【要約】【もう一人の僕】BedrockAgentCoreMemory に記憶を“移植”してメタ認知体験!! [Qiita_Trend] | Summary by TechDistill
> Source: Qiita_Trend
Execute Primary Source
// Problem
AIエージェントに特定の「人格」や「個人の好み」を反映させる際、従来の設計では以下の課題に直面する。筆者は、エージェントを「育てる」プロセスにおける効率性と柔軟性の欠如を問題視している。
- ・プロンプトへの直書き：情報量が増えるとトークン消費が増大し、内容が固定される。
- ・ナレッジベース（KB）の利用：静的な知識参照には適しているが、会話を通じて変化する動的な人格形成には不向きである。
- ・学習の遅延：通常の会話ログからの自動抽出では、望む人格が完成するまでに膨大な対話が必要となる。
// Approach
筆者は、AgentCore Memoryの「長期記憶」に対し、会話を介さず直接データを書き込む手法を採用した。これにより、エージェントの初期状態から高度なパーソナライズを実現している。
- ・AgentCore Managed Agent Harnessを利用し、インフラ構築を最小化してエージェントの器を作成する。
- ・自身のコーパス（QiitaやNotion）から抽出した31件の事実データをJSON形式で用意する。
- ・boto3のBatchCreateMemoryRecords APIを使用し、短期記憶を介さずに長期記憶へ直接データを投入する。
- ・プロンプトには最小限の口調ルールのみを定義し、人格の中核を長期記憶に委ねる設計とする。
// Result
筆者は、自身の活動記録から抽出した31件のデータを、boto3を用いて即座にエージェントへ移植することに成功した。これにより、エージェントの初期化プロセスが劇的に効率化された。
- ・会話を一度も行わずに、最初から特定の価値観や経歴を持つ「分身」のようなエージェントを構築できた。
- ・「会話による自動抽出」と「APIによる直接注入」を組み合わせることで、初期人格の確立と継続的な成長の両立が可能となった。
Senior Engineer Insight
> 本手法は、エージェントの「コールドスタート問題」に対する実戦的な解である。従来のRAGは静的な知識参照に特化していたが、本アプローチは動的な「人格の初期化」を可能にする。運用面では、注入するデータの粒度（1レコード1事実）と、namespace設計による検索精度の管理が鍵となる。スケーラビリティの観点からも、actorIdによる分離がなされているため、マルチテナント環境でのパーソナライズ実装に適している。