Intensivo Gratis 21–22.11Intensivo gratuito de 2 días en Vibecoding (21–22 nov, 16:00 MSK) · Cohorte 3 inicia 23.11Registrarse gratis →Cohorte 3 (23.11)
LanzamientoAnálisis · En radarAWS Machine Learning Blog→ original

Amazon Bedrock enseña a su asistente a recordar a los empleados y a ocultar documentos restringidos

Un asistente debe recordar que, hace un mes, un empleado mencionó la oficina de Fráncfort, pero sin mostrarle documentos ajenos. En Amazon Bedrock Managed Knowledge Base ahora lo hace el propio servicio: basta con añadir memoryConfiguration a la solicitud AgenticRetrieveStream y el planificador extraerá el dato de la memoria de AgentCore por sí mismo. El parámetro userContext dejará únicamente los documentos permitidos según las listas de control de acceso (ACL). La tabla propia de conversaciones ya no es necesaria.

Procesado por IA desde AWS Machine Learning Blog; editado por Hamidun News
Amazon Bedrock enseña a su asistente a recordar a los empleados y a ocultar documentos restringidos
Fuente: AWS Machine Learning Blog. Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente originalAWS Machine Learning Blog ↗
Editor jefe
Dato clave #1La memoria se vincula al sub de Cognito; los documentos, al email del empleado
Dato clave #2IAM con la etiqueta userId impide leer la memoria ajena incluso si hay un bug en el código
Dato clave #3Se necesitan Boto3 1.43.72+ y una memoria de AgentCore en la misma cuenta que la base de conocimiento

Un asistente corporativo debe recordar a su interlocutor y, al mismo tiempo, no revelar más de la cuenta. Imagine a un empleado que, hace un mes y en otra conversación, escribió que trabaja desde la oficina de Fráncfort. Hoy pregunta por sus vacaciones y la respuesta debe tenerlo en cuenta sin que nadie se lo recuerde.

Pero ese mismo asistente no tiene derecho a mostrar a un ingeniero el plan de comisiones del departamento de ventas. Hasta ahora, los desarrolladores resolvían esto a mano: guardaban todos los diálogos, extraían de ellos los hechos, elegían los relevantes y los añadían a la consulta. Ahora AWS traspasa ese trabajo al servicio: Amazon Bedrock Managed Knowledge Base usa la memoria de AgentCore y listas de acceso (ACL, es decir, la lista de quién puede leer qué documentos).

Si está construyendo un asistente para muchos usuarios, esto reduce la cantidad de código propio.

Qué ha cambiado exactamente

La memoria de Amazon Bedrock AgentCore funciona ahora como una fuente de búsqueda más junto a la base de conocimiento. Se activa añadiendo el bloque memoryConfiguration a la solicitud AgenticRetrieveStream. En una sola llamada, el servicio recupera el historial de la conversación y el planificador decide por sí mismo si un dato sobre el usuario puede ayudar. Si es así, lo extrae de la memoria a largo plazo y lo usa en las subconsultas a la base de conocimiento. Tras la respuesta, el servicio guarda la réplica de nuevo en la memoria. AgentCore extrae los registros a largo plazo de forma asíncrona, por lo que un dato nuevo no aparecerá en la memoria al instante.

En la misma solicitud se envía userContext, y la base devuelve solo los documentos que el usuario puede ver según las ACL. La integración es opcional y retrocompatible. La aplicación sigue encargándose de la autenticación y de transmitir la identidad del usuario. Ya no hay una tabla aparte de conversaciones: cuando la interfaz muestra la lista de chats, lee de esa misma memoria.

Cómo funciona en el ejemplo de AnyCompany

AWS muestra el asistente interno de una empresa ficticia. Los documentos están en Amazon S3. RR. HH. y TI leen todo, los reglamentos de ingeniería solo los ingenieros y el plan de comisiones solo los vendedores. Los permisos se describen en un archivo ACL global, donde cada carpeta tiene asociada una lista de emails. En el ejemplo se indexaron 11 documentos, con 0 errores. Un documento que no esté cubierto por ninguna entrada de la ACL no entra en el índice. Y un usuario cuyo email no figure en las entradas no recibirá resultados de esa fuente. En SharePoint, Google Drive y Confluence, los permisos se obtienen de la propia fuente y el código de la aplicación no cambia.

