如果对调度机制掌握还不够深入，可以跳转到 React 源码专栏 中学习

1. 无状态带来的问题

构建智能 Agent，尤其是 AI 伴侣时，一个绕不开的问题是如何处理跨越多次交互的上下文。底层的 LLM（大语言模型）本身不保存状态，对 LLM 来说，每一次请求都是一次全新的对话，它无法记忆你上一次跟他对话时，说过的内容

AI 电子伴侣本质上是一个长期存在的关系型 Agent，而不是只能处理当前问题的单轮问答工具。

因此，Agent 记住共同经历，识别关系阶段，延续情绪状态，保持角色一致，还要允许长期目标逐渐变化。

例如，下面这段对话只有结合历史消息才能正确理解：

1
- 用户：“我喜欢吃苹果。”
2
- 5 分钟后，用户说：“我想吃那个。”
3
- 没有上下文时，AI 可能会乱回答，或者追问：“你想吃哪个？”
4
- 带上上下文后，AI 才能基于你想吃苹果进行正确的回答

这种会话的延续性，是建立情感连接的基础

既然模型需要上下文，最直接的做法似乎是把全部聊天记录都发送给 LLM。但在长期陪伴场景中，这个方案会遇到三个问题：

• Token 有限：每个模型都有最大上下文长度，例如 8k、32k 或 128k。陪伴关系可能持续几个月甚至几年，聊天记录很快就会超过模型能够接收的窗口
• 成本与延迟：发送的 Token 越多，推理成本越高，响应时间也越长。对需要实时互动的伴侣应用来说，持续增加的延迟很难接受。
• 无法区分重要信息与日常闲聊：模型并不知道「用户今天感冒」更像短期状态，而「用户讨厌被忽视」可能是需要长期保留的人格信息。没有调度层时，记忆的保留缺少稳定规则，很容易出现今天还记得、明天就忘记的情况。

因此，系统需要增加一个调度层，由它决定哪些信息进入 Prompt、哪些内容需要压缩、哪些记忆应该长期保存，以及哪些内容可以丢弃。