Sintesi
Agent Memory: Building Memory-Aware Agents è un breve corso creato in collaborazione con Oracle e insegnato da Richmond Alake e Nacho Martínez. Ha un livello intermedio, dura 2h2m e include lezioni video 7, esempi di codice 4 e attività classificata 1 PRO.
La maggior parte degli agenti lavorano bene in una singola sessione, ma perdono tutto dopo averli finiti. Il corso affronta la memoria a lungo termine come infrastruttura di prima classe: al di fuori del modello, persistente e strutturato, costruito con oleodotti Oracle AI Database, LangChain e LLM alimentati.
Il corso insegna come creare un Memory Manager per gestire diversi tipi di memoria e un sistema di strumenti recupero semantico che permette di scalare il suo utilizzo senza saturare la finestra di contesto. Gli strumenti vengono memorizzati come una memoria procedurale in un magazzino supportato dalla memoria e vengono recuperati dalla ricerca semantica solo quando sono rilevanti e al momento dell'inferenza.
Creano anche oleodotti per estrarre eventi strutturati da conversazioni, consolidare la memoria episodica in memoria semantica e permettere all'agente di aggiornare e affinare la sua memoria in modo indipendente. L'agente finale carica il contesto prima della sua iniziazione, utilizza un loop di ragionamento ricorsivo e preserva la memoria tra le sessioni.
Si rivolge a sviluppatori che costruiscono agenti IA e vogliono andare oltre le interazioni di una sessione. la familiarità con Python e i concetti di base di LLM sono raccomandati. I questionari e i progetti aggiuntivi sono inclusi con DeepLearning.AI Pro.