🚀🚀【封闭结束7】Agent 为什么总是“失忆”？从长期记忆到上下文工程的生产实践

前言 ：封闭告一段落，开始系统复盘：一个生产 Agent 到底怎么跑起来 。踩坑、经验和落地，最主要的是用户认可，尽量用几篇文章讲清。

这篇文章是系列第7篇：上下文窗口有上限，别当无限仓库乱塞。分清工作记忆、会话状态、长期记忆和 RAG，该写入的写入，不该混放的别混。

希望这篇文章，能给正在搭建 Agent 的朋友一些参考。

线上Agent产品，经常会出现几类问题：

• 用户隔了一周回来，说「还是上次那个支付服务」，系统却不知道「上次那个」指什么。
• 把整本产品手册塞进「用户记忆」，检索时返回一堆无关段落，Token 费用不断上涨，真正的个人偏好反而被淹没。
• 上下文窗口一直往里追加，从不摘要，最终导致输入被截断、推理成本上升。
• 模型只是猜测「可能是 payment-api 服务」，但系统却把它写进会话状态，当成已确认事实。下一轮用户说「查它的日志」，Agent 就可能继续查错服务。
• 用户明确说过「不要重启生产实例」，但旧消息被摘要压缩掉了，Agent 后续又提出甚至尝试执行重启操作。

这些问题看起来是 Agent 的「记忆力」不够好，实际上涉及四个不同层面：上下文组织、会话状态管理、跨会话记忆和企业知识检索。

这篇文章重点讲清楚：

1. 四个盒子分开：工作记忆、会话状态、长期记忆、RAG，各管各的；
2. 该写才写：区分用户明确表达、工具验证和模型推断，避免把猜测写成事实。
3. 窗口有预算：先保留系统规则和当前任务状态，再分配最近对话、记忆和检索结果。
4. 按场景选方案： 普通问答、个性化助手、企业运维和长任务 Agent，不能用同一套记忆策略硬套。
5. 关注工程成本： 对比数据库、向量检索、摘要压缩和 GraphRAG 的使用场景。

继续用案例 OpsPilot（企业运维助手，虚构案例）。文中示例用 TypeScript，团队线上服务是 Go；换成 Java / Node 也一样，关键是适用场景清楚。

先把四个盒子分开：Agent 的记忆为什么不能混在一起？

很多人会把「记忆」和「检索」混为一谈。先明确一点：模型不会自动访问你的数据库。

每次调用模型时，Runtime 都需要根据当前任务，从会话状态、长期记忆、知识库和最近对话中选择相关信息，再组装成模型可以使用的上下文Prompt。它们不直接喂模型：

图上四块与文章目录对应，按照目录来理解效果更好：

• 工作记忆（Working Memory，WM）：本轮发给模型的那份 Prompt。这一轮调用结束就没了，下一轮要重新拼接，不单独另存到库表等。
• 会话状态（Session State） ：这次任务停在哪（当前服务、环境等）；落地挂在会话上，代码里写成 SessionState。有人也叫任务状态，指的是同一类东西，本文统一用会话状态。
• 长期记忆（Long-term Memory，LTM）：跨会话的个人记忆，多个会话都可以使用（单说 Memory 时常指整套记忆系统，不只这一个）。
• 知识库（RAG）：企业文档检索，和 LTM 分开处理。

读图时记住：模型只看工作记忆（WM）拼出来的那份 Prompt；会话状态、长期记忆（LTM）、知识库（RAG）都在 Runtime 外侧，本轮用得到才读进来。若用 LangGraph 时，MessagesState / checkpointer 更靠近「这次 Run 的断点 / 消息」，但代替不了长期记忆（LTM）和知识库（RAG）；跨会话的个人偏好，要你自己做一层记忆表 + 读写接口。不使用 LangGraph 也一样，消息列表不等于完整的记忆系统 Memory。

再补一句别混用：

• 用户偏好、说过的话：写入长期记忆（LTM）表，记得按用户隔离。同一偏好，说过两次只留一条。比如他说「改成默认测试」时，要能替换或删掉旧记录。
• 文档、制度：放进共用知识库，用 RAG 检索。大家共用一份，不要按照某个用户单独去改。
• 别反着放：个人说过的话不要进企业知识库；公司规范也不要写进某个用户的记忆表。

