AgentCore Memoryを使うサポートエージェントを設計する。同じ会話内の「その製品」は直近の発言から解釈し、利用者が保存を希望した説明の好みは次の会話でも利用したい。
製品の保証条件は定期的に更新されるため、回答時に権限のある公式文書から取得する。会話メモリを有効にするだけで、モデルが必要な記録を自動的に読み込むとは仮定しない。
3種類の情報の役割に最も合う構成はどれか。
短期メモリは生の会話イベントによる直近の文脈、長期メモリは会話から抽出する好みや要点などの継続利用、RAGは管理された業務資料の取得に使い分ける。保存しただけで全記録がモデルへ渡るわけではなく、必要な履歴や記録を取得して入力へ組み込む。
詳細解説
会話から保持した情報だけでは、更新される業務資料の現在の内容を確認できない。
会話で得た保証条件が残っていても、公式文書が変更された後は古い可能性がある。本問では現在の文書から取得する要件があり、記憶した情報だけで更新確認を省けない。
会話内の文脈、会話をまたぐ個別情報、更新される業務資料の役割を分離できる。
直近の発言で参照語を解釈し、保存方針に合う好みは長期の記録から取得する。公式文書の検索を組み合わせることで、個別の文脈と業務上の根拠を役割ごとに扱える。
利用者ごとの会話文脈を推論時に渡す要件に対し、重みの更新を毎回行う構成は適切でない。
ファインチューニングは学習によってモデルを適応させる方法である。会話の続きや利用者ごとの保存情報を必要に応じて読み出す設計とは異なり、今回の文脈取得の代わりにはならない。
製品文書は利用者の直近の会話や個別の好みを記録する仕組みとは役割が異なる。
製品文書の検索は保証条件の根拠を得る用途には合う。一方、利用者が何を指したかという直近の会話と、保存を希望した説明の好みは別の情報源を必要とする。
公式資料で確認する
以下の項目を公式資料の記述と照合して確認します。
AIF-C01 Task2.1.6、AgentCore MemoryのMemory typesとCompare long-term memory with RAGを読み、会話イベント・抽出済みの好み・現在の保証文書を対応付ける。
参考にした公式資料
確認できる内容
短期メモリ、長期メモリ、RAGの役割を分け、短期メモリが必ずセッション終了で消えるわけではないことと、保存後の取得・入力への組み込みを説明できる。
理解のポイント
- 会話イベントと抽出記録
- メモリとRAGの役割
- 保存と取得の分離
確認時の注意
- 確認環境: 現行AIF-C01とAWS公式資料による参照確認。架空の会話・構成を比較し、実利用者の情報保存・AWS API呼び出し・モデル推論は行わない。
- Memory typesにある生のイベントと抽出した記録の違いを確認する。短期/長期の語から一律の保存期限や削除条件を推定しない。
- 公式のRAG比較は役割の例として読み、RAGを使えば常に事実性が保証されるとは説明しない。実際のメモリ作成・会話保存・検索は行わない。
基礎のおさらい
短期は保存期間の長さだけを表さない
AgentCoreの短期メモリは生の会話イベントを扱う。サービスが再起動したり後で同じ会話を再開したりしても、保持されたイベントを取得して文脈を復元できる。セッション終了時に必ず消えるという意味ではない。
長期の個別情報と更新される業務資料
長期メモリは利用者の好みや会話の要点などに使い、公式規程の現行版はRAGで取得するという役割分担ができる。どちらも取得した情報の鮮度・権限・利用目的の確認が必要である。
保存とモデル入力をつなぐ
AgentCore Memoryではイベント保存、記録の抽出、記録の取得が別の処理である。アプリは必要な情報を読み出してコンテキストへ組み込む。基盤モデルの重みが利用者との会話で自動更新されるという意味ではない。