6.1 你的目标

多轮对话中，AI 能记住前面说了什么：

You: 查一下订单 ORD-001
AI: 您的订单 ORD-001（智能蓝牙耳机 Pro）已发货

You: 这个保修多久？     ← 用户期望 AI 知道说的是"耳机"
AI: 智能蓝牙耳机 Pro 提供 12 个月质保。  ← 没忘！

6.2 问题和解决方案

为什么 AI 会忘？

每次请求的 state["messages"] 都是空列表。Agent 没有上下文，每次都是"第一次见到用户"。

解法：把历史消息传进去

# main.py 中
sessions: dict[str, list] = defaultdict(list)
conv_id = req.conversation_id or str(uuid.uuid4())
history = sessions[conv_id]

initial_state = {
    "user_message": req.message,
    "messages": history,         # ← 把历史传进去！
    ...
}

result = agent_graph.invoke(initial_state)

# 保存本轮对话
history.append({"role": "user", "content": req.message})
history.append({"role": "assistant", "content": result["final_response"]})

为什么不能存所有历史？

聊 50 轮后，history 会有 100 条消息，几千个 token。LLM 的上下文窗口是有限的。

解法：滑动窗口

MAX_HISTORY = 10  # 最多保留 10 轮

def save_history(conv_id, user_msg, reply):
    history = sessions[conv_id]
    history.append({"role": "user", "content": user_msg})
    history.append({"role": "assistant", "content": reply})
    # 只保留最近 10 轮
    if len(history) > MAX_HISTORY * 2:
        sessions[conv_id] = history[-MAX_HISTORY * 2:]

为什么是 10 轮？ 这不是一个固定的答案。取决于你的业务场景：

• 客服对话通常 3-5 轮解决问题，10 轮足够
• 如果是长周期跟进（如售后多次沟通），可能需要更多

6.3 Agents 怎么使用历史

之前每个 Agent 的 LLM 调用只传 user_message，现在加上历史：

def tool_node(state):
    history = state.get("messages", [])      # ← 拿到历史
    msg = call_llm(
        messages=[
            {"role": "system", "content": TOOL_PROMPT},
            *history,                        # ← 展开到 prompt 中
            {"role": "user", "content": state["user_message"]},
        ],
        tools=TOOLS,
    )

Router Agent 看到历史后，能理解"这个"指的是什么。Tool Agent 看到历史后，知道用户之前已经提供过订单号。

6.4 内存存储的局限

当前会话存在 Python 进程的内存里。服务重启后所有会话丢失。

生产环境应该用 Redis 或数据库存储会话：

# 当前（内存）
sessions: dict[str, list] = defaultdict(list)

# 生产（Redis）
import redis
r = redis.Redis()
history = json.loads(r.get(f"session:{conv_id}") or "[]")

但第 6 课的重点是理解"有状态"这个模式，而不是具体的存储方案。

6.5 三种记忆策略对比

方案	实现复杂度	信息保留	Token消耗	适用场景
滑动窗口	低	丢失早期信息	可控	短对话（<20轮）
摘要压缩	中	保留核心信息	低	中等长度对话
向量检索记忆	高	几乎不丢失	中	超长对话、知识型对话

本课使用滑动窗口，因为简单且适配电商客服的场景。

本课知识点

概念	你做了什么	为什么
有状态	conversation_id + 历史存储	LLM 无状态，上下文全靠 messages 传
滑动窗口	保留最近 N 轮	Token 消耗有上限，不会撑爆窗口
历史注入	history 展开到 messages 里	每个 Agent 都能参考上文

课后作业

1. 把 MAX_HISTORY 改成 2，看第 3 轮还能不能记住第 1 轮的信息
2. 给 sessions 加一个过期时间（比如 30 分钟不活跃就删除）

面试可能会问

"Agent 系统的会话管理和传统 Web 应用的 Session 有什么不同？"
Web Session 存的是用户登录状态。Agent 存的是对话历史（messages 数组），而且影响 LLM 的推理质量。管理不好 Agent 就会"失忆"。