Bedrock: память пользователя и ACL в одном Agentic Retrieve

Amazon Bedrock встроила в один потоковый вызов Agentic Retrieve долгую память AgentCore рядом с Managed Knowledge Base: сервис восстанавливает диалог, сам решает, какие факты о пользователе подмешать в поиск по базе, и после ответа сохраняет обмен. Тот же запрос несёт userContext , в выдачу попадают только документы, разрешённые ACL; интеграция опциональна и обратно совместима. На примере AnyCompany , вымышленного работодателя из walkthrough , документы лежат в S3, одна managed knowledge base читает ACL по префиксам папок, один ресурс AgentCore memory на всех сотрудников. HR и IT видят Maya, Liam и Sofia; engineering runbooks , только инженеры; план комиссий в docs/sales/ , только Sofia. В сэмпле проиндексировали 11 документов с нулём сбоев; документ без строки в ACL в индекс не попадает. Граница сервиса и приложения Managed Knowledge Base забирает ingestion, ACL-фильтрацию, планирование подзапросов, ретрив и генерацию с цитатами. С блоком memoryConfiguration туда же уходят восстановление сессии, поиск по долгой памяти и запись хода. AgentCore memory отвечает за хранение, шифрование и асинхронное извлечение долгосрочных записей. UI, проверка логина и сборка запроса остаются у вас; отдельную таблицу переписок вести не обязательно , список и reopen сессий читают из того же memory resource. Два идентификатора из токена База знаний знает пользователя по email из ACL data source, поэтому verified email идёт в userContext.userId. Память привязывается к неизменяемому sub в sessionBinding.actorId и к namespace вида /anycompany/ , иначе смена или переназначение почты отдаст чужую историю. Клиент шлёт только question и опциональный sessionId; остальное handler выводит из проверенного Cognito ID token. Для подстраховки IAM роль сессии получает тег userId=. Walkthrough: регион US West (Oregon), us-west-2; memory resource в том же аккаунте, что KB, в статусе ACTIVE. Сэмпл на Python 3.10+ и Boto3 1.43.72+; инфраструктуру поднимает infra/setup.py. persistenceMode: DEFAULT пишет вопрос и ответ в сессию, долгие факты достаются стратегиями памяти асинхронно. Trace в ответе показывает, когда планировщик опёрся на long-term memory, а не только на поиск по KB. Если вы уже катили мультитенантный agentic chat по более раннему гайду AWS на той же managed knowledge base, этот сценарий снимает с приложения шаг «сами храните историю диалогов» , память переезжает в сервисный слой. Источник: Build memory-aware AI agents with Agentic Retrieve on Amazon Bedrock Managed Knowledge Base .