Agents 是围绕无状态推理核心的有状态控制循环。
推理核心不会记住它收到的消息。它不会记住它调用的工具。它不会记住用户偏好、多步骤计划，或者三轮对话之前发生了什么。
如果推理核心是无状态的，那么状态就必须存在于某个地方。
那个地方就是数据库。
我们想要构建什么
我们想要这样的 agents：
- 跨会话继续对话
- 记住用户偏好、历史和上下文
- 通过每次交互学习变得更好
- 在失败时可以调试
- 为我们提供结构化数据以进行评估和改进
没有持久化状态，这些都无法实现。
事实是：即使是 Claude（我的最爱）也不会"记住"任何东西。当它回忆起我的名字或引用过去的对话时，它是在读取注入到其上下文中的存储记忆，或在运行时搜索它们。我们体验到的连续性并不是 LLM 的属性。这是由数据库驱动的精美工程。我们的 agents 应该以同样的方式工作。
我们可以忽略这一点。大多数教程都是这样做的。但这样我们的 agents 会在请求之间忘记所有内容，无法从错误中学习，也没有办法调试失败或提高性能。
或者我们可以将状态视为基础原语，解锁无状态包装器无法触及的能力。
拥有自己的数据库能解锁什么
- 完全的上下文控制：决定什么进入上下文窗口。读取之前的消息。包含最后 3 轮、或 10 轮对话，或只是一个摘要。上下文是我们的护城河，我们控制它。
- 更智能的上下文管理：总结长对话。压缩冗长的工具输出。修剪无关的历史记录。用检索到的知识进行丰富。这才是优秀 agent 工程的真正含义：为正确的响应提供正确的上下文。
- 零供应商依赖：没有出站费用。没有保留成本。没有"我们正在弃用此 API"的邮件。用 SQL 查询我们自己的数据。构建一个快速仪表板，或接入任何可观测性工具。我们的数据。我们的选择。
- 评估数据集：提取示例，构建少样本提示，运行多轮模拟。标记低质量响应以供审查。所有这些都不需要向供应商请求导出。
- 自学习循环：跟踪用户编辑了哪些响应。哪些工具调用失败了。哪些会话以失望告终。自动将这些反馈到系统中。
这就是优秀软件的构建方式。Agents 也不例外。
实现方式
from agno.agent import Agentfrom agno.db.sqlite import SqliteDbagent = Agent( db=SqliteDb(db_file="agent.db"), add_history_to_context=True, num_history_runs=3,)三行代码。agent 现在可以持久化会话，包含对话历史，并让我们完全控制自己的数据。
需要更多控制？这只是 Python：
# 直接访问你的数据history = agent.get_chat_history(session_id="session_123")messages = agent.get_session_messages(session_id="session_123")session = agent.get_session(session_id="session_123")# 对话太长？自动总结它们agent = Agent( db=SqliteDb(db_file="agent.db"), enable_session_summaries=True, # 压缩旧上下文 store_tool_messages=False, # 跳过冗余内容)无需 API 调用。无需导出请求。无需等待供应商构建你需要的功能。只需 SQL。
而且这不是 SQLite 特有的。换一个导入：
from agno.db.mongodb import MongoDbfrom agno.db.postgres import PostgresDb# ...支持 13+ 种数据库db = PostgresDb(db_url="postgresql://user:pass@localhost:5432/mydb")agent = Agent(db=db)SQLite 用于测试。Postgres 用于生产。我们的基础设施。我们的数据。
反对第三方状态的理由
业界已经将我们的数据存储在别人的数据库中视为常态。
Responses API 给我们一个 previous_response_id。托管内存服务保存我们的上下文。这很方便，但有一些值得考虑的权衡。
我们在支付两次费用：一次是 API 调用，再次是存储和出站流量。我们依赖于他们的模式、他们的导出工具、他们的路线图。当我们需要一个功能时，我们提交工单然后等待。当他们出现故障时，我们也会出现故障。
而且事实是：我们仍然需要一个数据库。那个 response_id？我们在某个地方存储它。用户会话？那在我们的系统中。我们只是将状态分散在两个地方，并增加了一次网络跳转。
替代方案很简单：拥有我们自己的数据库。直接查询它。
AI 工程就是……软件工程
我们不断发现 AI 工程就是……软件工程。
Agents 需要数据库的原因与 Web 应用需要数据库的原因相同：无状态计算需要有状态存储。这些模式并不新鲜。我们只是忘记了如何使用它们。
Agno 是用于 agents 的开源基础设施。数据库支持是内置的。
