记忆与多轮对话

模型没有记忆——你以为的「它记得我」，只是把历史全量重发了一遍。这一章讲怎么管理这些历史。

先破一个幻觉

你跟 ChatGPT 说「刚才那个文件名是什么」，它答对了。你觉得它「记得」。

实际上，它每次调用都收到了从第一句到现在的完整对话历史。「记得」不是存储在模型里，是存储在你发过去的消息数组里。

三层记忆体系

实际的 Agent 产品不是把全部历史无限重发，而是分层管理：

easy-agent 的会话持久化

easy-agent Step 9 实现了项目级的会话持久化。核心思路出奇地简单：用 JSONL 文件（每行一个 JSON 对象）追加写入。

为什么选 JSONL？

方案	优点	缺点
JSONL（追加写）	写入零成本、天然按时间排序、崩溃不丢已写数据	读取时要逐行解析
SQLite	结构化查询、事务	引入依赖、过度设计
内存 → 定期刷盘	简单	崩溃丢数据

对个人 Agent 来说，JSONL 是刚好够用的方案。

存储结构

~/.easy-agent/
  projects/
    a3f8b2c1d4e5f6a7/     ← 项目路径的 hash
      session-uuid-1.jsonl  ← 每个会话一个文件
      session-uuid-2.jsonl
      latest                ← 记录最近的 session ID

每行一个 JSON 对象，五种类型：

// 会话元信息（第一行）
{ type: "session_meta", sessionId, cwd, startedAt, model }

// 对话消息
{ type: "message", timestamp, role: "user", message: { … } }

// 工具事件（记录但不重放）
{ type: "tool_event", timestamp, name: "Read", phase: "start" }

// Token 用量
{ type: "usage", timestamp, turn: { input: 500, output: 100 }, total: { … } }

// 系统日志
{ type: "system", timestamp, level: "info", message: "…" }

恢复：从文件读回消息数组

async function restoreSession(cwd, sessionId) {
  // 1. 读 JSONL 文件
  const entries = await readTranscriptEntries(transcriptPath);

  // 2. 只取 message 类型的条目
  const messages = entries
    .filter(e => e.type === "message")
    .map(e => e.message);

  // 3. 返回可用的消息数组 + 统计信息
  return { messages, summary: { messageCount, totalUsage } };
}

重启后 restoreSession 读回消息数组，Agent 就「记得」上次聊到哪了。

关键设计决策

追加写，不覆盖写

await fs.appendFile(transcriptPath, JSON.stringify(entry) + "\n");

appendFile 是原子操作——进程崩溃时最多丢最后一行，不会损坏整个文件。这是所有日志系统的标准做法。

项目隔离

function getProjectHash(cwd) {
  return crypto.createHash("sha256")
    .update(path.resolve(cwd))
    .digest("hex")
    .slice(0, 16);
}

不同项目（不同目录）的会话完全隔离，不会串。Claude Code 也是这么做的。

工具事件不重放

JSONL 里记录了 tool_event（工具什么时候被调用），但恢复时只取 message——工具执行是有副作用的（读文件、跑命令），不能恢复时重新执行。

LangChain 的记忆抽象

LangChain 把这些模式包装了：

import { ChatMessageHistory } from "@langchain/community/stores/message/chat_message_history";

const history = new ChatMessageHistory();
await history.addUserMessage("鸡胸肉怎么做嫩？");
await history.addAIMessage("低温慢煮 60°C…");

const messages = await history.getMessages(); // 恢复时用

easy-agent 的裸实现	LangChain
JSONL 文件 + appendFile	ChatMessageHistory（可接 Redis/Postgres）
手动过滤 message 条目	getMessages() 直接返回
手动算 projectHash	sessionId 参数

底层逻辑完全一样，LangChain 只是帮你接好了后端存储。

本章要点

1. 模型没有记忆——「记得」= 全量重发消息数组
2. 三层记忆：工作记忆（当前对话）→ 项目记忆（跨会话）→ 长期记忆（全局偏好）
3. JSONL 追加写是个人 Agent 的最佳持久化方案：零成本、崩溃安全
4. 工具事件记录但不重放——工具执行有副作用
5. LangChain 的 ChatMessageHistory 是同一思想的框架包装

→ 下一章：RAG 代码化——拆开 Dify 的黑盒