工作记忆与会话状态

工作记忆：这一轮发给模型的六块内容

还用 OpsPilot 示例来看。用户上一句已确认查生产环境的 payment-api，现在说：「它的错误日志呢」。

这一轮需要拼接的上下文，通常包括下面六块：

系统 Prompt          → 你是运维助手，只能查日志，写操作要等人确认...
工具 Schema          → query_logs 需要 serviceId、env、timeRange...
最近对话             → 用户刚才说了什么、助手回了什么（留最近几轮原文）
会话状态摘要         → 当前服务=payment-api，环境=production（从 SessionState 摘过来）
本轮检索/记忆召回    → 按需从库里取片段放进 Prompt。来源可以是长期记忆（如「该用户默认看生产」），也可以是知识库片段（如查日志规范）；本轮如果用不上，可以为空。
最新工具结果         → 若刚调过工具，放刚返回的内容；还没调过工具时，可以为空。

这六块是上下文组装时的逻辑分组，不代表每轮都必须填满这些，也不代表它们合起来就是工作记忆的唯一标准。实际发送给模型前，还要经过相关性筛选、权限检查和 Token 预算控制。

拼接好之后，应用层的工作对象可以长这样（字段和上面六块内容对应，注释即字段含义）：

const workingMemory: { // 本轮送进模型的工作记忆
  systemPrompt: string
  toolSchemas: unknown[]
  recentMessages: Array<{ role: 'user' | 'assistant' | 'tool'; content: string }>
  sessionStateSummary: Record<string, unknown>
  recalled: Array<{ source: 'ltm' | 'rag' | 'graph'; id: string; text: string; score?: number }>
  latestToolResult?: { toolName: string; content: string }
  runNotes?: string
  tokenBudget: { maxInput: number; reservedForOutput: number }
} = {
  systemPrompt: '你是 OpsPilot...写操作必须等人确认。', // 系统 Prompt：身份、权限、安全规则
  toolSchemas: [{ name: 'query_logs', parameters: { /* serviceId, env... */ } }], // 工具 Schema：本轮可调哪些工具、参数长什么样
  recentMessages: [ // 最近对话原文
    { role: 'user', content: '查一下生产环境 payment-api' },
    { role: 'assistant', content: '已定位到 payment-api（production）。' },
    { role: 'user', content: '它的错误日志呢' }
  ],
  // 会话状态摘要：从 SessionState 摘来；不是再搜一遍聊天记录
  sessionStateSummary: {
    currentService: { id: 'svc_pay', name: 'payment-api' },
    env: 'production'
  },
  recalled: [ // 本轮召回片段：长期记忆或知识库手册等；source 标明来源
    { source: 'ltm', id: 'mem_1', text: '该用户默认看生产环境监控', score: 0.82 }
  ],
  latestToolResult: undefined, // 最新一次工具返回；本轮未调工具可空，调过则放裁剪后的内容
  runNotes: undefined,         // 本轮笔记（可选）：多步时有长度上限的短摘要，见下一段
  tokenBudget: {               // 组装预算：控制裁剪，一般不整段写入 Prompt 正文
    maxInput: 24_000,          // 输入 Token 上限
    reservedForOutput: 1_500   // 预留给模型输出
  }
}

多步执行时还有一个常见问题。假设第一步已经调用 search_resource，返回了一大段 JSON。若下一步把"第一步整段 JSON + 第二步新结果"原样追加进历史，输入会随着执行轮次不断膨胀。

更省 Token 的做法是：

• 把已确认的结论写成短字符串，放进上面的 runNotes，例如 已确认 payment-api 在 production，资源 id=svc_pay，并设长度上限；
• 每步只带上当前决策需要的最新工具结果；
• 更早几步的大段原文可以存到外部，再通过结果 ID 按需取回，不必每轮原样重放。

这时 runNotes 有值，latestToolResult 只放当前这一步的返回。

组装时注意：

• 最近 2 到 6 轮可以作为起点，尽量保留与当前指代和任务有关的原文。具体轮数需要按任务复杂度和 Token 预算调整。
• 更早的对话压成摘要；摘要里要留下环境、服务名、已确认结论和重要限制，不要只剩无信息量的概述。
• 工具结果不要整段丢进 Prompt。例如 query_logs 返回 2000 行日志，Prompt 里只放摘要或关键几行（错误码、时间、条数）；完整原文存到别处，需要时再用结果 ID 取回。
• 系统 Prompt 和工具定义尽量少改，并尽量保持稳定的输入前缀。如果所使用的模型和 API 支持 Prompt Caching，稳定前缀可能有助于提高缓存命中率，但并非所有模型和 API 都保证支持或命中缓存。

