全书目录

附录 G：分章资料清单

G.35 第 18 章《状态与记忆：短期状态、会话状态、长期记忆、反思记忆》资料清单

18 分钟 7,988 字 第 91 / 161 个阅读单元

  1. Conversation state 作者/机构：OpenAI 年份：2026 URL：https://developers.openai.com/api/docs/guides/conversation-state 角度：conversation object、previous_response_id、持久化对话状态 采用原因：适合支撑“会话状态是显式对象，而不是纯文本历史”。

  2. Sessions 作者/机构：OpenAI Agents SDK 年份：2026 URL：https://openai.github.io/openai-agents-python/sessions/ 角度：session history、resume、compaction session 采用原因：适合支撑“session 可持久化、可恢复、可压缩，构成运行时记忆层”。

  3. Handoffs 作者/机构：OpenAI Agents SDK 年份：2026 URL：https://openai.github.io/openai-agents-python/handoffs/ 角度：handoff history、input_filter、交接上下文重写 采用原因：适合支撑“Agent 交接时传递的是筛选后的状态与历史，而不是原样转交”。

  4. Session Management 作者/机构：Anthropic 年份：2026 URL：https://platform.claude.com/docs/en/agent-sdk/sessions 角度：session_id、resume、forkSession 采用原因：适合支撑“会话状态不仅能续写，还能分叉出并行历史”。

  5. Rewind file changes with checkpointing 作者/机构：Anthropic 年份：2026 URL：https://platform.claude.com/docs/en/agent-sdk/file-checkpointing 角度：checkpoint、rewind、环境工件状态恢复 采用原因：适合支撑“状态回滚不仅涉及消息，也涉及外部工件与执行环境”。

  6. State: The Session's Scratchpad 作者/机构：Google Agent Development Kit 年份：2026 URL：https://google.github.io/adk-docs/sessions/state/ 角度：session/app/user/temp state scopes、scratchpad、shared invocation context 采用原因：适合支撑“短期状态、会话状态、用户级状态应按作用域拆分”。

  7. Memory 作者/机构：Google Agent Development Kit 年份：2026 URL：https://google.github.io/adk-docs/sessions/memory/ 角度：MemoryService、跨会话记忆、session-to-memory 抽取 采用原因：适合支撑“长期记忆来自会话内容的选择性抽取，而不是自动全量保留”。

  8. Storage 作者/机构：Microsoft Agent Framework 年份：2026 URL：https://learn.microsoft.com/en-us/agent-framework/agents/conversations/storage 角度：AgentSession、序列化/反序列化、provider-specific state 采用原因：适合支撑“会话状态必须可重建、可存储、可迁移”。

  9. Compaction 作者/机构：Microsoft Agent Framework 年份：2026 URL：https://learn.microsoft.com/en-us/agent-framework/agents/conversations/compaction 角度：remove、collapse、summarize、history compaction 采用原因：适合支撑“长会话必须依赖压缩与重组，而不是无限累积历史”。

  10. Persistence 作者/机构：LangGraph / LangChain 年份：2026 URL：https://docs.langchain.com/oss/python/langgraph/persistence 角度：thread、checkpoint、time travel、fault tolerance 采用原因：适合支撑“checkpointed thread state 是生产级 Agent 的基础设施”。

  11. Memory overview 作者/机构：LangGraph / LangChain 年份：2026 URL：https://docs.langchain.com/oss/javascript/langgraph/memory 角度：short-term memory、long-term memory、thread-scoped state 采用原因：适合支撑“短期记忆与长期记忆必须分层建模”。

  12. Add memory 作者/机构：LangGraph / LangChain 年份：2026 URL：https://docs.langchain.com/oss/python/langgraph/add-memory 角度：running summary、message deletion、summary-based compaction 采用原因：适合支撑“compaction 是受控摘要与删除，不是简单截断”。

  13. Interrupts 作者/机构：LangGraph / LangChain 年份：2026 URL：https://docs.langchain.com/oss/python/langgraph/interrupts 角度：interrupt、resume、persistent cursor 采用原因：适合支撑“暂停恢复依赖持久线程状态，而不是临时上下文”。

