Multi-Agent 系统中如何处理 Agent 遗忘/状态丢失？

Multi-Agent 系统的状态丢失处理需要三层防御：（1）持久化层——关键状态（任务进度、决策记录、协作上下文）实时写入外部存储（如数据库、消息队列）；（2）同步层——Agent 之间定期交换状态快照，单个 Agent 崩溃时其他 Agent 可以提供恢复数据；（3）恢复层——Agent 重启后从外部存储加载状态，结合其他 Agent 的快照重建上下文。对于不可恢复的状态丢失（如中间推理过程），设计幂等性操作，允许安全重试。

一、先分类状态丢失的场景

Agent 状态丢失有几种典型场景：（1）进程崩溃——OOM、未捕获异常导致进程终止；（2）节点重启——服务器维护、资源调度导致节点重启；（3）上下文溢出——对话历史超过模型上下文窗口，早期内容被截断；（4）网络分区——Agent 无法访问外部存储或与其他 Agent 通信；（5）主动遗忘——记忆过期策略触发，旧记忆被清理。

不同场景的恢复策略不同。进程崩溃和节点重启可以通过持久化状态恢复；上下文溢出需要压缩或摘要历史；网络分区需要本地缓存和离线操作能力；主动遗忘是设计选择，不需要"恢复"。

二、持久化层：关键状态实时写入外部存储

Agent 的关键状态不应该只存在于内存或上下文窗口中，而应该实时写入外部存储。关键状态包括：（1）任务进度——当前任务的目标、已完成步骤、待办步骤；（2）决策记录——为什么做出某个决策、考虑了哪些选项、拒绝了哪些选项；（3）协作上下文——与其他 Agent 的交互历史、共享的任务状态；（4）用户偏好——从交互中学到的用户偏好和约束。

持久化的时机很重要。过于频繁的写入会增加延迟和成本；过于稀疏的写入会丢失更多状态。推荐的做法是：在关键决策点、任务阶段转换、与其他 Agent 交互后触发写入。

三、同步层：Agent 之间交换状态快照

Multi-Agent 系统中，单个 Agent 的状态丢失不应该影响整个系统。Agent 之间应该定期交换状态快照，形成"分布式记忆"。当一个 Agent 崩溃时，其他 Agent 可以提供最近的快照帮助恢复。

状态同步有几种模式：（1）中心化同步——所有 Agent 定期向中心节点（如 Orchestrator）汇报状态；（2）去中心化同步——Agent 之间点对点交换状态；（3）事件驱动同步——关键事件（如任务完成、决策做出）触发状态广播。

中心化同步简单但存在单点故障；去中心化同步更鲁棒但复杂度高；事件驱动同步实时性好但可能产生大量消息。推荐混合使用：常规状态用中心化同步（低频），关键事件用事件驱动同步（实时）。

四、恢复层：从外部存储和快照重建上下文

Agent 重启后的恢复流程：（1）从外部存储加载持久化状态（任务进度、决策记录）；（2）向其他 Agent 请求最近的快照（补充可能丢失的状态）；（3）验证状态一致性（检查是否有冲突或过期的状态）；（4）恢复任务执行（从上次中断的点继续）。

对于不可恢复的状态丢失（如中间推理过程），设计幂等性操作。幂等性意味着同一个操作可以安全地执行多次，不会产生副作用。例如，Agent 在推理过程中需要调用外部 API 获取数据，如果推理过程中断，重启后可以安全地重新调用 API（因为 API 调用是幂等的）。

五、遗忘策略：主动遗忘 vs 被动遗忘

主动遗忘是设计选择，用于清理过期或无用的记忆。例如，用户偏好可能随时间变化，旧的偏好应该被遗忘。主动遗忘需要记录"遗忘日志"，以便在需要时追溯。

被动遗忘是系统限制导致的状态丢失，如上下文窗口溢出。处理被动遗忘的策略：（1）上下文压缩——将早期对话压缩为摘要，保留关键信息；（2）工作记忆分离——将当前任务的关键状态与对话历史分离，优先保留工作记忆；（3）外部记忆卸载——将超出上下文窗口的内容写入外部存储，需要时检索。