和大模型的调用是无记忆的，大模型不知道我们上一次让它做了什么。那么本文就讲一下如何让大模型感知到之前的对话记忆。

本节开始之前，先探讨个问题，如果张三和李四同时用一个智能体对话，他们的记忆会不会混乱呢？如果张三开了两个对话，那么它的身份信息是否可以共享呢？

所以，我们先看看AgentScope是如何管理多用户和多对话的

`ReActAgent` 在调用之间**是无状态的**——同一个 agent 实例可以同时服务多个用户和会话。

每次 `call()` 通过 `RuntimeContext` 携带的 `(userId, sessionId)` 来定位该次调用应该使用哪份对话状态，互不干扰。

我们来看一下代码怎么写，有小伙伴反馈，说我总是粘代码水字数，重复的代码块（创建model和ReActAgent的）我后面就不重复粘了，需要的小伙伴可以去看源码。我直接贴关键实现的方法。

## 1. 默认（单次会话全局共享）

```java
    private static void noStatus (ReActAgent agent) {
        System.out.println("--------------用户第一次对话");
        Msg reply = agent.call(new UserMessage("我是笑小枫的小伙伴张三三，你可以记住我吗？")).block();
        System.out.println("--------------大模型第一次回复：" + reply.getTextContent());


        System.out.println("--------------用户第二次对话");
        Msg replyTwo = agent.call(new UserMessage("我是谁呀？")).block();
        System.out.println("--------------大模型第二次回复：" + replyTwo.getTextContent());

    }
```

仔细看的小伙伴可能有疑问了，这不是有记忆了吗？

![image.png](https://developer.qcloudimg.com/http-save/yehe-8160077/0bb087d1dcc025aa405736a908c8397a.png)

那么问题来了，同一个智能体，如果你是谁是李四问的，它也只知道张三三。这时候的记忆是共享在内存里的，所有人都是同一个记忆。

我们注释掉第一次对话，再来执行一次，可以看到，它已经不知道我是谁了。

![image.png](https://developer.qcloudimg.com/http-save/yehe-8160077/d9958c1f99a4ff1740515cc87a2b0090.png)

那么我们应该怎么给它加用户隔离，保存上下文的记忆呢？我们可以使用`stateStore`进行状态保存。

让我们一起看看怎么用吧。

## 2. 用户+会话隔离

为了我们方便查看，在创建模型时，可以指定记忆的保存位置和格式，`.stateStore(new JsonFileAgentStateStore(Paths.get(".agentscope/sessions")))`。

```java
	ReActAgent stateAgent = ReActAgent.builder()
    .name("笑小枫的学习助手")
    .sysPrompt("你是笑小枫的学习助手，可以帮助用户快速学习使用AgentScope开发智能体。")
    .model(model)
    .stateStore(new JsonFileAgentStateStore(Paths.get(".agentscope/sessions")))
    .build();
```

然后我们开始创建测试代码。

细心的小伙伴可能发现了，`agent.call`传入了的是List了，不再是单个消息了，因为要传递历史的聊天数据，所以要用List。

```java
private static void state (ReActAgent agent) {
        // userId = zhangsan，sessionId = session-1
        System.out.println("--------------张三第一次对话");
        Msg reply = agent.call(List.of(new UserMessage("我是笑小枫的小伙伴张三三，你可以记住我吗？")),
                RuntimeContext.builder().userId("zhangsan").sessionId("session-1").build()).block();
        System.out.println("--------------大模型第一次回复张三：" + reply.getTextContent());
        
        // userId = zhangsan，sessionId = session-1
        System.out.println("--------------张三第二次对话");
        Msg replyTwo = agent.call(List.of(new UserMessage("我是谁呀？")),
                RuntimeContext.builder().userId("zhangsan").sessionId("session-1").build()).block();
        System.out.println("--------------大模型第二次回复张三：" + replyTwo.getTextContent());

        // userId = zhangsan，sessionId = session-2
        System.out.println("--------------张三第三次对话");
        Msg replyThree = agent.call(List.of(new UserMessage("我是谁呀？")),
                RuntimeContext.builder().userId("zhangsan").sessionId("session-2").build()).block();
        System.out.println("--------------大模型第三次回复张三：" + replyThree.getTextContent());

        // userId = lisi，sessionId = session-1
        System.out.println("--------------李四第一次对话");
        Msg replyLisi = agent.call(List.of(new UserMessage("我是谁呀？")),
                RuntimeContext.builder().userId("lisi").sessionId("session-1").build()).block();
        System.out.println("--------------大模型第二次回复李四：" + replyLisi.getTextContent());
}
```

通过截图可以清晰的看到数据已经隔离了。

![image-20260926173507877](https://developer.qcloudimg.com/http-save/yehe-8160077/6943318120de6cf68c3251d8ecd0b9d7.png)

