本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 启用长期内存
<a name="long-term-enabling-long-term-memory"></a>

您可以通过两种方式启用长期内存：在首次[创建 AgentCore 内存时添加策略](memory-create-a-memory-store.md)，或者更新现有资源以将其包括在内。

## 用长期策略创造新的记忆
<a name="long-term-creating-new-memory-with-strategies"></a>

最直接的方法是在创建新 AgentCore 内存时加入策略。调用后`create_memory`，必须等待 “ AgentCore 内存” 状态变为 “内存” 状态后`ACTIVE`才能使用它。

**Example**  

1. 

   ```
   agentcore add memory --name PersonalizedShoppingAgentMemory --strategies USER_PREFERENCE
   agentcore deploy
   ```

1. 运行打开 `agentcore` TUI，然后选择**添加**并选择**内存**：

1. 选择**用户偏好**策略：  
![内存向导：选择 USER_PREFERENCE 策略](https://docs.amazonaws.cn/bedrock-agentcore/latest/devguide/images/tui/memory-add-strategies.png)

1. 查看配置并按 Enter 键确认：  
![内存向导：确认内存配置](https://docs.amazonaws.cn/bedrock-agentcore/latest/devguide/images/tui/memory-add-confirm.png)

   然后运行`agentcore deploy`以配置内存 Amazon。

## 向现有 AgentCore 内存添加长期策略
<a name="long-term-adding-strategies-to-existing-memory"></a>

要向现有 AgentCore 内存添加长期功能，可以使用该`update_memory`操作。您可以添加、修改或删除现有内存的策略。

**注意**  
C AgentCore LI 支持创建和管理内存资源。要更新现有内存的内存策略，请使用 Amazon SDK。

 **示例：将会话摘要策略添加到现有 AgentCore 内存 ** 

```
import boto3

# Initialize the Boto3 client for control plane operations
control_client = boto3.client('bedrock-agentcore-control', region_name='us-west-2')

# Assume 'memory_id' is the ID of an existing AgentCore Memory that has no strategies attached to it
memory_id = "your-existing-memory-id"

# Update the memory to add a summary strategy
response = control_client.update_memory(
    memoryId=memory_id,
    memoryStrategies=[
        {
            'summaryMemoryStrategy': {
                'name': 'SessionSummarizer',
                'description': 'Summarizes conversation sessions for context',
                'namespaceTemplates': ['/summaries/{actorId}/{sessionId}/']
            }
        }
    ]
)

print(f"Successfully submitted update for memory ID: {memory_id}")

# Validate strategy was added to the memory
memory_response = control_client.get_memory(memoryId=memory_id)
strategies = memory_response.get('memory', {}).get('strategies', [])
print(f"Memory strategies for memoryID: {memory_id} are: {strategies}")
```

**注意**  
Long-term 记忆记录只能从新策略出现**后**存储的对话事件中提取。`ACTIVE`在添加策略之前存储的对话不会被处理以获得长期记忆。