从 Agent Memory 到 Object-Scoped Context 的思考

当前大多数 AI Agent Framework 都在强调：

• Memory
• Context
• Multi-Agent
• Workflow
• Shared State
• Long-term Memory

但我越来越觉得：

业界很多框架，其实还没有真正抓住 “上下文（Context）” 的本质。

它们正在朝正确方向前进，但很多设计仍然默认：

Context ≈ Agent 的记忆

而我认为：

Context 本质上不是 Agent 的。
Context 是“对象相关知识（Object-Associated Knowledge）”。

也就是说：

Context 的生命周期，应该跟随“对象”而不是“Agent”。

---

一、现在很多 Agent Framework 的隐含模型

当前很多 Agent 系统，本质上是这样的：

User → Main Agent → SubAgent

而上下文通常这样流动：

Prompt
+ Conversation History
+ Agent Scratchpad
+ Memory

于是：

• Agent 持有 Memory
• Agent 持有 Context
• SubAgent 拷贝部分 Context
• Workflow 再拼接 Context

这种设计的问题是：

Context 被“人格化”了

仿佛：

“Agent 在记忆”

但实际上：

真正长期存在的，
往往不是 Agent，
而是任务、项目、用户、文件、环境。

---

二、真正长期存在的是什么？

举几个例子。

---

1. 用户偏好

例如：

用户喜欢英文回复
用户偏好 Linux
用户正在研究 TCAM 项目

这些信息：

• 不属于某个 Agent
• 不属于某次对话
• 更不属于某个 Prompt

而是：

属于 User Entity

生命周期：

跟随 User

---

2. 项目知识

例如：

TCAM 使用 traffic camera 做 PM2.5 预测
训练使用 Gemma/Qwen
评估指标包含 RMSE/StdRatio

这些信息：

• 不属于某个 Agent
• 不属于某次推理

而是：

属于 Project Entity

生命周期：

跟随 Project

---

3. Workflow 状态

例如：

当前步骤做到哪里
哪些文件已经生成
哪些节点执行失败
等待人工审批

这些也不是 Agent 的记忆。

而是：

属于 Workflow / Task

生命周期：

跟随 Workflow

---

三、Agent 本质上应该很“轻”

我越来越觉得：

Agent 更像 Process（进程）
而不是 Brain（大脑）

Agent 应该只持有：

- 当前角色
- 当前目标
- 当前权限
- 当前工具
- 当前执行状态

也就是说：

Agent Context 应该很轻

真正重的 Context：

应该在外部对象系统中。

---

四、我认为更合理的模型

我认为应该这样建模：

Context != Agent Memory

而是：

Context = Scoped Object State

例如：

UserContext(user_id)
ProjectContext(project_id)
TaskContext(task_id)
WorkflowContext(workflow_id)
FileContext(file_id)
SandboxContext(sandbox_id)
OrganizationContext(org_id)

Agent 只是：

读取/修改这些对象

而不是“拥有”这些 Context。

---

五、为什么这更合理？

1. 生命周期正确

Agent 是临时的：

Agent 可以销毁
可以替换
可以扩缩容

但：

Task / Project / User 是长期存在的

所以：

Context 跟对象绑定
比跟 Agent 绑定更符合现实

---

2. Multi-Agent 更自然

如果 Context 属于 Agent：

Agent A → Agent B

就必须：

• 拷贝
• 压缩
• 翻译
• 转发

非常混乱。

但如果：

多个 Agent 访问同一个 TaskContext

问题立刻简单很多。

这其实就是：

共享状态模型（Shared State）

---

3. 更容易 Checkpoint / Resume

如果状态在 Agent 内部：

Agent 崩了 → 状态丢失

但如果：

状态在 TaskContext

那么：

任意 Agent 都能恢复执行

这更像：

工作流引擎

而不是聊天机器人。

---

4. 权限模型更清晰

很多系统现在很难解释：

“这个 Agent 为什么知道这些？”

因为 Context 是拼 Prompt 拼出来的。

但如果：

Context 属于对象

那么权限模型就变成：

Agent 是否有权限访问这个对象？

这会变得非常像：

• OS
• Database
• Cloud IAM
• Capability System

---

六、这其实更接近操作系统

我越来越觉得：

未来的 AI OS 会更像：

Agent = Process
Context = Addressable State Objects
Workflow = Directed Graph
Memory = Object Store
Tool = System Call

Agent 只是执行单元。

真正稳定存在的是：

对象状态

---

七、为什么现在很多框架还没完全走到这里？

我觉得原因是：

当前很多 Agent Framework：

本质上还是：

Prompt Engineering Framework

它们从：

Chatbot

演化而来。

因此天然倾向于：

“Agent 在思考”
“Agent 在记忆”

而不是：

“系统在维护对象状态”

但随着：

• Multi-Agent
• Workflow
• Long-running Tasks
• Human-in-the-loop
• Checkpointing
• Distributed Agents

越来越复杂，

业界已经开始“感觉”到：

Context 不应该属于 Agent

只是很多框架：

还没有把它系统化。

---

八、我认为未来会走向什么？

我认为未来成熟的 Agent System：

核心一定不是：

Agent

而是：

State Graph

Agent 只是：

Graph 上的执行节点

真正重要的是：

- State Ownership
- Context Scope
- Lifecycle
- Permissions
- Persistence
- Routing

换句话说：

AI Agent 的核心问题，
最终不是 Prompt Engineering，
而是：

“状态管理（State Management）”。

---

九、总结

我现在越来越相信一句话：

Memory is not agent memory.

Memory is object-associated state.

以及：

Context should follow the lifecycle of objects,
not the lifecycle of agents.

如果这个方向是对的，

那么未来 Agent Framework 的核心竞争力，

可能不是：

• Prompt 模板
• Tool Calling
• SubAgent 数量

而是：

谁最先建立：
面向对象生命周期的 Context Operating System

本文由本人提出观点，AI协助编写文章。