状态是 Agent 和普通聊天系统真正拉开差距的地方。
如果一个系统没有状态，它就只能在每一轮重新解释世界；如果一个系统没有记忆，它就只能不断重复已经做过的判断。前者导致任务推进困难，后者导致长期任务无法积累。于是，Agent 一旦从单轮问答走向多步执行，就必须回答一个根本问题：哪些内容应该只在当前步骤有效，哪些内容应该在本次任务里持续，哪些内容值得跨会话保留，哪些经验应该沉淀为下一次做事的方法。
所以，本章讨论的“状态与记忆”，绝不是一个大而化之的概念，而是四层不同对象。
第一层，是短期状态。
它对应当前执行步的工作现场。当前子任务是什么，刚才调用了哪个工具，工具返回了什么，本轮还缺哪个字段，当前审批是否卡住，下一步准备执行什么动作，这些都属于短期状态。它像系统的 scratchpad，也像执行器手边的工作台。它最强调的是即时性与精确性，而不是可长期复用。
第二层，是会话状态。
它对应本次任务线程的连续性。这个客户问题已经查到哪一步，哪些证据已经收集过，哪些动作已经成功执行，哪些分支被否决过，哪些中间结论仍待确认，这些都不该只留在某一步的临时变量里，而应该成为 thread 级对象。会话状态的作用不是让模型显得“记性很好”，而是让系统在暂停、恢复、交接和重放时，仍能回到同一个任务进程上。
第三层，是长期记忆。
这部分信息跨会话仍然有价值。用户偏好、账户配置、组织规则、稳定的业务背景、可复用的领域知识、经过验证的事实摘要、经常召回的上下文索引，都可能属于长期记忆。长期记忆的核心不在“保存得久”，而在“值得被未来读取”。它不是原始历史的仓库，而是被筛选后的可持续知识层。
第四层，是反思记忆。
这层最容易被低估，因为它记录的不是对象事实，而是行为经验。上次失败的原因是什么，哪种规划顺序更稳，哪个工具在什么条件下容易报错，哪类异常应该尽早升级，面对同类任务时哪些步骤应优先验证，这些都不是世界知识，而是关于“如何更好地行动”的经验知识。反思记忆一旦形成，Agent 的改进就不必完全依赖模型升级，也可以通过经验沉淀实现。
这样一来，我们就能看清一个经常被混淆的问题：状态不等于记忆，记忆也不等于聊天历史。
短期状态更像执行中的工作内存，会话状态更像当前任务线程的连续快照，长期记忆更像被抽取和组织后的跨任务知识，反思记忆则更像经验层的策略沉淀。它们的生命周期不同，写入条件不同，读取频率不同，安全要求也不同。把它们混成一团，系统就会要么过度遗忘，要么无限堆积，要么让错误经验反复回流。
这也是为什么主流框架近两年都在把 state、session、thread、checkpoint、memory、store 显式拆开。因为生产系统已经发现，“把全部历史消息不断拼回 prompt”只适合 demo，不适合长流程。随着任务拉长，历史会无限膨胀，成本会上升，关键事实会被旧内容淹没，模型对中段内容的利用也会迅速下降。到最后，系统看起来像有记忆，实际上只是把更多文本重新贴回去。
所以，真正成熟的状态系统首先解决的不是“记不记得”，而是“如何恢复”。
一旦 Agent 需要等待人工审批、等待外部系统回调、跨天继续执行、从失败步骤恢复、把任务转交给另一个 Agent，状态就必须可持久化、可恢复、可重放。这时，thread、checkpoint 和 resume 变成基础设施，而不是高级功能。没有这些机制，系统所有“多步能力”都会变成表演：一暂停就断，一中断就丢，一交接就散，一报错就只能从头来。
从这个角度看，会话状态的价值并不是“让模型记住刚刚说过什么”，而是让整个任务拥有连续身份。
一个审批流就是很好的例子。系统先收集资料，再生成判断，再等待审批，再根据审批结果继续执行。若没有 thread 级状态，审批人看到的可能不是稳定版本；若没有 checkpoint，恢复时可能拿不到当时的证据组合；若没有 replay，出了问题就无法追溯系统究竟在何时基于何种状态作出决策。也就是说，真正需要被保存的不是一句话，而是一次任务执行的轨迹。
这就引出长期记忆的另一个关键原则：长期记忆不应该是历史原文的无限堆积，而应该是选择性抽取。
如果系统把所有历史对话、所有工具结果、所有检索内容都无差别写入长期记忆，那么所谓“记忆增强”很快就会退化成“污染增强”。真正值得跨会话保留的，应该是稳定事实、持久偏好、经验证规则、长期关系、结构化画像和高价值经验，而不是一次性的噪声、未核实的猜测、过期的上下文和局部失败的偶然细节。
所以，长期记忆设计的关键不只是存储介质，而是写入策略。
