本文档旨在阐述智能对话系统中的五大核心概念：Session（会话）、Event（事件）、State（状态）、Record（记忆） 和 Strategy（策略）。从定义、核心特性与场景示例三个维度对每个概念进行详细说明，以帮助您深入理解其设计理念、运作机制与应用方式。
会话 Session
维度 | 详细说明 |
定义 | Session 是管理持续对话与维持上下文的独立会话单元，就像一个独立的聊天窗口，其将所有关联的交互内容归集于一处，可无缝续接与历史追溯。 |
核心特性 | 创建于每一次新的对话开始时，每个新会话窗口都会创建一个独立且唯一的 Session，实现不同对话上下文之间的隔离。 自动归集并永久保存窗口内的所有对话，确保上下文不丢失，支持无缝的“原地续聊”。 提供对会话的创建、查询、更新和检索等完整管理功能，并记录包括起止时间、所属应用等元数据，便于审计与追溯。 支持通过 Session 名称等规则进行快速搜索与筛选，帮助用户从大量历史会话中精准定位目标内容。 |
场景示例 | 用户小明计划一次杭州旅行。他新建了一个 Session，并命名为“杭州三日游计划”。 他输入第一句话：“帮我规划一下杭州三天的行程。” 智能体回复：“好的，请问您的预算和偏好是什么？” 小明继续提问：“预算5000元，喜欢人文历史。” （对话继续...） 第二天，小明搜索 Session 名称“杭州”，查找到这个 Session 并打开，之前的全部对话（所有 Events）都完整呈现，他可以接着上次的进度继续会话。 |
事件 Event
维度 | 详细说明 |
定义 | Event 是会话中记录原子交互操作的独立事件单元，就像聊天记录里的一条完整消息或一个操作日志，其精准捕获对话过程中的每一次请求与响应，支撑全链路追溯与回放。 |
核心特性 | 发生于每一次用户输入、助手回复或工具调用时。 具备唯一序列 ID、明确角色（用户/助手/工具）、时间戳及内容负载。 支持按发生时间顺序排列，结构化组成会话流。 支持按角色、事件类型、关键词、时间范围等多维度检索与分析，用于审计与溯源。 |
场景示例 | 用户小明计划一次旅行，如下对话过程，生成一个Event。 他输入首句话：“帮我规划杭州三天的行程。” 智能体回复询问预算与偏好。 小明回复：“预算5000元，喜欢人文历史。” 智能体调用“行程生成工具”进行查询。 工具返回结果，智能体组织回复。 |
状态 State
维度 | 详细说明 |
定义 | State 是会话中的“上下文快照”，用于记录对话的当前进度与执行环境，明确下一步操作的上下文依据。 |
核心特性 | 记录用户意图、任务进度、临时结果、工具会话句柄等关键要素，通常以结构化键值存储。 提供类似“游戏存档”的续话能力，支持中断后无缝恢复，避免重复背景信息。 确保智能体在用户返回会话时仍能准确理解任务进度、参数约束与历史上下文。 |
场景示例 | 用户小明在“杭州三日游”Session 中规划行程： 他设定预算为5000元（更新 State 中的“预算”字段）。 他表明偏好“人文历史”（State 中“偏好”字段被刷新）。 智能体调用行程工具，生成初步方案草稿（State 中记录“草稿行程”及“工具会话句柄”）。 中途小明切换会话处理其他事务，第二天再次返回： 系统依据上一次的 State 记录自动恢复上下文，智能体清楚记得预算、偏好及草稿进度。 小明无需重复前提条件，可直接基于现有方案继续优化，实现无缝续聊。 |
长期记忆 Record
维度 | 详细说明 |
定义 | Record 是按照记忆策略提炼与整合后形成的长期可复用知识单元，用于支持跨会话的个性化知识检索与一致性交互。 |
核心特性 | 源于 Event 的深度提炼，经过去重、合并与结构化处理，形成可复用的知识单元。 记录包括事实结论、人物画像、任务结果、操作流程、关键约束等高价值信息。 每条 Record 均保留来源追溯信息，包括原始 Session、Event 及策略版本与时间戳。 支持基于语义召回匹配的 Record，且可动态注入Record，提升交互准确性与效率。 |
场景示例 | 用户小明曾在多个会话中规划旅行并表达偏好： 在“杭州行” Session 中，智能体从其对话中提取“偏好博物馆”并生成一条 Record。 在“周末安排” Session 中，小明提到“不爱拥挤景点”，系统再次生成一条约束类 Record。 当小明新建“南京文化之旅”会话时： 系统自动从记忆库中语义检索到之前生成的“偏好博物馆”与“避拥挤”等 Records。 这些 Records 被注入新会话上下文，智能体在推荐景点时自动排除拥挤景点，并优先建议博物馆路线。 小明无需重复说明兴趣与禁忌，即可获得高度个性化的连贯体验。 所有推荐均可通过 Record 追溯至原始会话和事件，保障信息透明与可解释性。 |
策略 Strategy
维度 | 详细说明 |
定义 | Strategy 是将短期对话内容（Event）转化为长期可复用记忆（Record）的提炼与整合规则，是实现记忆智能化管理的核心配置引擎。 |
核心特性 | 提供从 Event 中抽取关键信息，并经过去重、合并、结构化处理，最终产出包含结构化字段并可附带语义向量的 Record。 支持多种触发机制：包括工具调用完成、任务阶段变更、定时运行、置信度阈值触发以及人工手动触发。 每次执行均记录策略标识、版本、来源会话与事件等元数据，确保生成过程可追溯、可审计。 提供如下三类基础记忆策略，并支持用户通过配置提示词自定义记忆生成规则，适应多样化场景需求。 人物画像策略：提取并整合对话中的人物身份、社交关系、行为特征与个性偏好，构建语义化的用户画像。 任务信息策略：提取任务概览与进度信息，实现会话级任务上下文的持续压缩与更新，为长任务提供有效信息支撑。 事实经验策略：提取经历事件、知识见解、操作流程与经验总结，形成可复用的语义化事实记忆。 开启合适的策略后，系统会自动总结关键信息（如偏好、任务进度、复盘经验），下次对话可被智能召回，满足用户个性化服务需求。 |
场景示例 | 用户小明在多次会话中讨论智能家居配置： 当他完成一次设备调试后，任务变更事件触发任务信息策略，系统自动生成一条“家庭网络配置完成”的 Record。 当他多次选择“夜间自动调节亮度柔和”时，人物画像策略被触发，生成“偏好柔和灯光”的画像 Record。 当小明在新会话中说“调整客厅灯光”时： 系统自动召回“偏好柔和灯光”和“网络配置完成”等 Records，智能体直接给出个性化建议，无需重复询问背景。 所有 Record 均带有策略版本和来源事件标识，确保记忆的准确性和可追溯性。 |
