电力系统智能体不能只完成一次问答或一次诊断。面对持续变化的运行数据、复杂的故障分析过程和跨班次的任务执行,我们围绕 LangGraph 构建了一套 Agent Runtime:由 LangGraph 统一编排工作流,Context Manager 管理当前推理上下文,Memory Manager 沉淀跨任务经验,Task Manager 管理任务状态与恢复。
01 为什么电力智能体需要 Memory?
我们正在做的电力智能诊断平台,面向某地港口电力系统的运行分析与故障诊断。用户选择一个智能体后,系统会调用大模型、知识库、数据库和领域算法,执行多步分析,最后生成诊断结论、图表和报告。
这类任务和普通聊天不太一样。
一次故障诊断可能要先读取遥测、遥信数据,再查询设备拓扑、历史告警和相关规程;分析过程中还会产生候选故障原因、排除结论和新的数据需求。任务结束后,诊断结果和检修情况又可能成为下一次分析的重要参考。
如果每次任务都从零开始,历史案例就只能留在日志里;如果把所有历史内容都塞进 Prompt,又容易带来上下文冗余、数据过期和事实混淆。任务执行到一半遇到服务重启,也不能简单地从头再跑一遍。
所以,我们把 Agent Memory 放在整个 Agent Runtime 中考虑,重点解决三个问题:
- Context: 当前这次推理应该看到什么?
- Memory: 过去哪些事实和经验值得保留,并在新任务中复用?
- Task: 当前任务执行到哪里了,中断后如何准确地继续?
这三个部分职责不同,但会在一次诊断任务中协同工作。整体上,我们使用 LangGraph 负责工作流编排,在 LangGraph 周围组织 Context Manager、Memory Manager 和 Task Manager。
02 先看现有系统:LangGraph 编排六类电力智能体
目前平台包含六类业务智能体:
| 智能体 | 主要职责 |
|---|---|
| 风险分析智能体 | 面向电力系统的通用风险分析 |
| 电流类故障诊断智能体 | 读取遥测、遥信数据,完成聚类、证据整理、故障判型与报告生成 |
| 电能质量风险分析智能体 | 分析电能质量事件、功率关联与谐波问题 |
| 谐振风险分析智能体 | 开展谐波谐振校核 |
| 电缆绝缘风险分析智能体 | 结合局放、温度、绝缘电阻等信息评估绝缘风险 |
| 系统运行风险分析智能体 | 结合运行快照、告警和拓扑分析系统运行风险并给出处置建议 |
现有诊断后端使用 LangGraph 组织多节点流程。每个智能体由 State、Graph 和 Nodes 等部分组成:
- State 定义贯穿流程的数据结构;
- Graph 负责组装节点、边和条件路由;
- Nodes 执行数据读取、分析判断、知识检索和报告生成等具体工作。
数据访问通过 MCP 子服务完成,覆盖数据库、RAGFlow 知识库、标准规程、电缆数据和谐振校核等能力。模型侧使用本地部署的 Qwen,嵌入侧使用 BGE-M3;知识服务包括 RAGFlow 和本地 Wiki;负荷预测、电缆局放识别等数值分析则由独立的领域算法服务提供。后端通过 SSE 将工作流步骤、诊断结果、图表和报告内容持续推送给 Vue 前端。
这套技术栈已经覆盖了业务智能体运行所需的主要能力。我们没有另起一套编排框架,而是保留 LangGraph 作为工作流核心,把 Memory 能力组织在现有架构之上。
03 整体架构:LangGraph 做编排,Runtime 管上下文、记忆和任务
先看整体结构:

图 1:面向电力系统的 Agent Runtime。LangGraph 统一编排业务智能体,并调用上下文、记忆和任务管理能力;底层连接本地模型、知识服务、数据与领域算法。
整个架构分成四层:
第一层:业务智能体。 风险分析、电流故障、电能质量、谐振、电缆绝缘和系统运行六类智能体承载具体业务任务。
第二层:工作流编排。 LangGraph 负责节点执行、条件路由和工作流状态流转。MCP 将数据库、知识库、标准规程和领域工具统一接入;SSE 将执行进度和结果推送到前端。
第三层:Agent Runtime。 Context Manager、Memory Manager 和 Task Manager 分别负责当前推理上下文、跨任务记忆和业务任务生命周期。
第四层:基础设施。 本地 Qwen 提供模型推理,BGE-M3 提供向量表示,RAGFlow 和 Wiki 提供知识检索,数据库保存业务数据,领域算法服务承担专业数值计算。
这里有一个很重要的边界:LangGraph 管流程,三个 Manager 管领域状态和数据。 LangGraph 决定下一步执行哪个节点;Context Manager 决定本轮模型调用需要哪些信息;Memory Manager 决定哪些历史经验可以复用;Task Manager 维护任务生命周期、执行结果和恢复过程。
它们不是互相替代的关系,而是由 LangGraph 在工作流节点中调用和协同。
04 Context Manager:每次推理前,先把上下文准备好
电力诊断任务的数据来源很多:实时遥测、遥信、告警、设备台账、拓扑、历史案例、规程知识,以及模型在分析过程中产生的假设。如果把这些内容直接拼成一大段 Prompt,模型很难区分哪些是当前事实、哪些是历史信息、哪些只是推断。
因此,我们把上下文设计成结构化对象,而不是一段不断增长的聊天记录。
4.1 上下文里保存什么?