我们只保留第二次会话，通过截图，仍可以看出大模型还存在记忆。

![image-20260926173710789](https://developer.qcloudimg.com/http-save/yehe-8160077/4d59e72ce218572d338c08b93332d81b.png)

在`.agentscope/sessions`下可以清晰的看到我们保存记忆的文件层级。

![image-20260926174035371](https://developer.qcloudimg.com/http-save/yehe-8160077/24ef5f39072234c670fd424ea38250c1.png)

## 3. AgentState保存位置

上面演示了演示了讲上下文信息以json的格式保存在指定的目录下，除此之外，我们还能保存在什么地方？

只要实现 `io.agentscope.core.state.AgentStateStore` 接口,任何后端都能接进来。选择哪一种,取决于你的部署形态:

| 实现                      | 模块                          | 适用场景                                                     |
| :------------------------ | :---------------------------- | :----------------------------------------------------------- |
| `InMemoryAgentStateStore` | `agentscope-core`             | 单元测试 / 单进程演示;进程退出全部丢失                       |
| `JsonFileAgentStateStore` | `agentscope-core`             | 单机开发、文件落盘即可恢复;不能跨节点共享。**`HarnessAgent` 默认值**,落在 `~/.agentscope/state/<agentId>/`(可通过 `agentscope.state.home` 系统属性改根目录);**单机** |
| `RedisAgentStateStore`    | `agentscope-extensions-redis` | **生产首选**,多副本共享;支持 Jedis / Lettuce / Redisson(Standalone / Cluster / Sentinel) |
| `MysqlAgentStateStore`    | `agentscope-extensions-mysql` | 需要把状态沉淀进关系型库(审计、报表)时使用                   |

这里就不一一演示了，后面实战时再演示放在其它位置。

## 4. 常见问题

### 4.1 无需记忆

如果我们的智能体不需要记忆，怎么办呢？把`stateStore`设置为`InMemoryAgentStateStore`即可。

什么场景下会出现不需要记忆的场景呢？例如后面直接使用平台的编排功能，快速创建一个对话翻译的智能体。这个智能体就不需要记忆，说白了就是直接调用大模型。

### 4.2 上下文压缩

关于上下文压缩可以通过`Middleware`去拓展，当然`HarnessAgent`已经天然封装这个能力，这里就不展开讲了，后面放到`HarnessAgent`统一介绍。

## 5.文章小结

到这里，关于 AgentScope 的记忆管理就聊得差不多了。简单回顾一下本文的核心：

- **`ReActAgent` 本身是无状态的**，同一个实例可以同时服务多个用户和会话，状态隔离靠的是每次调用传入的 `RuntimeContext`。
- **`(userId, sessionId)` 是记忆的定位坐标**：userId 决定"这是谁的记忆"，sessionId 决定"这是哪场对话的记忆"。两者组合，才能实现真正的多用户、多会话隔离。
- **记忆存哪由 `stateStore` 决定**：单机开发用 `JsonFileAgentStateStore` 落盘即可，生产环境推荐 `RedisAgentStateStore` 实现多副本共享，需要审计报表就上 `MysqlAgentStateStore`。

本系列源码[https://gitee.com/hack-feng/maple-agent-demo](https://gitee.com/hack-feng/maple-agent-demo)

![AgentScope第3篇-对话记忆与会话隔离一览图_笑小枫_2160x3840](https://developer.qcloudimg.com/http-save/yehe-8160077/196aa2f0de31007b03e65134722a7a4a.png)

和大模型的调用是无记忆的，大模型不知道我们上一次让它做了什么。那么本文就讲一下如何让大模型感知到之前的对话记忆。

AgentScope 学习系列 - 03：让大模型拥有记忆，多用户多会话隔离

本文介绍如何通过AgentScope实现大模型的对话记忆管理。默认无状态下所有用户共享记忆，易造成混乱。通过配置stateStore（如JsonFileAgentStateStore），结合RuntimeContext中的userId与sessionId，可实现多用户、多会话的独立记忆隔离。支持文件、Redis、MySQL等存储方式，满足开发、生产不同场景需求。

编程语言

人工智能

开发工具

本文详解AgentScope中ReActAgent的多用户多会话记忆管理机制。通过RuntimeContext携带userId和sessionId实现状态隔离，支持JsonFile、Redis、MySQL等多样化存储方案，解决大模型无状态调用下的上下文记忆问题，并提供完整代码示例。

单元测试

代码解释

AgentScope

智能体

2026上云采购 | AI焕新·智启新局

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

AgentScope 学习系列 - 03：让大模型拥有记忆，多用户多会话隔离-腾讯云开发者社区-腾讯云

AgentScope 学习系列 - 03：让大模型拥有记忆，多用户多会话隔离

AgentScope 学习系列 - 03：让大模型拥有记忆，多用户多会话隔离

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