Extract Agent 进化：跨会话记忆与状态延续

上一篇我们展示了 Extract Agent 如何 3 句话提取一份简历。但真实场景不是"用完即走"——昨天提取了 7 份简历，今天要继续处理剩下的 20 份。Agent 记得住吗？

本文从一个真实的批量简历提取任务出发，拆解引擎如何实现跨会话状态延续。

回顾：批量简历提取的真实场景

接到一批 27 份简历 PDF，需要统一提取为结构化 JSON。

用 Extract Agent 处理：

第一天： 上传前 7 份，设计好 Schema，创建 Session（id=246），批量提取完成，归档。

第二天： 打开新会话，想继续：

用户：用昨天的 session 继续提取剩下的 20 份简历
Agent：请问 session_id 是多少？
用户：……

Agent 失忆了。 session_id=246、batch_id=374、已处理的 7 份文件名——全部丢失。

这不是 bug，是架构缺陷。AI Agent 的会话是无状态的——每次新对话都是一张白纸。

对于单次任务这没问题，但文档提取天然是跨会话的：

• Schema 设计一次、复用多次
• 批量任务分批处理
• 提取结果需要回溯对比

引擎需要记忆。

---

先看效果：有记忆的 Extract Agent

加入记忆能力后，同样的场景变成了这样：

用户：继续提取剩下的简历
Agent：检测到上次操作记录——
上次操作：batch_extract — session_id=246 批量提取 7 份简历
时间：2026-02-25 17:30:00
已处理文件：杨彩.pdf、姚遥.pdf、李明.pdf …

关键 ID：session_id=246, batch_id=374
已自动复用 session_id=246，请上传剩余的简历文件。

用户不需要记任何 ID，不需要翻聊天记录。 Agent 自己知道上次做了什么、做到哪里、用的什么 Session。

---

记忆机制：怎么做到的？

设计约束

给引擎加记忆，方案从简单到复杂有很多选择：数据库、云端同步、向量存储。但实际约束很明确：

1. 零配置 — 用户不需要装数据库、配服务，开箱即用
2. 隐私优先 — 操作记录留在本地，不上传任何服务
3. 轻量可靠 — 不引入额外依赖，JSON 文件即可

最终方案

在用户目录 ~/.claude/memory/ 下维护一个 JSON 文件，引擎每次关键操作后自动写入，新会话启动时自动读取。

记忆结构

一次简历批量提取后，引擎自动写入的记忆文件：

{
  "skill_name": "doc-extract-engine",
  "schema_version": "1.0",
  "updated_at": "2026-02-25T11:29:09+08:00",
  "last_operation": {
    "action": "batch_extract",
    "summary": "session_id=246 批量提取 7 份简历",
    "timestamp": "2026-02-25T11:29:09+08:00",
    "files": ["杨彩.pdf", "姚遥.pdf", "李明.pdf"]
  },
  "key_ids": {
    "last_session_id": 246,
    "last_batch_id": 374
  },
  "history": [...]
}

结构刻意保持扁平：

• last_operation 记最近一次操作
• key_ids 存关键 ID
• history 保留最近 20 条操作轨迹

没有复杂的索引、没有关系型结构——够用就好。

---

记忆的读写时机

引擎在两个关键节点自动操作记忆：

会话开始时：读取

Agent 被唤起后，第一件事是读取记忆文件，生成一段文本摘要注入上下文。相当于给 Agent 一张"上次工作备忘录"：

## doc-extract-engine 记忆摘要

**更新时间：** 2026-02-25T11:29:09+08:00
**上次操作：** batch_extract — session_id=246 批量提取 7 份简历
**时间：** 2026-02-25T11:29:09+08:00
**文件：** 杨彩.pdf, 姚遥.pdf, 李明.pdf
**关键 ID：** last_session_id = 246, last_batch_id = 374

Agent 读到这段摘要后，就能主动告知用户上次状态，或直接复用 session_id 继续工作。

---

关键操作后：写入

不是每个 API 调用都写记忆——只在状态发生实质变化时记录：

操作	记录内容
创建 Session	session_id、Schema 信息
批量提取	batch_id、文件列表、提取数量
对话修正	修正内容摘要
归档	归档状态确认