  14. Control agent session context 作者/机构：AWS Amazon Bedrock 年份：2026 URL：https://docs.aws.amazon.com/bedrock/latest/userguide/agents-session-state.html 角度：sessionAttributes、promptSessionAttributes、conversationHistory 采用原因：适合支撑“单轮状态、会话状态和跨轮状态需要分层治理”。

  15. Memory types 作者/机构：AWS Amazon Bedrock AgentCore 年份：2026 URL：https://docs.aws.amazon.com/bedrock-agentcore/latest/devguide/memory-types.html 角度：short-term memory、long-term memory、insights extraction 采用原因：适合支撑“长期记忆应由短期交互中抽取洞察，而非原样堆积交互日志”。

  16. Microsoft Agent Framework Workflows - Checkpoints 作者/机构：Microsoft Agent Framework 年份：2026 URL：https://learn.microsoft.com/en-us/agent-framework/workflows/checkpoints 角度：superstep checkpoints、rehydrate、新 run 恢复 采用原因：适合支撑“工作流状态是可恢复执行状态，而不是单纯聊天消息”。

  17. Microsoft Agent Framework Workflows Orchestrations - Handoff 作者/机构：Microsoft Agent Framework 年份：2026 URL：https://learn.microsoft.com/en-us/agent-framework/workflows/orchestrations/handoff 角度：上下文同步、broadcast、带 checkpoint 的 handoff 采用原因：适合支撑“多 Agent 交接依赖显式上下文同步与恢复机制”。

  18. Durable orchestrations 作者/机构：Microsoft Learn / Azure Durable Functions 年份：2026 URL：https://learn.microsoft.com/en-us/azure/azure-functions/durable/durable-functions-orchestrations 角度：event sourcing、replay、运行时状态重建 采用原因：适合支撑“生产系统的状态往往通过执行历史重放来重建，而不是保存在单个变量里”。

  19. Building Reliable Applications with Durable Execution 作者/机构：Temporal 年份：2025 URL：https://assets.temporal.io/durable-execution.pdf 角度：durable execution、故障恢复、持久化调用栈 采用原因：适合支撑“Agent 的可恢复性本质上属于 durable execution 问题”。

  20. Reactive Reasoning and Planning 作者/机构：Michael P. Georgeff、Amy L. Lansky 年份：1987 URL：https://cdn.aaai.org/AAAI/1987/AAAI87-121.pdf 角度：PRS、belief/intention、执行中动态修正 采用原因：适合支撑“经典 Agent 理论从一开始就把状态当作连续决策系统的核心”。

  21. BDI Agents: From Theory to Practice 作者/机构：Anand S. Rao、Michael P. Georgeff 年份：1995 URL：https://cdn.aaai.org/ICMAS/1995/ICMAS95-042.pdf 角度：belief、desire、intention、内部状态承诺 采用原因：适合支撑“状态分层并非新话题，早期 Agent 架构已将其视为中心问题”。

  22. Generative Agents: Interactive Simulacra of Human Behavior 作者/机构：Joon Sung Park 等 年份：2023 URL：https://research.google/pubs/generative-agents-interactive-simulacra-of-human-behavior/ 角度：observation-memory-reflection-planning、反思记忆 采用原因：适合支撑“长期记忆与反思记忆可以共同驱动后续规划”。

  23. Cognitive Architectures for Language Agents 作者/机构：Theodore R. Sumers 等 年份：2024 URL：https://openreview.net/forum?id=1i6ZCvflQJ 角度：working/semantic/episodic/procedural memory 采用原因：适合支撑“语言 Agent 的记忆应按认知类型和功能拆层”。

  24. Reflexion: Language Agents with Verbal Reinforcement Learning 作者/机构：Noah Shinn 等 年份：2023 URL：https://proceedings.neurips.cc/paper_files/paper/2023/hash/1b44b878bb782e6954cd888628510e90-Abstract-Conference.html 角度：verbal reinforcement、episodic reflection 采用原因：适合支撑“反思记忆能在不改参数的情况下提升后续决策质量”。

  25. MemoryBank: Enhancing Large Language Models with Long-Term Memory 作者/机构：Wanjun Zhong 等 年份：2024 URL：https://doi.org/10.1609/aaai.v38i17.29946 角度：长期记忆库、遗忘曲线、用户画像 采用原因：适合支撑“长期记忆需要更新、强化和遗忘策略，而不是静态堆积”。

