智能体多轮对话怎么管：槽位填充、澄清策略与上下文裁剪的落地框架

多轮对话不要靠”把所有历史塞进提示词”硬撑。可落地的做法是把对话拆成两层：任务态（当前在办什么事、还差哪些必填字段）用结构化数据单独存储并显式驱动澄清，过程态（历史消息与工具结果）按轮次裁剪与压缩。每轮开始时把两者合并成模型输入，结束后只回写任务态。这样无论对话走多少轮，模型看到的输入规模都是可控的。

多轮对话为什么会越聊越糟

把历史全量塞进上下文的写法，通常在第 10 轮之后出现三个典型症状：

• 目标漂移：用户中途换话题，模型仍按旧目标执行，因为旧指令还在上下文里且位置靠前。
• 反复确认：已确认过的信息被重复追问——模型在长上下文里”找不到”自己问过什么。
• 成本与延迟飙升：每一轮都重发全部历史，token 消耗随轮次线性甚至超线性增长。

根因是同一个：把”对话状态”和”对话记录”混为一谈。前者是结构化的、应该被覆盖更新的；后者是流水式的、应该被裁剪的。

落地框架：任务态 + 过程态双层

槽位用 schema 定义，不要用自然语言描述

把”要收集什么”写成结构化定义，模型才知道自己还差什么：

{
  "intent": "book_meeting",
  "required": ["date", "time_range", "attendees"],
  "slots": {
    "date":        { "value": "2026-10-20", "source": "user", "confidence": 0.95 },
    "time_range":  { "value": null, "source": null, "confidence": 0 },
    "attendees":   { "value": ["张三"], "source": "inferred", "confidence": 0.6 }
  },
  "missing": ["time_range"],
  "needs_confirm": ["attendees"]
}

注意 source 和 confidence 两个字段：区分”用户明确说的”和”模型推断的”是澄清策略能否做对的前提。推断值必须回问确认，用户原话不需要。

澄清策略：什么时候必须问

澄清问得太多用户会烦，问得太少会办错事。可用四条规则约束：

1. 必填缺失 → 必问：required 里没有值就问，不做默认假设。
2. 推断值低于阈值 → 回问确认：例如置信度 < 0.8 的参会人，回问一句”包括张三，对吗？”。
3. 一轮只问一个：同时缺三项时按影响面排序问最关键的，不要甩一串问题给用户。
4. 给备选而不是开放提问：「下周三下午 2 点还是 4 点？」的完成率远高于「您希望几点？」。

missing_slots = [s for s in required if not slots[s]["value"]]
if missing_slots:
    ask_one(missing_slots[0])          # 只问第一个，问完再评估
elif low_confidence:
    confirm(low_confidence[0])         # 确认推断值
else:
    execute(intent, slots)             # 槽位齐了才执行

过程态怎么裁：三档策略

Anthropic 在 Claude 开发者平台上给出的思路有实测数据支撑：上下文编辑（自动清理陈旧的工具调用与结果）单独使用带来 29% 的性能提升，与记忆工具组合使用提升 39%；在 100 轮的网络搜索评测里，上下文编辑让原本会因上下文耗尽而失败的任务得以完成，同时 token 消耗降低 84%。对应到自建智能体，可以拆成三档：

话题切换与目标漂移怎么处理

用户中途改主意是常态，靠”最近消息优先”自然覆盖是不稳的。做法是在每轮开局先做一次意图判定：

• 新意图与当前意图同类（如改会议时间）→ 更新槽位，保留任务上下文。
• 新意图不同类（如从订会议室跳到查天气）→ 把当前任务态压栈，新建任务态；用户说”刚才那个继续”时再弹栈恢复。
• 判定为闲聊或不确定 → 不改动任务态，避免污染。

如果业务流程本身步骤固定、分支明确，那么更稳妥的做法是把流转写死，不要让模型每轮决定下一步，这一点在智能体编排什么时候该用状态机里有更详细的讨论。

和其他能力怎么衔接

对话管理的三个邻居经常被混淆，边界是这样的：

• 长期记忆：跨会话保存用户偏好与历史结论，属于”记住这个人”，不是”记住这轮对话”。三层拆分方式见智能体长期记忆的实现。
• 断点续跑：把任务态持久化到外部存储，进程重启后能恢复，属于”可恢复性”。与裁剪互补而非重复，可参考智能体断点续跑与中断恢复。
• 结构化输出：槽位的抽取结果必须由 schema 约束并做校验重试，否则”看起来填上了”的槽位可能是半截值，做法见智能体结构化输出的三道关。

一句话收尾：多轮对话的稳定性来自”状态结构化”，而不是”上下文变大”。把任务态抽出来单独管，过程态按档裁剪，剩下的交给模型即可。