智能体如何借助上下文、记忆与检查点接续工作
AI 总结
这篇教程区分了聊天记录、上下文、长期记忆、检查点和执行记录各自保存的信息。文章以 Atlas Notes 合成文档比较场景说明智能体如何续接研究、沿用已保存的偏好，并区分工具调用结果未知与动作未发生。Open ETF Agent v0.26.0 示例还演示了记忆变更、压缩回读和跨进程恢复。
深度见解
教程为开发者提供了一个明确框架，用于判断任务续接和恢复需要保存哪些对话历史、持久偏好、执行状态、回执及产物。
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 |