AI工具AWS Machine Learning Blog
来源时间 本站刊期
使用NVIDIA NeMo Agent Toolkit和Amazon S3 Vectors构建Agent记忆
Build agent memory with NVIDIA NeMo Agent Toolkit and Amazon S3 Vectors
想省自建向量库的团队可看：NAT记忆层可换成S3 Vectors。
判断
这改变的是准备给多智能体加记忆的团队：决定点从「要不要自建向量库」挪到「记忆层由谁运维」。选 S3 Vectors 是把语义检索、元数据、一致性和扩缩容四项交给托管，选自建就自己担这四项，另外还得有人维护这套 EKS 集群。
依据
作者 Venkata Sistla 在 AWS Machine Learning Blog 2026年10月1日的文章里，把上一期的架构讨论推进到实现。NVIDIA NeMo Agent Toolkit（NAT，英伟达的开源智能体框架）自带 memory subsystem（记忆子系统）；这次的做法是照它的接口实现一个 custom memory provider（自定义记忆提供方），把 Amazon S3 Vectors（Amazon S3 上提供语义检索的能力）接到这个位置上当 persistent memory layer（持久记忆层），整套再部署到 Amazon EKS（AWS 的托管 Kubernetes 服务）上以获得完整运维控制权，示例是多智能体投资研究。机制上的取舍在于：语义检索、丰富元数据、强一致性和弹性扩缩容原本要团队自己搭，现在改由 S3 Vectors 承担；代价是记忆读写进入 AWS 账号与权限边界，不再由自己掌控。
- NAT 记忆子系统实现接口
- 自定义记忆提供方读写后端
- S3 Vectors 记忆层部署运行
- EKS 上的投研用例
没写清 材料没给任何实测值：记忆检索延迟、单次写入成本、并发下的失效阈值都没有，也没说这套接法在多大记忆量时会退化。
下一步 核对 AWS 博客原文是否放出 NAT 自定义 memory provider 的完整代码与 EKS 部署清单，没有就说明还停留在架构描述。