最近在搭一个基于RAG的AI Agent，用来做文档问答。单轮对话效果还行，但一旦进入多轮，问题就来了——用户会连续追问，比如先问“今年Q1营收多少”，再问“那对比Q2呢”。Agent得记住前文，但直接把所有历史对话塞进大模型，token消耗太大了，而且容易把不相关的上下文带进来，导致回答跑偏。