完整解析 OpenSRE 核心状态设计AgentState、证据压缩与状态更新三大机制【免费下载链接】opensreBuild your own AI SRE agents. The open source toolkit for the AI era.项目地址: https://gitcode.com/GitHub_Trending/op/opensreOpenSRE 是一个构建 AI SRE 智能体的开源工具包让告警调查、根因分析、日志诊断这些运维工作交给 Agent 自动完成。本文完整解析它的核心状态设计跨轮对话状态AgentState、工具返回的**证据条目Evidence**压缩机制以及每一轮对话中状态的更新流程帮助新手快速看懂一个 AI SRE Agent 的记忆是如何设计的。核心状态设计全景跨轮状态与每轮快照的分离理解 OpenSRE 的状态设计先要抓住一个关键划分哪些数据必须在多轮对话之间存活哪些只在单轮内有效。跨轮状态AgentState对话转录messages、上一轮的最后观察last_observation它们活在会话级别随轮次累积。每轮快照TurnSnapshot工具列表、已解析的集成、系统提示词、迭代上限等只在单轮开始时构建一次整轮只读。这个状态与快照分离的思路避免了把整轮请求的拼装细节塞进全局状态也让状态机保持得足够小。官方在 core/state/README.md 中明确划定了状态包的边界只管跨轮转录及其压缩上下文预算、提示词装配等一律不混入。AgentState 详解可变的跨轮会话状态核心实现是 core/state/agent_state.py 中的MutableAgentState类它非常克制只保留三样东西messages跨轮对话转录messages是一个(角色, 文本)元组列表角色限定为user、assistant、system、tool四种。每当一轮对话结束record_turn()方法就把一条用户消息和一条助手回复成对追加进去——成对是刻意设计保证 user/assistant 的轮次配对永远不被打断。last_observation上一轮的最后观察last_observation记录上一轮 Agent 最后一次工具观察结果比如刚查完的日志摘要。每轮开始时通过reset_observation()归零轮内重新填充。这个上一轮遗留观察让 Agent 在新回合开始时不用重复拉取就能衔接上下文。clear()一键重置会话状态clear()会同时清空转录和最后观察是会话重置的唯一入口。整个类没有任何配置、没有数据库依赖纯粹是一个内存中的状态容器——简单到可以一眼读透。转录窗口压缩早期事实永不丢失的会话摘要对话越长喂给 LLM 的历史就越贵。OpenSRE 的做法不是简单截断而是窗口 摘要窗口上限MAX_CONVERSATION_TURNS 12即最多保留 24 条消息12 轮 × 2 条。超窗时最近的偶数条消息原文保留更早的消息被压缩成一条以Session summary:开头的助手消息。摘要会合并而不是叠加已有摘要和新摘要合并时保留开头、截断结尾——最早说出的事实反而是最后被丢弃的。这套逻辑全部位于 core/state/transcript_window.pycompact_messages_to_window()是核心函数单条摘要行最长 700 字符整个摘要体上限 6000 字符保证摘要本身也不会失控。证据条目压缩日志、Trace、指标三道防线Agent 查日志时动辄拉回几百条而 LLM 上下文是稀缺资源。OpenSRE 在 infrastructure/evidence/ 下实现了纯函数式的证据压缩无 I/O、无 LLM 调用分三道防线。防线一日志去重与计数分组infrastructure/evidence/log_compaction.py 解决一个典型痛点故障时 48 条一模一样的超时错误会吃掉 50 条日志配额里的 48 个槽位把真正不同的错误挤出去。它的做法是先归一化再分组把 UUID、时间戳、IP 地址、十六进制地址、带单位的数值等易变 token 替换成占位符后相同消息归为一组输出只保留代表样本并附带count、first_seen、last_seen三个字段。50 条相同日志最终只占 1 个槽位。防线二结构化错误分类学同一模块里的build_error_taxonomy()更进一步用正则把错误消息分进 14 个桶——ConnectionTimeout、OutOfMemory、DiskFull、RateLimited、PermissionDenied、ResourceNotFound等并自动提取受影响的组件名如servicefoo中的 foo。最终产出一份错误分类报告每类错误的数量、时间范围、代表性样本让 LLM 一次看到全部错误类型的全貌。防线三Trace、指标与调用日志的截断infrastructure/evidence/evidence_compaction.py 提供通用截断工具数据类型默认上限细节限制日志50 条每条消息 ≤1000 字符错误日志30 条同上Trace20 条每条 ≤50 个 span指标50 条每个指标 ≤20 个数据点被截断时还会生成span_count_total、Showing 20 of 187 traces这类提示字段让 Agent 明确知道还有更多。而 infrastructure/evidence/metric_summary.py 则把长时间序列指标压缩成首值、末值、最值、均值、P95 等统计量——时序图的骨架远比原始数据点更适合放进提示词。状态更新机制一轮对话的完整生命周期把上面各部分串起来OpenSRE 一轮对话的状态流转是轮次开始从会话构建一份只读TurnSnapshot见 core/agent_harness/turns/turn_snapshot.py工具、集成、提示词在这一刻冻结同时reset_observation()清空上一轮观察。轮内推理Agent 调用工具每个工具结果先经过证据压缩去重、分类、截断再写入转录最后一次工具结果会更新last_observation。轮次结束record_turn()成对追加用户/助手消息若超出 24 条窗口则自动触发摘要压缩。会话重置调用clear()一次性归零为下一段调查腾出干净的上下文。核心文件路径速查模块职责core/state/agent_state.pyMutableAgentState跨轮状态容器core/state/transcript_window.py转录窗口压缩与会话摘要合并infrastructure/evidence/log_compaction.py日志去重分组与错误分类学infrastructure/evidence/evidence_compaction.py日志/Trace/指标通用截断infrastructure/evidence/metric_summary.py时序指标统计摘要core/agent_harness/turns/turn_snapshot.py每轮只读上下文快照core/state/README.md状态包边界说明总结OpenSRE 的核心状态设计体现了三个值得借鉴的原则状态最小化跨轮状态只有转录和最后观察两项、摘要优于截断超窗历史合并为会话摘要而非直接丢弃、压缩先于上限证据先去重分类再截断配额花在不同的信息上。这套小而清晰的机制正是 AI SRE Agent 能长时程调查、又控得住上下文成本的关键。【免费下载链接】opensreBuild your own AI SRE agents. The open source toolkit for the AI era.项目地址: https://gitcode.com/GitHub_Trending/op/opensre创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考