Agen layanan pelanggan
Agen yang menangani pengembalian dana mengingat pesan pelanggan sebelumnya, kebijakan toko, dan di langkah pengembalian mana ia berada.
AI dan LLMAgenPaket Performance dan Scale
Agen Otonom dengan Memori
Beri agen yang berjalan lama konteks percakapan, pengetahuan yang diingat, status tugas, dan jejak audit, semuanya di satu tempat.
- jenis memori
- 4
- store untuk semuanya
- 1
- framework agen
- Apa pun
Langkah 1 dari 6
Buka percakapan
Sebuah sesi menyimpan jendela bergulir dari giliran terbaru.
Sesi contohplaying
# Buka percakapan
hotkv> AMEM.CONV.CREATE session:42 WINDOW 20
OK
Panduan beranimasi dengan perintah HotKV yang sebenarnya dan balasan contoh. Klik langkah mana pun untuk melompat ke sana. Perintah dan balasan tetap dalam bahasa Inggris, persis seperti yang Anda ketik dan lihat di HotKV.
Masalahnya
Agen yang lupa di antara langkah tidak dapat menyelesaikan tugas panjang. Jawaban yang lazim adalah tabel riwayat chat, vector store untuk fakta, dan ruang coretan untuk status, dan tetap tidak ada catatan tunggal tentang apa yang dilakukan agen.
Cara HotKV menanganinya
HotKV menyediakan empat jenis memori agen sebagai perintah. Jendela percakapan menyimpan konteks dialog, memori semantik mengingat fakta yang relevan berdasarkan makna, memori kerja melacak status tugas saat ini, dan log episodik mencatat apa yang dilakukan agen.
Langkah demi langkah
Apa yang terjadi, perintah demi perintah
- 01
Buka percakapan
Sebuah sesi menyimpan jendela bergulir dari giliran terbaru.
AMEM.CONV.CREATE session:42 WINDOW 20 - 02
Catat apa yang dikatakan pelanggan
Setiap giliran ditambahkan beserta perannya.
AMEM.CONV.APPEND session:42 user "Why was my invoice declined?" - 03
Ingat fakta yang relevan
Fakta yang disimpan sebelumnya dengan AMEM.SEM.STORE, dalam memori semantik yang dibuat dengan AMEM.SEM.CREATE, ditemukan berdasarkan makna, bukan kata kunci.
AMEM.SEM.RECALL billing-agent 3 0.02 0.7 ... - 04
Lacak tugas
Memori kerja menyimpan posisi agen, dan kedaluwarsa ketika tugas sudah lama selesai.
AMEM.WORK.SET session:42 step "checking payment gateway" TTL 600 - 05
Catat tindakan
Setiap tindakan yang diambil agen dicatat untuk audit dan debugging.
AMEM.EPIS.LOG billing-agent action "Reissued invoice INV-9921" - 06
Konteks untuk giliran berikutnya
Giliran terbaru masuk ke prompt berikutnya, sehingga agen tidak pernah kehilangan benang merahnya.
AMEM.CONV.WINDOW session:42 10
Di mana ini cocok
Skenario dunia nyata
Asisten riset
Temuan disimpan sebagai fakta semantik selama penyelidikan panjang dan diingat saat menulis ringkasan.
Bot operasional
Setiap tindakan yang diambil bot on-call ada di log episodik, sehingga manusia dapat meninjau persis apa yang dilakukannya dan mengapa.
Bawaan
Yang Anda dapatkan
Memori percakapan
Jendela bergulir dari giliran terbaru untuk setiap sesi.
AMEM.CONV.APPENDAMEM.CONV.WINDOWMemori semantik
Fakta yang diingat berdasarkan makna, opsional dengan TTL.
AMEM.SEM.STOREAMEM.SEM.RECALLMemori kerja
Status tugas yang dapat kedaluwarsa sendiri.
AMEM.WORK.SETAMEM.WORK.GETLog episodik
Tindakan dan pengamatan, dapat dikueri berdasarkan jenis dan waktu.
AMEM.EPIS.LOGAMEM.EPIS.QUERYPertanyaan umum
Apa bedanya dengan menyimpan riwayat chat di database?
Keempat jenis memori berbagi satu store dan satu koneksi, jadi pemanggilan, status tugas, dan log tindakan tidak masing-masing memerlukan layanan sendiri.
Apakah framework agen penting?
Tidak. Memori diekspos sebagai perintah melalui protokol Redis, dan server MCP mengeksposnya ke klien MCP. Untuk LangGraph ada checkpointer dan store.
Paket mana yang menyertakannya?
Memori agen adalah bagian dari paket Performance dan Scale.
Kasus penggunaan terkait
Coba pada beban kerja Anda sendiri
HotKV berbicara protokol Redis, jadi Anda dapat mengarahkan klien yang sudah ada ke HotKV dan menjalankan perintah yang sama.