跳转至

Structured Memory Filtering with Metadata in AgentCore Memory

Ch04.773 Structured Memory Filtering with Metadata in AgentCore Memory

📊 Level ⭐⭐ | 3.3KB | entities/structured-memory-filtering-metadata-agentcore-memory.md

Structured Memory Filtering with Metadata in AgentCore Memory

Amazon Bedrock AgentCore Memory 的元数据过滤机制（metadata filtering）在命名空间隔离基础上叠加了细粒度属性过滤，使 Agent 从语义相似的噪声中精确检索所需信息。实测将长时记忆问答准确率从 40% 提升至 64%，对上下文依赖型问题（时间范围、优先级、部门）的准确率从 16% 提升至 69%。

核心机制

AgentCore Memory 通过三层生命周期管理元数据：配置（configuration）、存储（ingestion）、检索（retrieval），在短期记忆（short-term memory）和长期记忆（long-term memory）两个层级均生效。

命名空间 + 元数据双层架构

  • 命名空间（Namespaces）：逻辑隔离的"谁"维度，如 clients/client-123/sessionABC 或 patients/patient-456，确保多租户数据分离
  • 元数据过滤（Metadata Filtering）：在命名空间内部做"什么"维度的子分组，如类别、解决状态、日期、优先级、标签

元数据生命周期

  1. 配置阶段：通过 Memory Metadata Configuration API 定义过滤键（如 type, department, priority）
  2. 存储阶段：写入记忆时附加属性键值对，作用于短期和长期记忆
  3. 检索阶段：基于属性的过滤条件在语义搜索前执行，缩小搜索范围

实测效果

在一个基于 LoCoMo 风格多轮对话的 151 问题测试集上：

  • 总体 QA 准确率：40% → 64%（+24pp）
  • 上下文依赖型问题（时间范围、优先级、部门过滤）：16% → 69%（+53pp）

应用场景

多 Agent 架构

每个 Agent 使用独立的命名空间，内部按问题类型、部门、优先级分层过滤。一个 IT 支持 Agent 在处理网络故障时，先按 type: networking 过滤记忆，再搜索 status: unresolved 的关联工单。

多租户系统

命名空间保障租户隔离，元数据过滤在租户内部提供二级分组。每个租户的 Agent 可以按 department, region, tier 等业务维度精确检索。

现有覆盖

  • [Agent 记忆工程挑战 (AWS China)](ch04/180-agent-memory.html) — AgentCore 记忆系统工程实践概述
  • [AgentCore Harness](ch04/784-agentcore-harness.html) — AgentCore 整体平台
  • [AI Agent Memory Systems](ch04/180-agent-memory.html) — Agent 记忆系统综述

→ 原文存档