Amazon Bedrock AgentCore Memory добавил фильтрацию памяти по метаданным

Amazon Bedrock AgentCore Memory получил механизм фильтрации памяти по метаданным. Он дополняет изоляцию данных через namespaces: сервис хранит память AI-агентов по отдельным областям вроде clients/client-123, чтобы данные разных клиентов и пользователей не пересекались.

Проблема возникает, когда история взаимодействий становится слишком длинной. В таких случаях одного semantic search уже недостаточно: агент может подтягивать записи, которые похожи по смыслу, но относятся к другим периодам, категориям или приоритетам.

Как пишет AWS Machine Learning Blog, фильтрация по метаданным позволяет сузить поиск еще до запуска similarity search. Для этого используются дополнительные параметры, например department, priority, status, category, date или tags. В AWS приводят в пример службы поддержки и финансовые сервисы, где агенту важно отделять свежие приоритетные обращения от старых или рутинных запросов внутри одной клиентской истории.

По данным AWS, в тестах на наборе из 151 вопроса, основанном на long-term memory benchmark с многосессионными диалогами, общая точность question-answering выросла с 40% до 64% после включения metadata filtering. Для вопросов, связанных с контекстными ограничениями, например поиском по времени, приоритету или department, показатель увеличился с 16% до 69%.

В компании также отмечают, что механизм работает и с short-term, и с long-term memory, а также поддерживает сценарии multi-agent и multi-tenant архитектур.