Memória e sessões gerenciadas para agentes de IA no Databricks
O Databricks agora oferece memória de longo prazo e histórico de conversas gerenciados para agentes de IA, com suporte a busca semântica e base em Lakebase.
O que mudou
Para que serve
Imagine que você está construindo um assistente virtual que precisa lembrar preferências de usuários entre diferentes conversas e manter o histórico completo de interações de forma durável. Dá para usar o novo recurso para:
- Guardar memória de longo prazo persistente com busca semântica.
- Armazenar o histórico durável de sessões de conversas.
- Integrar com agentes criados em qualquer framework.
Como usar
import os
from databricks_agents import AgentMemory
memory = AgentMemory()
memory.add_memory(
agent_id="meu-agente",
user_id="usuario-123",
content="O usuário prefere respostas curtas e em português."
)
O que acontece nesse código:
- Importa a biblioteca de agentes do Databricks.
- Inicializa o gerenciador de memória do agente.
- Adiciona um fato durável associado ao usuário com busca semântica futura.
Limitações e requisitos
- O recurso está em Beta.
- Utiliza armazenamento gerenciado Lakebase (Postgres).
- Compatível com agentes construídos em qualquer framework.
- agent memory
- agent sessions
- generative ai
- lakebase
- mosaic ai
Managed agent memory and sessions are in Beta
Resumo e explicação gerados por IA a partir da release note oficial. Em caso de dúvida, a documentação oficial da plataforma prevalece.
Relacionadas
- DatabricksGA
Repositórios de pacotes em nível de workspace para Databricks Apps
Administradores de workspace podem configurar repositórios padrão de pacotes Python e npm para Databricks Apps.
databricks apps · workspace settings - DatabricksGA
Redimensione partições de stateful streaming sem perder o checkpoint no Databricks
Agora é possível alterar o número de partições de shuffle em queries Structured Streaming e pipelines Lakeflow sem descartar o estado do checkpoint.
structured streaming · lakeflow - DatabricksAtualização
Google Gemini 4 Argon disponível no Unity Gateway do Databricks
O modelo multimodal Google Gemini 4 Argon já pode ser acessado via Foundation Model APIs e Unity Gateway.
unity catalog · foundation model apis