AWS发布通过Bedrock、Neptune和Mem0实现企业级AI智能体记忆的架构

智能体的根本问题

当今的AI智能体有一个共同缺陷：它们会在交互之间丢失上下文。会话结束后，智能体会忘记用户说了什么、负责哪些项目以及已经做出了哪些决策。在企业环境中，这是不可接受的，因为它要求不断重复提供上下文。

AWS发布了一个参考架构，通过组合三个组件来解决这个问题。Amazon Bedrock提供基础语言模型（Claude、Llama、Titan），Amazon Neptune作为长期记忆的图数据库，Mem0框架管理记忆的生命周期——记住什么、何时检索以及何时遗忘。

为什么选择图数据库而非向量数据库

大多数现有的AI记忆解决方案使用向量数据库（Pinecone、Weaviate），这些数据库存储文本嵌入。这种方法在语义搜索方面表现良好——“找到相似对话”——但在结构化关系方面表现欠佳。

Amazon Neptune带来了不同的方法。实体（员工、项目、文档、客户）以节点形式存储，它们之间的关系以边的形式存储。智能体可以查询”与Ana主导的Alfa项目相关的文档有哪些”并得到精确答案，没有幻觉。这对于要求可靠性的企业至关重要。

Mem0框架的作用

Mem0是一个开源框架，标准化了智能体管理记忆的方式。它为三种基本操作提供API：写入新事实、在上下文中检索相关信息以及遗忘过时数据。没有Mem0，每个团队都必须自己编写这样的逻辑。

AWS架构展示了Mem0如何与Bedrock模型和Neptune数据库协同工作。当智能体收到查询时，Mem0首先从Neptune图中检索相关记忆，然后将其插入Bedrock模型的提示中。响应后，新事实作为新节点和边存回Neptune。

人工验证环节

架构的关键要素是人工验证环节。智能体不会自动保存所学的一切——人工审查并批准重要事实，然后才将其纳入永久记忆。这防止了记忆被错误或不良信息污染。

这种方法在金融和医疗等受监管行业特别有用，这些行业要求可审计性。记忆中的每个事实都有关于谁验证了它以及何时验证的元数据，便于后续审计。

对企业意味着什么

Bedrock + Neptune + Mem0的组合使构建能够在数周乃至数月内记住上下文的智能体成为可能。这是真实生产用例的先决条件，例如客户服务自动化、运营流程智能体以及面向法律和财务团队的专业智能体。