多轮与记忆：无状态模型的「记得」
2026/8/23大约 2 分钟
AICon 2026 学习系列 · 阶段 1 · 模型编程主干 · 第 9/43 篇 · 🚧 占位待学
上一篇：《裸写 Function Calling 循环：Agent 的原子操作》
下一篇：《上下文耗尽与压缩：长对话的续命术》
学习大纲：《AICon 2026 学习总纲》
状态：待学习。 本文为占位文档：知识点清单、实验与验收标准已就绪，正文待按「先学习、先实验、再撰写」补全。
对应总纲单元：阶段 1 · 单元 1.4
一、本文要解决的问题
模型本身无状态，为什么聊天像「记得」你？因为每一轮都在重发全部历史。理解这一点，才能理解记忆的几种形态与它们的成本。
二、知识点清单
- messages 数组：多轮的本质是历史重拼
- token 随轮数累积：多轮对话越来越贵的账
- 记忆三形态：全文重发 / 滚动窗口 / 摘要压缩（外存向量库在阶段 2 展开）
- 「记得」的错觉：截断窗口后模型为何装作无事发生
三、动手实验（学习时必须真跑）
- 手动维护 messages 实现一个命令行多轮对话
- 对话 20 轮后打印完整请求体，直观看 token 膨胀；再实现滑动窗口版对比
四、验收标准（全部通过才进入下一篇）
五、写作提示（补正文时遵守）
- 开篇问题驱动；结构走「是什么 → 为什么 → 怎么做 → 背景知识」
- 所有代码、命令、输出必须先在本机跑通再写入，不得杜撰
- 版本口径以总纲环境清单为准（Python 3.12 / Ollama / vLLM 与 SGLang 最新版 / Spring AI 1.x）
- 涉及版本敏感结论时标注出处与时间
本篇完成后，把文首导航块的「🚧 占位待学」去掉，并在总纲处打卡。