哪些内容允许进入长期层，进入前是否要压缩或结构化，是否保留证据来源，是否设置过期时间，是否允许后续修订，是否要求与用户或租户隔离，是否要在写入前做安全筛查，这些问题决定长期记忆是资产还是负担。没有 admission policy 的长期记忆，最终通常都会演化成一座难以治理的垃圾场。
同样，反思记忆也不是“失败后写一句总结”那么简单。
真正有价值的反思记忆，应该把一次任务中的反馈提炼成可迁移经验。它不是简单记录“上次错了”，而是把错误归因到策略、顺序、证据不足、工具选择、权限限制、状态遗漏或验证缺失上。只有这样，反思才会变成下一次决策时可调用的经验层，而不是一堆情绪化的自我评价。
近年来很多语言 Agent 研究都在往这个方向收敛：把失败经历写成 episodic reflection，再逐步沉淀成更稳定的 semantic guidance，甚至形成类似技能库、经验库、指令库的结构。这说明一个很重要的事实：Agent 的“学习”未必总是参数更新，也可以是状态与记忆结构的演化。
但记忆能力越强，也越容易出现另一种误判：把所有问题都交给记忆去解决。
这同样是危险的。长期记忆会过时，会冲突，会被污染，会泄露隐私；摘要会丢信息，会引入偏置，会错误覆盖原始事实；反思会过拟合，会把一次局部经验误当成普遍规律；跨会话用户画像如果缺少权限与保留边界，还会直接演化成合规风险。记忆系统不是越多越好，它和输入系统一样，需要严格边界。
因此，状态与记忆真正困难的地方，从来不在“能不能存”，而在五个机制。
第一，什么时候写。并非每次交互都值得写入，尤其不应把未经验证的内容直接写进长期层。
第二，什么时候读。不是所有记忆都该在每一轮回流，很多记忆只该按任务相关性按需召回。
第三，什么时候压缩。历史一长，必须做 summary、collapse、repack 或结构提炼，否则上下文会腐烂。
第四，什么时候淘汰。过期规则、版本管理、遗忘策略和删除语义，是长期记忆能否长期健康的关键。
第五，什么时候禁止回流。存在安全风险、权限不匹配、来源不可信、与当前任务无关的内容，必须被隔离在本轮上下文之外。
把这五件事做清楚，状态与记忆才是能力源；做不清楚，它们就会从能力源变成污染源。
这一点在长期对话和长任务评测里已经越来越明显。很多基准都表明，随着会话拉长，模型不仅会遗忘早期事实，还会在时间、因果、角色关系、多方协作和隐式状态跟踪上迅速退化。更麻烦的是，这种退化并不总能通过更长上下文自动解决。上下文越长，位置偏置、噪声积累和摘要失真反而可能更严重。
所以，compaction 不是小修小补，而是记忆系统的核心机制。
但 compaction 也不能被理解成“把历史压短”这么简单。真正的 compaction 是一种受控的信息重构：哪些原文删除，哪些事实保留，哪些结构上升为摘要，哪些证据必须仍可追溯，哪些结论需要保留不确定性，哪些事件需要维持时间顺序。如果压缩只追求短，而不追求可恢复与可解释，那么它只是高效地制造遗忘。
多 Agent 系统又把问题再推进一步。因为一旦发生 handoff，系统就必须决定：下一位 Agent 该继承什么状态，继承多少历史，是否只拿摘要，是否保留工具结果，是否保留失败轨迹，是否带上审批上下文。这个问题的本质和单 Agent 一样，仍然是状态分层与记忆边界，只是它不再发生在“过去的我和现在的我”之间，而是发生在“一个 Agent 和下一个 Agent”之间。
企业系统里，这套分层尤其关键。
例如一个面向大客户的支持 Agent，短期状态可能包括当前工单、当前错误码、刚完成的日志查询；会话状态包括本次排障已经尝试过哪些操作、哪些负责人已被通知、哪些结论仍待验证；长期记忆包括客户环境偏好、历史事故模式、合同支持等级和稳定配置；反思记忆则可能记录“这类错误先查权限同步，再查缓存延迟，比先重启服务更稳”。只有把这四层拆开，系统才能既连续、又可靠、又可治理。
因此，本章最终要建立的结论是：
Agent 的状态与记忆，不是一个更长的聊天记录，而是一套分层的运行时连续性系统。短期状态保证当前步能推进，会话状态保证任务线程不断裂，长期记忆保证系统可以跨会话复用有效知识，反思记忆保证系统能把经历转化为经验。而 checkpoint、resume、compaction、retrieval、admission、forgetting、audit，正是让这套系统真正可用的关键机制。
所以，状态层之所以重要，并不是因为“有记忆更像人”，而是因为“没有分层状态与记忆，就无法做可靠、可恢复、可演化的 Agent 系统”。