Catégories de mémoire à long terme
Les catégories de mémoire à long terme (LTM) définissent les types d’informations sémantiques qu’un Now Assist agent IA peut apprendre et retenir sur les utilisateurs au fil du temps. Vous pouvez ajouter de nouvelles catégories et les mapper à des agents spécifiques afin de personnaliser les réponses des agents en fonction du contexte utilisateur accumulé.
La mémoire sémantique dans la table Mémoires de l’agent IA (sn_aia_memory_list) est organisée par catégories LTM. Chaque catégorie représente un type distinct d’informations spécifiques à l’utilisateur, telles que les préférences logicielles, le contexte du lieu de travail ou le style de communication. En mappant des catégories à un agent, vous contrôlez ce que l’agent apprend et retient au fil des interactions.
Fonctionnement des catégories LTM
Lorsqu’un agent s’exécute, la plateforme évalue l’interaction à la recherche de faits spécifiques à l’utilisateur qui correspondent aux catégories LTM configurées de l’agent. Les faits correspondants sont stockés sous forme d’enregistrements de mémoire sémantique dans la table Mémoires d’agents IA [sn_aia_memory], dans le champ d’application de l’utilisateur et de la catégorie. Lors des interactions suivantes, l’agent récupère des mémoires sémantiques pertinentes et les utilise pour personnaliser ses réponses sans que l’utilisateur ait à répéter le contexte.
Les catégories LTM sont définies globalement et peuvent être mappées à un ou plusieurs agents. Un agent n’apprend et ne récupère les mémoires que pour les catégories qui lui sont explicitement mappées.
Catégories LTM par défaut
La plateforme inclut les catégories LTM par défaut suivantes :
- Logiciels et outils
- capture des informations sur les applications, les outils et les configurations logicielles pertinents pour l’utilisateur, tels que la version du système d’exploitation ou les applications approuvées.
- Contexte de travail
- capture des faits sur le rôle de l’utilisateur, son service, son emplacement et ses préférences en matière de lieu de travail, telles que la configuration du travail à distance ou la structure de l’équipe.
- Préférences utilisateur
- Capture les préférences de communication et le style d’interaction, tels que la langue préférée, le format de réponse ou les paramètres de notification.
Vous pouvez étendre cette liste en créant des catégories personnalisées adaptées aux cas d’utilisation de votre organisation.
Comment les catégories affectent l’extraction de mémoire
Pendant l’extraction de la mémoire, la plateforme exécute une invite LLM qui évalue l’interaction de l’agent par rapport aux descriptions de chaque catégorie LTM mappée. Si l’interaction contient des informations qui correspondent à une catégorie, un enregistrement de mémoire sémantique est créé ou mis à jour dans la table Mémoires d’agents IA avec les champs suivants :
- Catégorie
- Catégorie LTM à laquelle la mémoire est associée.
- Utilisateur
- Utilisateur dont l’interaction a généré le souvenir.
- Mémoire
- Fait spécifique à l’utilisateur extrait, stocké en tant qu’objet JSON.
- Type
- Définissez sur Sémantique pour les mémoires basées sur des catégories.
Les mémoires sémantiques sont récupérées au moment de l’exécution à l’aide de la génération augmentée de récupération (RAG) et injectées dans l’invite de l’agent pour personnaliser la réponse de l’utilisateur actuel.
Considérations
- Les descriptions de catégories influencent directement la qualité de l’extraction LLM. Utilisez un langage spécifique et sans ambiguïté pour réduire les faux positifs ou les extractions manquées.
- Mapper trop de catégories à un seul agent peut augmenter le temps de traitement de l’extraction. Mappez uniquement les catégories pertinentes pour le cas d’utilisation de l’agent.
- Pour vérifier que les mémoires sémantiques sont extraites, ouvrez la table Mémoires de l’agent IA et filtrez par Type = sémantique et par l’agent ou l’utilisateur pertinent.