1. Analysis Philosophy¶

本节摘要

LLM 本身是无状态的：每次调用都是一个纯函数 response = f(prompt)，不记住上一次的内容。Agent 框架的核心工作就是在 LLM 外部维护一个「状态层」，让无状态的 LLM 表现得像有状态的智能体。本节定义什么是 Agent State、它由哪些组件构成、哪些操作会改变它。

什么是 Agent State¶

LLM 是无 Memory的决策函数——每次 API 调用后内部状态（KV Cache）即丢弃，下次调用从零开始。Agent 要实现多步推理和连贯决策，必须在 LLM 外部构建和维护一个状态层。

Agent State 指：Agent 框架为让 LLM 做出连贯决策而在其外部维护的所有信息。 它包括但不限于 LLM 每次调用时收到的 prompt 内容、可调用的工具集、以及存储在磁盘或内存中的持久化知识。

从形式化角度看，Agent 可建模为一个部分可观测马尔可夫决策过程（POMDP）——Agent 的「状态」永远是环境真实状态的有损压缩。context window 是有限的，不可能装下全部信息。State Management 的核心挑战就是：在有限空间内，维护一个尽可能有用的环境信念。

Agent State 由什么构成¶

Agent State 分布在不同的时间尺度上——有些状态每次 LLM 调用都变化，有些在整个会话内稳定，有些跨会话持久化。

组件	包含什么	时间尺度	典型问题
Context	System prompt、对话历史、环境信息	单轮 ~ 会话	怎么组装？满了怎么压缩？压缩后恢复什么？
Memory	长期知识、用户偏好、项目约定、自动提取的 Memory	跨会话	记什么？怎么检索？怎么防过时？
工具（Tools）	可用工具列表、Schema 定义、行为标记	会话级（偶尔变化）	哪些暴露给模型？什么时候动态变化？
技能（Skills）	可复用的能力模块（SKILL.md）	会话级（按需激活）	怎么发现？元数据何时提供？预算怎么控制？
Sub-agent	子 Agent 的生命周期、输入/输出、状态隔离/继承	单轮 ~ 会话	继承哪些状态？隔离哪些？结果怎么交还？
Attachment	每 turn 动态计算的 Context信息（文件变更、任务提醒等）	每 turn	什么时候触发？注入什么？怎么增量更新？

这些组件最终都汇聚到 LLM 的输入中——但不是简单地全部塞进去，而是经过筛选、压缩、排优先级后注入。

哪些操作影响 State¶

Agent State 不是静态的——它在 Agent 执行任务的全过程中持续变化。影响 State 的操作可以归为四类：

注入（Inject）¶

将信息写入 State，使 LLM 能「看到」：

操作	影响的 State 组件	示例
系统提示组装	Context	将身份、规则、环境信息写入 system prompt
Memory 召回	Context + Memory	Sonnet 预取相关Memory 文件，注入用户消息
Skill 列表注入	Context + Skills	`<system-reminder>` 中展示可用 Skill
工具池组装	Tools	合并内置、MCP、插件工具，传入 API
Attachment 注入	Context	每 turn 计算文件变更、任务提醒等动态信息
Sub-agent 创建	Sub-agent	将父 Agent 的部分状态传递给子 Agent

更新（Update）¶

在执行过程中修改已有 State：

操作	影响的 State 组件	示例
工具执行结果回灌	Context	`tool_result` 追加到对话历史
动态 Skill 发现	Skills	文件操作进入新目录，向上遍历发现新 Skill
MCP 热更新	Tools	运行时添加/移除 MCP 服务器，工具池重建
后台Memory 提取	Memory	Fork Agent 分析对话，写入 AutoMem Memory 文件
Sub-agent 工具过滤	Tools	子 Agent 的工具集从父级收紧
Attachment Delta 更新	Context	Skill 列表、工具变更等只发送增量

丢弃（Discard）¶

主动丢弃 State，释放 context window 空间：

操作	影响的 State 组件	示例
Context 压缩	Context	六层渐进式压缩（从无损清理到 LLM 摘要）
旧 tool_result 清除	Context	60 分钟未引用的工具结果文本被清除
Memory 截断	Memory	CLAUDE.md 超 200 行 / 25KB 时截断
进程退出	Context + Sub-agent	单进程 CLI 退出，对话历史和 Sub-agent 状态消失

恢复（Restore）¶

丢弃后重新注入关键信息，防止「失忆」：

操作	影响的 State 组件	示例
压缩后 Rehydration	Context	恢复最近 5 个文件（50K）+ 活跃 Skill（25K）+ CLAUDE.md
关键约束补注入	Context	压缩后重新注入 AGENTS.md 的 Session Startup + Red Lines
Memory 验证	Memory	召回 Memory 前检查引用的文件路径/函数名是否仍有效
缓存清理	Context	压缩后清除 memoize 缓存，确保重新读取最新状态

本报告的分析维度¶

后续章节按状态组件维度展开，每个组件内部追踪其注入、更新、丢弃、恢复的完整生命周期：

graph LR
    subgraph persistent ["跨会话"]
        Memory
        Skills["Skill"]
    end
    subgraph session ["会话级"]
        Tools["工具"]
        History["对话历史"]
    end
    subgraph turn ["每 Turn"]
        Attach["Attachment"]
        LLM["LLM 决策"]
        ToolExec["工具执行"]
    end

    Memory -->|"召回注入"| LLM
    Skills -->|"列表注入"| LLM
    Tools -->|"Schema 传入"| LLM
    History -->|"消息序列"| LLM
    Attach -->|"system-reminder"| LLM
    LLM -->|"tool_use"| ToolExec
    ToolExec -->|"tool_result 回灌"| History
    ToolExec -->|"触发Memory 提取"| Memory
    ToolExec -->|"触发 Skill 发现"| Skills
    History -->|"压缩 / 丢弃"| History

Claude Code 专题（Part 2）：分析单进程 CLI 架构下各组件的State Management策略
OpenClaw 专题（Part 3）：分析 Gateway 多渠道架构下的对应策略
对比分析（Part 4）：两者在每个组件上的设计差异与行业共识