会话状态：任务停在哪

上面例子里，模型能把"它"解析为 payment-api，通常是因为最近对话中提到过这个服务；结构化状态也可以提供辅助。实际系统往往会结合两者，而不是只靠全文搜索历史消息。

本文把挂在会话上的结构化状态称为 SessionState。它可以存放在会话表、关联表或状态存储中；组装 Prompt 时，再按需摘取成 sessionStateSummary。

还是用户说"它的错误日志呢"这一轮，可以长这样：

const sessionState: SessionState = { // 挂在会话上的已确认事实，不是消息原文。
  conversationId: 'conv_123', // 属于哪个会话
  currentService: { id: 'svc_pay', name: 'payment-api' }, // 用户或工具已确认，不是模型瞎猜
  env: 'production', // 已确认环境
  updatedAt: '2026-10-28T10:00:00Z'
}

type SessionState = { // 会话结构化状态：这次任务停在哪
  conversationId: string
  currentService?: { id: string; name: string }
  env?: 'development' | 'testing' | 'production'
  updatedAt: string
}

和消息、Run 不要混存。系列里的会话服务常见的是：消息表、会话（可挂结构化状态）、Run 表。和"解析它 / 续跑"相关的三类东西：

存什么	存的是什么	干什么用
Message（消息表）	聊天原文：谁说了哪一句	页面历史、审计、事后摘要。Agent 不靠翻整张消息表来解析「它」
SessionState（会话结构化状态）	已确认的服务、环境等	下一轮决策；组装时摘成 sessionStateSummary
Run（这一次执行）	用户点一次发送按钮对应的后台任务；interrupted 时等人确认	确认后接着这次 Run 续跑。断点最小状态可放在 Run 的 checkpoint 字段；更细的中断记录见前几篇文章中的《Agent 中的 SSE 流式推送与 HITL 暂停恢复》

消息与 Run 示意（字段与多轮文对齐）：

const message: Message = { // 消息表：一行一句聊天原文
  id: 'msg_101', // 消息 id
  conversationId: 'conv_123', // 属于哪个会话
  role: 'user', // 'user' | 'assistant' | 'tool'
  content: '它的错误日志呢', // 展示 / 落库的正文
  createdAt: '2026-10-28T10:00:01Z'
}

const run: Run = { // Run 表：用户点一次发送对应的一次后台任务
  id: 'run_9', // Run id
  conversationId: 'conv_123', // 落在哪个会话
  userMessageId: 'msg_101', // 由哪条用户消息触发
  status: 'interrupted', // running | interrupted | completed | failed | cancelled；等人确认时用 interrupted
  checkpoint: { /* 续跑所需最小状态；形状见 HITL 专文 */ },
  createdAt: '2026-10-28T10:05:00Z',
  updatedAt: '2026-10-28T10:05:00Z' // 状态最后变更时间
}

对照一下：

• 刷新页面，聊过的句子还在 → Message。
• 用户只说「再查一下它」，系统仍知道是 payment-api → SessionState（会话上的已确认事实）。
• 点了「重启实例」，弹窗等确认；稍后点确认还能续跑 → Run （status: interrupted + checkpoint）。不管「用户默认看生产」这类跨会话长期记忆。

只有工具成功或用户明确确认的信息，才写进 SessionState。模型猜测的服务名、失败查询的参数，不要当成已确认事实。

长期记忆与知识库文档

长期记忆不等于 RAG，也不要写进 RAG。 有人觉得"反正都是向量检索，用户说过的话一并丢进知识库就行"，但这会把个人偏好和公司手册混成同一池，权限、过期和删除都不好处理。

先分清两件事：

• 长期记忆 ：关于「这个用户 / 这个 Agent」的东西，跨会话还在，按 userId 隔离。例如「他默认看生产」。
• 知识库（RAG）：关于「公司手册怎么写」的东西，多人共享、有版本。例如「运维手册：查日志须同时指定环境和时间范围」。

