你和 AI 助手说「帮我找北京的酒店」，它答了；几轮之后你说「换成上海」，它却反问「换什么」。这就是多轮对话状态没维护好的典型表现。多轮对话和单轮问答的本质区别，就在于状态有没有被持续维护。要理解为什么会这样，先要清楚一件事：大模型本身并没有「记住」整段历史的能力，它能看到的只有放进上下文窗口里的那部分内容，状态是系统一层层拼出来的。
对话状态到底指什么
「对话状态」指这一轮对话里，哪些信息是有效的、需要被记住的。它通常表现为一组「槽位」，比如城市=北京、日期=周五、预算=500 以内。一个典型的多轮会话里，状态会经历「新增—覆盖—作废」的循环，系统要实时判断每个槽位的当前值。关键在「更新」两个字：状态并非只增不减，它是在不断被覆盖——你说「换成上海」，城市这个槽位就该被改写；你说「预算提到 800」，旧的 500 就要作废。维护状态，本质上是维护「哪个条件是当下最新的、哪个已经过期」。
为什么会「忘」
遗忘的根子不是模型记性差，而是三个工程原因叠加的结果：
| 原因 | 具体表现 | 典型后果 |
|---|---|---|
| 上下文被截断 | 早期对话被挤出窗口 | 开头提的条件直接丢失 |
| 信息没结构化 | 历史对话原样堆在一起 | 模型分不清哪个条件是最新的 |
| 话题切换没识别 | 新旧任务混在同一段 | 两件事的条件互相污染 |
其中「信息没结构化」最隐蔽：历史其实都还在，只是没被整理成「当前有效值」，于是模型只能猜。上下文窗口能装多少内容，直接决定早期信息能活多久；多模态输入还会把图片、语音折算成 token，进一步挤占空间，想了解折算规则可以看 多模态 token 怎么折算。
工程上怎么维护状态
成熟的对话产品很少只靠「把历史全塞进去」，通常用三套手段组合：
- 槽位提取：每轮结束后把关键信息抽出来，存成结构化字段，下一次直接喂「城市=上海」，省去让模型自己从长历史里找的步骤。
- 摘要压缩：把久远的历史压成一段摘要，保留结论、丢掉过程，让旧信息以更小的体积继续存活。
- 话题分段：检测到换任务就重开一段对话，避免两件不相干的事互相干扰。
这三件事和「缓存」的思路相通：把频繁要用、但体积大的信息，提前整理成轻量形式存放，用时直接取，省去每次重新计算，细节可参考 多级缓存。当任务交给 多个智能体协作 完成时，状态还要在它们之间交接，谁手里拿着哪个条件必须讲清楚，维护难度再上一级。
作为用户能做什么
用户侧也有三个低成本动作：关键条件主动复述，新问题里把必要信息再说一遍，不赌它记得；换任务就开新对话，别在一个对话里聊完订酒店又聊写周报；发现记错就当场纠正，直接说「刚才说的城市是上海，不是北京」。这些动作的本质，是替系统降低状态维护的难度，把模糊的上下文变成明确的条件。
什么时候会失效
状态维护有明确的失效边界。对话特别长时，即使有摘要压缩，早期细节也会被有损丢弃，摘要只留结论、不留原始措辞；槽位提取本身可能提取错，把「不去上海」理解成「去上海」；话题分段也有误判，一句话里同时涉及两件事时，可能被错误切分。所以再好的状态管理也不是无损记忆，它只是让「遗忘」发生在可控的、有优先级的地方，并非随机丢信息。
多轮体验的差距从哪来
同样是「会聊天」的产品，多轮表现可以差出一个档次，根源往往不在底层的模型参数多少，而在状态这一层怎么设计。有的产品每轮都重新解析全部历史，有的产品用槽位加摘要做增量维护；有的在换话题时能自动重开，有的会把新旧条件搅在一起。这些细节决定了用户在第三次、第四次追问时，是觉得「它懂我」，还是觉得「它又忘了」。所以判断一个对话产品好不好用，别只看单轮问答的惊艳程度，多试几轮连续追问，观察它能不能记住并更新条件，才是更接近真相的评测方式。
速查：多轮对话状态
- 本质：维护「当前哪个条件有效」
- 会忘的原因：截断、没结构化、话题混杂
- 用户三招：复述关键条件、换任务开新对话、发现记错当场纠正