Los empleados inician sesión mediante Amazon Cognito. Del token de ID se toman dos campos, y cada uno resuelve una tarea distinta:

  • el email va a userContext.userId y determina qué documentos se pueden leer;
  • el sub (identificador del usuario) va a actorId y al espacio de nombres de la memoria, por ejemplo /anycompany/<sub>.

¿Por qué no usar el email para todo? Porque una dirección puede cambiar o reasignarse a un nuevo empleado cuando otra persona se marcha, y este heredaría una memoria ajena. El sub de Cognito no cambia ni se reutiliza. También sirve cualquier otro identificador estable de su base de usuarios, siempre que nunca pase a otra persona.

La memoria se configura con un único recurso para todos los usuarios, y la separación la aporta la plantilla {actorId} en los espacios de nombres. Hay tres usuarios de prueba: los ingenieros Maya y Liam y la vendedora Sofia. Cada uno tiene sus propios documentos y su propia memoria.

Una protección que funciona incluso si hay un error en el código

Lo más práctico del material es el aislamiento a nivel de IAM. El backend asume el rol de la aplicación por separado para cada usuario, con la etiqueta de sesión userId=<sub>. Los permisos sobre la memoria están vinculados a esa etiqueta mediante actorId y la ruta del espacio de nombres. Si un desarrollador sustituye por error el identificador por el de otra persona, IAM deniega el acceso. Así, un bug en el código no se convierte en una fuga de datos ajenos.

Qué se necesita para empezar

La memoria de AgentCore debe estar en la misma cuenta de AWS que la base de conocimiento y en estado ACTIVE. El ejemplo usa la región US West (Oregon), us-west-2. Se necesitan Python 3.10+ y Boto3 1.43.72 o posterior. El indicador aclEnabled no se puede modificar después de crear la fuente de datos, así que conviene diseñar el modelo de permisos con antelación.

Conclusión práctica para los equipos que desarrollan asistentes para muchos usuarios: si almacenan los diálogos y construyen el contexto por su cuenta, conviene comparar su esquema con el mecanismo ya hecho. También merece la pena adoptar el esquema de separación: el email se encarga de los documentos, el ID inmutable de la memoria e IAM protege frente a errores en el código. Parte del material original se interrumpe en la creación del recurso de memoria, por lo que aquí no se analizan los detalles de lectura de la traza.

Historia

Preguntas frecuentes sobre la noticia

¿Qué se sabe sobre Qué ha cambiado exactamente?

La memoria de Amazon Bedrock AgentCore funciona ahora como una fuente de búsqueda más junto a la base de conocimiento. Se activa añadiendo el bloque memoryConfiguration a la solicitud AgenticRetrieveStream. En una sola llamada, el servicio recupera el historial de la conversación y el planificador decide por sí mismo si un dato sobre el usuario puede ayudar. Si es así, lo extrae de la memoria a largo plazo y lo usa en las subconsultas a la base de conocimiento.

Cómo funciona en el ejemplo de AnyCompany?

AWS muestra el asistente interno de una empresa ficticia. Los documentos están en Amazon S3. RR. HH. y TI leen todo, los reglamentos de ingeniería solo los ingenieros y el plan de comisiones solo los vendedores. Los permisos se describen en un archivo ACL global, donde cada carpeta tiene asociada una lista de emails. En el ejemplo se indexaron 11 documentos, con 0 errores. Un documento que no esté cubierto por ninguna entrada de la ACL no entra en el índice.

¿Qué se sabe sobre Una protección que funciona incluso si hay un error en el código?

Lo más práctico del material es el aislamiento a nivel de IAM. El backend asume el rol de la aplicación por separado para cada usuario, con la etiqueta de sesión userId=<sub>. Los permisos sobre la memoria están vinculados a esa etiqueta mediante actorId y la ruta del espacio de nombres. Si un desarrollador sustituye por error el identificador por el de otra persona, IAM deniega el acceso. Así, un bug en el código no se convierte en una fuga de datos ajenos.

ZK
Zhemal Khamidun — CPO de Alpina Digital, product manager de AlpinaGPT. Crea productos de IA desde 2019. Hamidun News es un proyecto personal que creció hasta ser un agregador en producción con más de 6.000 lectores.
✦ Private AI Builders Community · Vibe Club

Ship AI Faster with Founders, Engineers & Weekly Architecture Reviews

Inside Vibe Club (hamidun.com/club) — weekly live masterminds with Zhemal Khamidun, Tech Radar, full LMS access, and 370+ production Claude Code skills.

Join Vibe Club →Explore Hamidun Academy
¿Qué te parece?
Cargando comentarios…