  26. MemGPT: Towards LLMs as Operating Systems 作者/机构：Charles Packer 等 年份：2023 URL：https://arxiv.org/abs/2310.08560 角度：分层内存、虚拟上下文、主存/外存类比 采用原因：适合支撑“会话上下文与长期外部记忆属于不同层级的调度问题”。

  27. In Prospect and Retrospect: Reflective Memory Management for Long-term Personalized Dialogue Agents 作者/机构：Zhen Tan 等 年份：2025 URL：https://aclanthology.org/2025.acl-long.413/ 角度：前瞻性反思、回顾性反思、长期个性化记忆管理 采用原因：适合支撑“反思记忆不是附属功能，而是长期记忆管理的一部分”。

  28. Evaluating Very Long-Term Conversational Memory of LLM Agents 作者/机构：Adyasha Maharana 等 年份：2024 URL：https://aclanthology.org/2024.acl-long.747/ 角度：LoCoMo、长程会话记忆评测 采用原因：适合支撑“模型能长聊并不等于它真的拥有稳定长期记忆”。

  29. LongMemEval: Benchmarking Chat Assistants on Long-Term Interactive Memory 作者/机构：Di Wu 等 年份：2024 URL：https://arxiv.org/abs/2410.10813 角度：跨 session 记忆、时间推理、知识更新 采用原因：适合支撑“长期记忆需要独立评测，不可被上下文窗口长度替代”。

  30. Evaluating Long-Horizon Memory for Multi-Party Collaborative Dialogues 作者/机构：Chuanrui Hu 等 年份：2026 URL：https://arxiv.org/abs/2602.01313 角度：EverMemBench、多人协作长程记忆 采用原因：适合支撑“多 Agent/多人环境下，长期记忆会面临版本变化与归因难题”。

  31. Lost in the Middle: How Language Models Use Long Contexts 作者/机构：Nelson F. Liu 等 年份：2024 URL：https://aclanthology.org/2024.tacl-1.9/ 角度：位置偏置、长上下文利用退化 采用原因：适合支撑“长历史原样回流会导致记忆可见不等于记忆可用”。

  32. Context Length Alone Hurts LLM Performance Despite Perfect Retrieval 作者/机构：Yufeng Du 等 年份：2025 URL：https://aclanthology.org/2025.findings-emnlp.1264/ 角度：即便完美检索，长度本身也会导致性能下降 采用原因：适合支撑“compaction 和重述不是可选优化，而是长期会话的必要机制”。

  33. Context Rot: How Increasing Input Tokens Impacts LLM Performance 作者/机构：Chroma Research 年份：2025 URL：https://www.trychroma.com/research/context-rot 角度：context rot、长输入退化 采用原因：适合支撑“会话一长，系统必须通过压缩与重构保持可用状态”。

  34. PoSum-Bench: Benchmarking Position Bias in LLM-based Conversational Summarization 作者/机构：Xu Sun 等 年份：2025 URL：https://aclanthology.org/2025.emnlp-main.404/ 角度：对话摘要位置偏置、压缩失真 采用原因：适合支撑“摘要记忆本身也会失真，因此 compaction 需要评测与校验”。

  35. AgentPoison: Red-teaming LLM Agents via Poisoning Memory or Knowledge Bases 作者/机构：Zhaorun Chen 等 年份：2024 URL：https://arxiv.org/abs/2407.12784 角度：memory poisoning、knowledge base poisoning 采用原因：适合支撑“长期记忆会变成持久攻击面，必须有写入治理”。

  36. Unveiling Privacy Risks in LLM Agent Memory 作者/机构：Bo Wang 等 年份：2025 URL：https://arxiv.org/abs/2502.13172 角度：记忆抽取攻击、隐私泄露 采用原因：适合支撑“长期记忆不只会被污染，也会被抽取，需要访问控制与脱敏”。

  37. AirGapAgent: Protecting Privacy-Conscious Conversational Agents 作者/机构：Eugene Bagdasarian 等 年份：2024 URL：https://arxiv.org/abs/2405.05175 角度：最小必要上下文、隐私保护 采用原因：适合支撑“记忆访问应最小化，不能把全部上下文暴露给当前任务”。