Intensivo Grátis 21–22/11Intensivo gratuito de 2 dias em Vibecoding (21–22/11 às 16:00 MSK) · Turma 3 começa 23/11Inscrever-se grátis →Turma 3 (23/11)
LançamentoAnálise · No radarAWS Machine Learning Blog→ original

Amazon Bedrock ensina o assistente a lembrar dos funcionários e a esconder documentos restritos

Um assistente deve lembrar que um funcionário mencionou, um mês atrás, o escritório em Frankfurt, mas não pode mostrar a ele documentos de outras pessoas. No Amazon Bedrock Managed Knowledge Base, agora é o serviço que cuida disso: basta adicionar memoryConfiguration à requisição AgenticRetrieveStream, e o planejador busca o fato na memória do AgentCore por conta própria. O parâmetro userContext mantém apenas os documentos liberados pelas listas de controle de acesso (ACL). A tabela própria de conversas pode ser removida.

Processado por IA de AWS Machine Learning Blog; editado por Hamidun News
Amazon Bedrock ensina o assistente a lembrar dos funcionários e a esconder documentos restritos
Fonte: AWS Machine Learning Blog. Colagem: Hamidun News.
Ouvir artigo
Ficha técnica e números-chave
ParâmetroDados
Fonte originalAWS Machine Learning Blog ↗
Editor-chefe
Dado-chave #1A memória fica vinculada ao sub do Cognito; os documentos, ao e-mail do funcionário
Dado-chave #2Um IAM com a tag userId impede a leitura da memória de outro usuário, mesmo que haja um bug no código
Dado-chave #3São necessários Boto3 1.43.72+ e uma memória do AgentCore na mesma conta da base de conhecimento

Um assistente corporativo precisa lembrar de quem está conversando com ele e, ao mesmo tempo, não revelar mais do que deve. Imagine um funcionário que, um mês atrás, em outra conversa, escreveu que trabalha no escritório de Frankfurt. Hoje ele pergunta sobre férias, e a resposta deve levar essa informação em conta sem que ele precise repeti-la.

Mas esse mesmo assistente não pode mostrar a um engenheiro o plano de comissões da equipe de vendas. Até agora, os desenvolvedores montavam isso na mão: guardavam todos os diálogos, extraíam fatos deles, selecionavam os relevantes e os incluíam na requisição. Agora a AWS transfere esse trabalho para o serviço: o Amazon Bedrock Managed Knowledge Base usa a memória do AgentCore e listas de controle de acesso (ACL, ou seja, a relação de quem pode ler quais documentos).

Para quem constrói um assistente para muitos usuários, isso reduz a quantidade de código próprio.

O que mudou exatamente

A memória do Amazon Bedrock AgentCore agora funciona como mais uma fonte de busca ao lado da base de conhecimento. Ela é ativada com a inclusão do bloco memoryConfiguration na requisição AgenticRetrieveStream. Em uma única chamada, o serviço recupera o histórico da conversa, e o planejador decide por conta própria se um fato sobre o usuário vai ajudar. Se sim, ele busca o fato na memória de longo prazo e o usa nas subconsultas à base de conhecimento. Depois da resposta, o serviço grava a interação de volta na memória. O AgentCore extrai os registros de longo prazo de forma assíncrona, então um fato novo não aparece na memória de imediato.

Na mesma requisição vai o userContext, e a base devolve apenas os documentos que o usuário pode acessar segundo a ACL. A integração é opcional e retrocompatível. A autenticação e a transmissão da identidade do usuário continuam por conta da aplicação. Não há mais uma tabela separada de conversas: quando a interface exibe a lista de conversas, ela lê a mesma memória.

Como funciona no exemplo da AnyCompany

A AWS demonstra um assistente interno de uma empresa fictícia. Os documentos ficam no Amazon S3. RH e TI leem tudo, os regulamentos de engenharia são acessíveis apenas a engenheiros, e o plano de comissões apenas a vendedores. As permissões estão descritas em um arquivo ACL global, em que cada pasta corresponde a uma lista de e-mails. No exemplo, foram indexados 11 documentos, com 0 erros. Um documento não coberto por nenhum registro da ACL não entra no índice. E um usuário cujo e-mail não aparece nos registros não recebe resultados dessa fonte. No caso de SharePoint, Google Drive e Confluence, as permissões são obtidas da própria fonte, e o código da aplicação não muda.