检索手段可以都类似（都可能用向量），但库、权限、写入通道、失败策略是两套 。长期记忆走自己的存储与 search；公司手册变更走知识库索引。

存哪：起步很常见是 MySQL / PostgreSQL 一张记忆表 （按 userId / tenantId 过滤，能改能删）；条数多、要语义相近召回时，再给 content 加向量索引，或旁路一个向量库。这和「企业 RAG 知识库」仍是两套，不要共用一个索引池。

还是 OpsPilot。用户说过「以后默认看生产环境」。这不该写入企业知识库（RAG），应写成一条只属于该用户的长期记忆。

长期记忆：抽、筛、存、用

不要在对话一结束后，就把整段聊天原文原样塞进长期记忆表。更稳妥的方式是先抽出候选结论，再决定是否入库：

1. 抽 ：本轮聊完后，从对话中提取可能有长期价值的内容。例如用户说"以后默认看生产"，得到候选：默认看生产环境监控。
2. 筛：与该用户已有记忆进行去重、合并和冲突检查。若用户明确把"默认测试"改成"默认生产"，就更新旧记录；模型自己都没把握的内容，不应直接成为生效记忆。
3. 存 ：将通过筛选的内容写入长期记忆表，并记录对应的 userId、tenantId 和来源。低置信度内容可以丢弃，不要写进企业 RAG 知识库。
4. 用：下次用户再说"查一下错误日志"时，使用用户和租户范围进行检索，再把相关记忆按需加入工作集和上下文。

筛过之后，库表里的一行可以长这样：

const memoryItem: { // MySQL / PostgreSQL 长期记忆表的一行，不是 RAG 文档
  id: string
  userId: string
  tenantId: string
  type: string
  content: string
  sourceMessageIds: string[]
  confidence: number
  expiresAt?: string
  createdAt: string
  updatedAt: string
} = {
  id: 'mem_1',                              // 主键
  userId: 'u_42',                           // 用户隔离；查询必须带上
  tenantId: 't_acme',                       // 租户隔离；查询必须带上
  type: 'semantic',                         // 可选分类；起步可先固定写 semantic / preference
  content: '默认看生产环境监控',             // 只记结论；不记访问凭证、不记整段日志
  sourceMessageIds: ['msg_100'],            // 追溯到哪句原话，方便改错、删除
  confidence: 0.91,                         // 抽取把握；过低则本行不写入
  expiresAt: undefined,                     // 可选过期时间
  createdAt: '2026-10-10T08:00:00Z',
  updatedAt: '2026-10-10T08:00:00Z'
}

下一轮用户说"查一下错误日志"，召回可能命中 mem_1，于是工作集里的 recalled 就可以包含这条信息。模型在本轮上下文中看到它后，才知道用户通常默认查看生产环境；但如果当前指令与该偏好冲突，应优先遵循当前明确指令和业务权限规则。

写入时注意：

• 查库时带上租户和用户 ：WHERE tenant_id = ? AND user_id = ?。不要指望在 Prompt 里写「别看别人的记忆」。实际中模型靠不住，SQL / 接口过滤才靠得住。
• 用户能改、能删：他说「我改主意了，默认看测试」，旧的「默认看生产」要能更新或标记作废，不能改不了。
• 敏感原文默认不记：访问凭证、整段日志正文不要进记忆表。只记「默认看生产」这类结论。
• 别什么话都记：「嗯」「好的」没信息量，跳过。同一偏好出现两次，合并成一条，别堆重复行。

怎么落地？先有一张记忆表和两个接口就够：add（写入或更新一行）、search（按用户和权限检索相关行）。需要语义相近召回时，再给 content 增加向量检索。不必一上来就建设完整的"记忆运行时"产品。

知识库文档：和长期记忆怎么区分

内容	放哪	为什么
"我默认看生产"	长期记忆（带 userId）	只对这个用户成立
"运维手册：查日志须同时指定环境和时间范围"	知识库（RAG）	公司文档，按权限供相关人员使用
"架构说明：payment-api 依赖 redis-cluster"	知识库（RAG）；如果经常需要多跳查询，再评估 GraphRAG	公司里的客观关系，不是某个人的偏好

本篇只约定：用户偏好走长期记忆，公司文档走 RAG。 一般问答先用基础 RAG；真要回答"谁依赖谁、故障会波及谁"这类需要连查多层关系的问题，再评估 GraphRAG。

