💡
原文中文，约17800字，阅读约需43分钟。
📝
内容提要
本文介绍了如何利用Microsoft Agent Framework实现会话记录的三方存储，并新增聊天历史缩减器功能，以解决长会话中消息累积导致的上下文窗口限制问题。用户可通过两种缩减器有效管理聊天历史，确保关键上下文不丢失，降低token成本，提高响应速度。
🎯
关键要点
- 利用Microsoft Agent Framework实现会话记录的三方存储，解决内存存储易丢失的问题。
- 长会话中历史消息累积可能超出上下文窗口限制，导致调用失败和响应变慢。
- 新增内置聊天历史缩减器功能，帮助管理聊天历史，降低token成本，提高响应速度。
- Microsoft.Extensions.AI提供两种缩减器：MessageCountingChatReducer和SummarizingChatReducer。
- MessageCountingChatReducer保留最新N条非系统消息，适用于简单问答和闲聊场景。
- SummarizingChatReducer在会话超阈值时自动摘要旧消息，适合复杂长会话。
- 代码中显式定义IChatClient以确保兼容性，便于缩减器切换。
- Demo展示了如何实现会话持久化和缩减器的无缝集成。
- 生产环境优化建议包括存储替换和参数调优，以适应高并发和分布式部署。
- 核心要点总结：依赖准备、存储适配和Agent配置，确保会话持久化和上下文限制的突破。
❓
延伸问答
如何使用Microsoft Agent Framework实现会话持久化？
可以通过三方存储来实现会话持久化，确保会话记录不丢失，并支持多实例共享。
长会话中如何解决上下文窗口限制问题？
可以使用内置的聊天历史缩减器功能，自动管理聊天历史，避免消息累积超出上下文窗口限制。
Microsoft.Extensions.AI提供了哪些聊天历史缩减器？
提供了MessageCountingChatReducer和SummarizingChatReducer两种缩减器，适用于不同的会话场景。
MessageCountingChatReducer和SummarizingChatReducer有什么区别？
MessageCountingChatReducer保留最新N条非系统消息，适合简单场景；而SummarizingChatReducer在会话超阈值时自动摘要旧消息，适合复杂长会话。
如何在生产环境中优化会话持久化和缩减器的使用？
可以替换存储为Redis或PostgreSQL，并根据模型上下文窗口调优缩减器参数，以适应高并发和分布式部署。
如何在代码中实现聊天历史的缩减和存储同步？
通过VectorChatMessageStore类实现，添加消息时自动缩减并同步更新到三方存储。
➡️