Os funcionários entram pelo Amazon Cognito. Do ID token dele saem dois campos, cada um com uma função:

  • o e-mail vai para userContext.userId e define quais documentos podem ser lidos;
  • o sub (identificador do usuário) vai para actorId e para o namespace da memória, por exemplo /anycompany/<sub>.

Por que não usar o e-mail para tudo? Um endereço pode ser alterado ou passado a um novo funcionário depois da saída de alguém, e essa pessoa herdaria a memória alheia. O sub do Cognito não muda e não é reutilizado. Outro identificador estável da sua base de usuários também serve, desde que nunca passe para outra pessoa.

A memória é configurada em um único recurso para todos os usuários, e a separação vem do modelo {actorId} nos namespaces. Há três usuários de teste: os engenheiros Maya e Liam e a vendedora Sofia. Cada um tem seus próprios documentos e sua própria memória.

Proteção que funciona mesmo com erro no código

O ponto mais prático do material é o isolamento no nível do IAM. O backend assume o papel da aplicação separadamente para cada usuário, com a tag de sessão userId=<sub>. As permissões de acesso à memória são vinculadas a essa tag por actorId e pelo caminho do namespace. Se o desenvolvedor, por engano, passar o identificador de outra pessoa, o IAM nega o acesso. Assim, um bug no código não se transforma em vazamento de dados de terceiros.

O que é preciso para começar

A memória do AgentCore deve estar na mesma conta da AWS que a base de conhecimento e no estado ACTIVE. O exemplo usa a região US West (Oregon), us-west-2. São necessários Python 3.10+ e Boto3 versão 1.43.72 ou mais recente. A flag aclEnabled não pode ser alterada depois que a fonte de dados é criada, por isso convém definir o modelo de permissões com antecedência.

A conclusão prática para equipes que desenvolvem assistentes para muitos usuários: se você mesmo armazena as conversas e monta o contexto manualmente, compare sua arquitetura com o mecanismo pronto. Vale também adotar o esquema de separação. O e-mail responde pelos documentos, o ID imutável pela memória, e o IAM protege contra erros no código. Parte do material original termina na criação do recurso de memória, por isso os detalhes sobre a leitura do trace não são abordados aqui.

História

Perguntas frequentes sobre a notícia

O que mudou exatamente?

A memória do Amazon Bedrock AgentCore agora funciona como mais uma fonte de busca ao lado da base de conhecimento. Ela é ativada com a inclusão do bloco memoryConfiguration na requisição AgenticRetrieveStream. Em uma única chamada, o serviço recupera o histórico da conversa, e o planejador decide por conta própria se um fato sobre o usuário vai ajudar. Se sim, ele busca o fato na memória de longo prazo e o usa nas subconsultas à base de conhecimento.

Como funciona no exemplo da AnyCompany?

A AWS demonstra um assistente interno de uma empresa fictícia. Os documentos ficam no Amazon S3. RH e TI leem tudo, os regulamentos de engenharia são acessíveis apenas a engenheiros, e o plano de comissões apenas a vendedores. As permissões estão descritas em um arquivo ACL global, em que cada pasta corresponde a uma lista de e-mails. No exemplo, foram indexados 11 documentos, com 0 erros. Um documento não coberto por nenhum registro da ACL não entra no índice.

O que se sabe sobre Proteção que funciona mesmo com erro no código?

O ponto mais prático do material é o isolamento no nível do IAM. O backend assume o papel da aplicação separadamente para cada usuário, com a tag de sessão userId=<sub>. As permissões de acesso à memória são vinculadas a essa tag por actorId e pelo caminho do namespace. Se o desenvolvedor, por engano, passar o identificador de outra pessoa, o IAM nega o acesso. Assim, um bug no código não se transforma em vazamento de dados de terceiros.

ZK
Zhemal Khamidun — CPO da Alpina Digital, gerente de produto do AlpinaGPT. Cria produtos de IA desde 2019. O Hamidun News é um projeto pessoal que virou um agregador em produção com mais de 6.000 leitores.
✦ 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
O que você acha?
Carregando comentários…