GraphRAG 并不是越复杂越好。它的优势是可以帮助处理多跳实体关系问题；代价是图谱构建、关系更新、索引维护和检索延迟都会增加。是否值得上，应该看业务问题是否真的需要关系推理，以及准确率收益能不能覆盖维护成本。

记忆表的 type 字段可选。多数业务起步时先存一行结论就够；以后若要区分信息类型、寿命或召回策略，再使用不同类型，例如：

type（示意）	记什么	例子
preference / 偏好	相对稳定的个人偏好	"该用户默认看生产"
episode / 经历	某次排查经历	"2026-10-10 排查过 payment-api 超时"
habit / 习惯	对该用户怎么回复更合适（不是公司手册）	"给该用户回故障时先结论后证据"

公司规范放知识库，不要写进某个用户的记忆表。起步一张记忆表、一套读写接口就够，不必按 preference / episode / habit 拆成三套 API。

上下文工程：组装、预算与写入

前面四个盒子回答"东西分别存哪"。上下文工程回答的是：

1. 每一轮往模型窗口里装什么；
2. Token 不够时裁谁；
3. 确认事实怎么写回会话状态（SessionState）；
4. 本轮答完后怎么抽取长期记忆（LTM）。

下面用同一条 OpsPilot 链路把这些跑通。一轮从读到写，顺序可以看成：

下面几段代码是同一条链路上的函数，不是几套新概念：buildAgentContext 负责读并组装，assemblePrompt 按预算拼 Prompt，writeSessionState / afterTurn 负责写回。

加载会话状态（SessionState）+ 按需召回长期记忆（LTM）/ 知识库（RAG）
  → 组装工作记忆（WM）（硬区几乎不裁，软区占剩余预算）
  → 模型决策与工具调用
  → 仅确认事实写回会话状态（SessionState）
  → 异步抽取长期记忆（LTM）（不要为了抽记忆让用户干等回复）
知识库文档变更走索引流水线，不走长期记忆（LTM）

按预算拼 Prompt

拼接工作记忆对应的上下文时，可以先把内容分成两拨：

• 硬区：Token 再紧也尽量留着------系统规则、工具定义、会话状态。系统规则和工具定义尽量别每轮大改，拼 Prompt 时放在最前面（开头稳定时模型侧常能走 Prompt Caching，省token）。如果硬区本身超过模型输入预算，就必须检查、精简或调整配置。
• 软区：用剩下的 Token 配额按相关程度往里塞------最近消息、长期记忆（LTM）、知识库（RAG）；不够时，先裁剪低价值内容。

字段对应：

工作记忆（WM）字段	进哪一拨
systemPrompt、toolSchemas（可并进系统侧）	硬区
sessionStateSummary	硬区
recentMessages、recalled、RAG 片段	软区
tokenBudget	只管裁剪上限，一般不整段写进 Prompt 正文

type ContextAssemblyPlan = { // 组装计划：硬区几乎不裁，软区按分数占剩余预算
  hard: {
    systemRules: string // 系统 Prompt / 工具定义等；尽量稳定，拼在 Prompt 最前
    sessionState: SessionState // 当前会话已确认状态
  }
  soft: {
    recentMessages: Message[] // 最近几轮原文，用来解析「它」
    longTermMemories: Array<{ id: string; content: string }> // 记忆表召回的行
    ragChunks: Array<{ id: string; text: string }> // 知识库片段
    graphFacts: Array<{ id: string; text: string }> // 可选；未上 GraphRAG 可空
  }
  budget: {
    maxTokens: number // 输入 Token 上限
    reserveOutput: number // 预留给模型输出
  }
}

function assemblePrompt(plan: ContextAssemblyPlan): string {
  // 先装硬区，计入已用 Token
  let used = countTokens(plan.hard.systemRules) + countTokens(JSON.stringify(plan.hard.sessionState))
  const parts: string[] = [plan.hard.systemRules, renderState(plan.hard.sessionState)]

  // 最近消息优先塞进剩余预算；否则模型无法解析「它」指什么
  for (const msg of plan.soft.recentMessages.slice().reverse()) {
    const t = countTokens(msg.content)
    if (used + t > plan.budget.maxTokens - plan.budget.reserveOutput) break // 超预算就停
    parts.unshift(renderMessage(msg))
    used += t
  }

