How Agents Resume Work With Context, Memory, and Checkpoints
A tutorial distinguishes chat history, context, long-term memory, checkpoints, and execution records by the information each preserves. Using a synthetic Atlas Notes document-comparison scenario, it explains how an agent can continue research, carry saved preferences into later requests, and distinguish an unknown tool result from an action that never occurred. Open ETF Agent v0.26.0 examples demonstrate memory changes, compaction and rereading, and cross-process recovery.
The tutorial gives developers a concrete framework for identifying which conversation history, durable preferences, execution state, receipts, and artifacts must be preserved for continuation and recovery.
聊天记录、上下文、记忆、检查点，Agent 怎样接上过去？
昨天你让助手比较两版产品指南，已经读完 A。今天打开程序，说一句“继续”。助手应该重新读 A，接着读 B，还是直接打开昨天的报告？
只看这两个字，很难知道。需要先确定用户想接上什么，以及系统实际保存了什么。聊天记录、上下文、记忆和检查点，都与过去有关，却分别回答不同问题。
下面仍用 Atlas Notes 合成文档比较来解释。用户要求比较两版导出能力，并明确保存报告。我们把一次任务分成“读取 A、读取 B、比较、保存”几个便于理解的动作。实际 Agent 可以根据观察选择不同路径。
四种“留下来”，对应四种需要
| 用户的需要 | 主要依靠什么 | 能从中找到什么 |
|---|---|---|
| 回看昨天说过的话 | 聊天记录 | 原问题、补充要求与历史回答 |
| 让这一次模型接着判断 | 上下文 | 本轮挑选的要求、资料和最新观察 |
| 下次研究继续参考表达偏好 | 长期记忆 | 被保存且仍适用的跨任务信息 |
| 进程退出后接着执行 | 检查点及执行记录 | 原任务状态、已完成动作与接续位置 |