os arquivos de memória ficam armazenados no Lake Base e são sintetizados automaticamente em segundo plano.
- A configuração exige vincular um armazenamento de sessões e um armazenamento de memória e criar um pipeline entre eles.
- Segundo a equipe de pesquisa do Databricks, agentes com memória concluíram três vezes mais tarefas usando 31% menos tokens.
- A memória de agentes está em beta no Agent Bricks.
Capítulos
Seção intitulada “Capítulos”| Início | Capítulo | Resumo |
|---|---|---|
| 00:01 | Os componentes da memória de agentes | O vídeo apresenta sessões gerenciadas, memória gerenciada e pipelines de memória, todos construídos sobre Lake Base. |
| 00:33 | Resultados e configuração | A equipe de pesquisa relata os resultados dos agentes com memória e o vídeo explica como conectar os armazenamentos e criar um pipeline. |
Citações
Seção intitulada “Citações”A maioria dos agentes começa cada conversa do zero. — 00:01
Agentes com memória concluíram três vezes mais tarefas, usando 31% menos tokens. — 00:33
A próxima conversa do seu agente começa com o que ele aprendeu na anterior. — 01:04
Conceitos e entidades
Seção intitulada “Conceitos e entidades”- Agent Bricks (ferramenta): Produto do Databricks que oferece memória de agentes e outros recursos para agentes.
- Lakebase (ferramenta): Base sobre a qual são construídos os componentes de memória apresentados no vídeo.
- Databricks (empresa): Empresa cujo produto Agent Bricks é apresentado no vídeo.
- agent memory (conceito): Recurso que permite ao agente usar informações aprendidas em conversas anteriores.
- managed sessions (conceito): Componente que registra cada conversa, turno a turno.
- managed memory (conceito): Componente que mantém informações relevantes sobre usuários, como preferências, fatos e workflows.
- memory pipelines (conceito): Pipelines que conectam sessões e memórias, extraindo informações úteis e mesclando duplicatas.
Tradução completa (pt-BR)
Seção intitulada “Tradução completa (pt-BR)”00:01 A maioria dos agents começa cada conversa do zero. >> [música] >> Eles esquecem o que os usuários disseram e refazem o trabalho que já fizeram. >> [música] >> Foi por isso que criamos a memória de agent no Agent Bricks. Ela tem três partes, todas criadas no Lake Base. >> [música] >> As sessões gerenciadas registram cada conversa, turno por turno. A memória gerenciada guarda o que vale a pena saber sobre cada usuário: preferências, fatos, >> [música] >> e workflows. Os pipelines de memória conectam as duas partes. Em segundo plano, [música] eles condensam as sessões em memórias, mesclam duplicatas,
00:33 e mantêm os arquivos de memória fáceis de acessar. A equipe de pesquisa da Databricks [música] descobriu que agents com memória foram aprovados em três vezes mais tarefas, usando 31% menos tokens. [música] É fácil conectar tudo. Vincule um repositório de sessões e um repositório de memória e, em seguida, crie um pipeline de memória entre os repositórios. >> [música] [fungada] >> Agora, suas memórias ficam armazenadas no Lake Base, e o Databricks sintetiza automaticamente novas memórias em segundo plano. >> [música]
01:04 >> A próxima conversa do seu agent começa com o que ele aprendeu na anterior. Memória de agent [música], agora em beta no Agent Bricks. >> [música]
Transcrição original
[00:01] Most agents start every conversation from zero. >> [music] >> They forget what users told them and redo work they’ve already done. >> [music] >> That’s why we built agent memory into Agent Bricks. It has three pieces, all built on Lake Base. >> [music] >> Managed sessions record each conversation turn by turn. Managed memory keeps what’s worth knowing about each user, preferences, facts, >> [music] >> and workflows. Memory pipelines connect the two. In the background, [music] they distill sessions into memory, merge duplicates,
[00:33] and keep memory files easy to access. The Databricks research [music] team found that agents with memory passed three times as many tasks, using 31% fewer tokens. [music] Hooking it up is easy. Bind a session store and a memory store, then create a memory pipeline between the stores. >> [music] [snorts] >> Now your memories are stored in Lake Base, and Databricks automatically synthesizes new ones in the background. >> [music]
[01:04] >> Your agent’s next conversation starts with what it learned from the last one. Agent [music] memory, now in beta on Agent Bricks. >> [music]