  // 记忆与 RAG 按相关分排序、同源去重，再占剩余预算
  const candidates = rankAndDedupe([
    ...plan.soft.longTermMemories.map(asCandidate),
    ...plan.soft.ragChunks.map(asCandidate),
    ...plan.soft.graphFacts.map(asCandidate)
  ])

  for (const item of candidates) {
    if (used + item.tokens > plan.budget.maxTokens - plan.budget.reserveOutput) break
    parts.push(item.text)
    used += item.tokens
  }

  return parts.join('\n\n') // 拼成最终 Prompt 文本
}

经验顺序可以概括为：安全与身份规则 → 当前会话状态 → 相关近期原文 → 重要工具结果和运行笔记 → 相关长期记忆 → RAG / 图谱片段。

这不是对所有任务都适用的绝对排序。例如，某个问题必须依据官方规范回答时，相关规范可能比一般历史摘要更重要。关键是有明确的优先级，并确保重要约束不会被低价值内容挤掉。

下面数字表示：拼进上下文时，每一类内容大约最多占多少 Token。具体数值需要按模型窗口和业务负载调整。

// 使用规则：`maxInput` 是整次输入总上限，下面几项加起来应落在总上限内，并给输出留出 `reserveOutput`。
const budget = {
  maxInput: 24_000,         // 整次输入总上限
  systemAndTools: 4_000,    // 硬区：系统 Prompt + 工具 Schema
  sessionState: 1_000,      // 硬区：会话状态；几乎不裁
  recentMessages: 6_000,    // 软区：最近原文；用来解析「它 / 上次那个」
  memories: 2_000,          // 软区：长期记忆（LTM）召回
  ragOrGraph: 6_000,        // 软区：知识库（RAG）/ 图谱片段
  toolObservations: 4_000,  // 软区：已裁剪的工具结果
  reserveOutput: 1_000      // 预留给模型输出，不算进上面的输入分项
}

不够用时分层压缩，不要整段一刀切成摘要：

• 工具结果只留与当前决策相关的行；
• 旧消息保留近期原文和滚动摘要，摘要里要有环境、服务名和关键结论；（可以省很多）
• 检索结果先去重、过滤低相关内容，再按预算加入；
• 重要的权限、环境和用户明确否定过的操作，需要显式保留，不能在摘要中丢失。

压缩并不一定能提高准确率。如果摘要删掉了"用户明确拒绝重启"这类关键信息，模型即使拿到更短的上下文，也可能做出更危险的决策。因此，评估上下文工程时，不能只看 Token 数量，还要看任务成功率、工具调用正确率、延迟和成本。

另外，隔离做错比没有记忆更危险：

1. tenantId / userId 必须在存储层过滤；
2. 长期记忆（LTM）与知识库（RAG）应有清晰的数据管理边界；
3. 召回时标明来源，方便排查"为什么用错偏好"。

完整读写代码

还是用户说"它的错误日志呢"这一轮，读和写可以长这样。以下仍然是接近真实工程的示例代码。

sessionStore、ltm、rag、auth 和 memoryExtractor 都是应用层依赖，需要在具体项目中实现。

// 读：加载状态 → 召回记忆/文档 → 按预算拼 Prompt（接上 assemblePrompt）
async function buildAgentContext(input: {
  userId: string
  tenantId: string
  conversationId: string
  message: string // 用户本轮话，用作召回 query
  recentMessages: Message[] // 最近对话原文
}) {
  const state = await sessionStore.load(input.conversationId) // 读 SessionState

  const memories = await ltm.search({ // LTM：查询必须带 userId / tenantId
    userId: input.userId,
    tenantId: input.tenantId,
    query: input.message,
    limit: 5
  })

  const docs = await rag.retrieve({ // 知识库（RAG）：按租户 + 角色过滤，不走长期记忆表
    tenantId: input.tenantId,
    roles: await auth.roles(input.userId),
    query: input.message,
    limit: 4
  })

  return assemblePrompt({
    hard: {
      systemRules: SYSTEM_PROMPT, // 硬区：系统规则
      sessionState: state // 硬区：当前会话状态
    },
    soft: {
      recentMessages: input.recentMessages.slice(-6), // 软区：最近 6 条
      longTermMemories: memories,
      ragChunks: docs,
      graphFacts: [] // 未上 GraphRAG 时留空
    },
    budget: {
      maxTokens: 24_000,
      reserveOutput: 1_500
    }
  })
}