写入是自动的，不需要用户触发，也不需要 Agent 额外决策。

---

记忆带来的能力升级

记忆不只是"记住上次的 ID"，它让引擎具备了几个之前不可能的能力。

1. Session 自动复用

这是最直接的收益。之前每次新会话都要用户提供 session_id，现在引擎自动从记忆中读取，直接复用。

对于批量任务——100 份简历分 5 天处理——用户的体验从"每天找 ID"变成"每天说一句继续"。

2. 操作轨迹可追溯

记忆文件保留最近 20 条操作历史。用户可以回溯：

• 上周提取了哪些文档？
• 用的什么 Schema？
• 修正了几轮？

这些信息之前散落在不同会话的聊天记录里，现在集中在一个文件中。

3. 上下文感知的智能决策

Agent 不再是"无状态的工具"，而是一个有上下文的协作者。它能基于历史做出更合理的决策：

• 检测到上次提取未归档 → 主动提醒用户是否继续
• 检测到同类文档已有 Session → 建议复用而非新建
• 检测到上次修正了 3 轮 → 提取时主动提高精度要求

---

实现细节：一个 SkillMemory 类

记忆管理封装为一个 SkillMemory 类，内嵌在引擎的 scripts/ 目录中。核心 API 只有几个：

from memory import SkillMemory

mem = SkillMemory("doc-extract-engine")

# 记录操作
mem.record(
    action="batch_extract",
    summary="session_id=246 批量提取 7 份简历",
    ids={"last_session_id": 246, "last_batch_id": 374},
    files=["杨彩.pdf", "姚遥.pdf", "李明.pdf"]
)

# 读取最近一次操作
mem.get_last_operation()  # {"action": "batch_extract", "summary": "...", "timestamp": "...", ...}

# 读取关键 ID
mem.get_id("last_session_id")  # 246
mem.get_id("last_batch_id")  # 374

# 读取最近 5 条历史
mem.get_history(5)

# 生成 AI 可读摘要
print(mem.to_prompt_summary())

文件读写参考了引擎已有的凭证管理模块（credentials.py）：JSON 格式、UTF-8 编码、权限 0o600。纯标准库实现，零外部依赖。

---

与上一篇的架构关系

上一篇介绍了 Extract Agent 的三层架构：

• BusinessAgent（认知层）→ 理解文档语义、生成提取规则
• ExtractDevAgent（执行层）→ 编写/修改提取代码、执行测试
• Supervisor（监督层）→ 评估结果、分析趋势、决策下一步

记忆能力是对这个架构的补充，而非替代。

---

会话 1 会话 2
┌─────────────────┐ ┌─────────────────┐
│ 认知→执行→监督 │ │ 读取记忆 │
│ ────写入───→ │ │ 创建 Session │
└─────────────────┘ └─────────────────┘

三层架构保证每次提取的质量，记忆保证多次提取之间的连续性。两者正交，互不干扰。

---

更大的图景：从工具到助手

回头看 Extract Agent 的演进路径：

版本	能力	用户体验
v1	单次提取	“帮我提取这份文档” → 返回结果
v1 + 修正	多轮对话	“结果不对” → 自动修正 → 满意归档
v1 + 记忆	跨会话延续	“继续昨天的” → 自动复用上下文 → 继续提取

每一步都在缩短用户和结果之间的距离。

单次提取解决的是"能不能做"，对话修正解决的是"做得好不好"，跨会话记忆解决的是"能不能持续做"。

---

核心运行流程

以上面的简历提取为例，三层 Agent 的协作过程：

用户：提取简历结构化信息

↓

**BusinessAgent（认知层）**
→ 分析文档类型：招聘平台简历
→ 生成业务规则：需要提取个人信息、教育、工作、项目、技能
→ 输出 Schema 定义

↓

**ExtractDevAgent（执行层）**
→ 基于 Schema 编写提取逻辑
→ 调用提取 API，SSE 流式获取结果
→ 返回首次提取结果

↓

**Supervisor（控制层）**
→ 评估提取质量：覆盖率、准确率、完整度
→ 发现问题：工作描述缺少量化、技能未分类
→ 决策：触发修正轮次

↓

**ExtractDevAgent（执行层，修正轮）**
→ 执行 chat_correct，补充量化数据
→ 重构技能分类
→ 返回修正后结果

↓

**Supervisor（控制层）**
→ 再次评估：质量达标
→ 决策：归档

---

总结

从架构角度看，Extract Agent 不是简单的"用 AI 读 PDF"，而是一个可监督的自动程序优化引擎。

它的核心思想：

1. 业务理解结构化 — BusinessAgent 将模糊的提取需求转化为明确的 Schema 定义
2. 执行过程可控 — ExtractDevAgent 在工具化沙箱中运行，文件编辑、Shell 执行、计划管理均可审计
3. 质量评估独立 — Supervisor 不参与执行，只负责评估和决策，避免"既当运动员又当裁判"

---

作者： 虾说 发布时间： 2026-02-25