// 写 SessionState：工具成功或用户确认后立刻写；只写已确认字段
async function writeSessionState(conversationId: string, patch: Partial<SessionState>) {
  await sessionStore.patch(conversationId, patch) // 例如 currentService、env
}

// 写长期记忆：回合结束后异步抽取，不挡用户看到回复
async function afterTurn(input: {
  userId: string
  tenantId: string
  messageIds: string[] // 追溯到哪几句原话
  transcriptSlice: string // 本轮对话片段，供抽取用
}) {
  const extracted = await memoryExtractor.extract(input.transcriptSlice) // 抽出候选结论
  await ltm.upsertMany(
    extracted
      .filter(item => item.confidence >= 0.7) // 把握太低的不写
      .map(item => ({
        ...item,
        userId: input.userId, // 写入时带上隔离字段
        tenantId: input.tenantId,
        sourceMessageIds: input.messageIds
      }))
  )
}

上面读完、模型跑完之后，还要把结果存回去，但两类东西的写入时机不同：

• 会话状态（SessionState）：当可信事件发生时及时更新。例如用户确认当前服务，或者工具成功返回了服务 ID。对于模型推断的内容，需要保留候选状态或等待确认。
• 长期记忆（LTM）：等本轮回答已经开始推给用户之后，再在后台从对话里抽结论写入记忆表，不要为了抽记忆让用户干等回复。

召回时也别搞混：长期记忆 LTM 没命中，可以继续聊；知识库 RAG 没命中，该拒答时就拒答。

开发分几个阶段

第一阶段（多数业务够用）：最近 N 轮 + 滚动摘要、结构化会话状态（SessionState）、工具结果裁剪、企业知识走知识库（RAG）。复杂长期记忆（LTM）可以后上。

第二阶段（跨会话个性化）：上用户级长期记忆（LTM）的抽取与检索；能更新、能删；Prompt 里分清「用户偏好」和「官方文档」。

第三阶段（复杂关系 / 长任务）：真有连查多层关系的时候，再上 GraphRAG；子 Agent 上下文隔离；窗口快满时分层压缩、按预算裁剪；记忆和文档冲突时，官方文档优先于过期偏好。

上线前避开这些坑

• 知识库（RAG）和长期记忆（LTM）不分开管理： 企业文档更新了，用户还抱着旧偏好；或把个人闲聊写进全员知识库。
• 把上下文窗口当仓库： 每轮只往里追加，从不摘要，后面出现截断，费用不断上涨。
• 只靠消息原文维持会话状态： 用户确认了当前是 payment-api 服务，却没有更新结构化状态数据；下一轮说"查它的日志"，系统仍可能无法可靠解析。
• 长期记忆什么都写： 模型猜错的、访问凭证、整段日志，一起塞进记忆表，这是不对的。
• 把模型输出直接当成已确认事实： 没有来源、确认状态和权限校验，错误信息就可能在后续轮次被不断放大。
• 上来就上 GraphRAG： 业务还没有"谁依赖谁、故障会波及谁"这类问题，先把基础 RAG 跑稳，别为了架构图好看就上图谱。可能根本用不到。

小结

记忆系统要落地，关键就三块：四个盒子别混、只有确认过的才写入、窗口按预算分配。

• 工作记忆（WM）、会话状态（SessionState）、长期记忆（LTM）、知识库（RAG）各管各的。 用户偏好和「上次那个」进 LTM 或会话状态；公司手册、制度走 RAG。
• 只有工具成功或用户明确确认的事实，才写进会话状态（SessionState）/ 长期记忆（LTM）。 LTM 按租户 / 用户隔离，能删、能更正，敏感原文默认不进。
• 上下文窗口有预算，不是无限仓库。 先留系统规则和当前会话状态，再留最近原文，再给 LTM 和 RAG。工具结果先裁剪再送进 Prompt。

希望这篇文章能给正在搭建 Agent 的朋友一些参考。

也想听听大家的实践：你们现在的 Agent 是先做会话状态、长期记忆，还是先把 RAG 跑稳？我在生产环境中遇到过最棘手的是记忆冲突，你们是这个吗？还是上下文超预算，或者任务中断后无法恢复？

欢迎在评论区分享自己的实现方案或踩坑经历，也欢迎直接提问。