一次诊断任务的上下文主要包含:
- 任务目标、任务标识和当前执行阶段;
- 当前已确认的事实;
- 尚待验证的诊断假设;
- 关键证据及其引用 ID;
- 已完成步骤和待处理事项;
- 相关知识、历史记忆和任务约束;
- 当前模型调用的 Token 预算。
例如,Context Manager 维护的上下文可以抽象成下面的结构:
class AgentContext(TypedDict):
task_id: str
task_goal: str
task_status: str
conversation_summary: str
current_step: str
confirmed_facts: list
diagnosis_hypotheses: list
evidence_refs: list
completed_steps: list
pending_steps: list
knowledge_refs: list
constraints: list
token_budget: int这里最关键的是把事实和推断分开。例如,“某测点温度为 85.2℃”是带有数据来源和时间戳的观测事实;“设备可能存在散热异常”是需要进一步验证的诊断假设。二者在上下文中有不同的位置和状态,不会因为经过多轮模型推理就混为一谈。
4.2 用 evidence_id 把结论和原始数据连起来
我们不只保存模型生成的自然语言描述,而是通过 evidence_id 关联原始数据。证据对象包含来源、设备、采集时间、数据类型、数值、质量和有效期等信息:
{
"evidence_id": "EV-001",
"source": "SCADA",
"equipment_id": "TRANSFORMER-01",
"timestamp": "2026-10-30T10:30:00+08:00",
"data_type": "temperature",
"value": 85.2,
"unit": "℃",
"quality": "valid",
"valid_until": "2026-10-30T10:35:00+08:00"
}模型上下文中保存证据摘要和引用 ID,完整原始数据保存在外部存储中。生成报告时,可以根据引用 ID 找回证据;任务恢复时,也可以检查证据对应的时间范围和有效状态。
这对电力场景尤其重要:运行数据具有时效性,昨天有效的数据不一定能支撑今天的判断。
4.3 上下文如何筛选和压缩?
上下文不是越多越好。我们在构建上下文时综合考虑四个维度:
- 任务相关性: 是否直接服务于当前诊断目标;
- 时间有效性: 数据是否仍处于有效时间范围;
- 可信度: 来源是否可靠,记忆是否经过验证;
- 诊断价值: 是否有助于区分候选故障原因或决定下一步动作。
信息召回结合元数据规则、关键词检索和向量检索完成。组装时再按照重要程度分配 Token 预算,避免简单截断导致关键证据丢失。
上下文压缩采用结构化摘要:保留阶段性结论、关键证据引用、已排除原因和待解决问题,同时保留原始证据的索引。摘要保存的是结论和过程索引,不能代替原始证据。
LangGraph State 只保存当前工作流需要的状态、摘要和外部数据引用,不无限堆积历史工具返回结果。每次 LLM 节点执行前,由 Context Manager 根据当前任务状态重新组装模型输入。
05 Memory Manager:把一次次诊断变成可复用经验
Context Manager 解决的是“本轮推理看什么”,Memory Manager 解决的是“哪些信息值得跨任务保存,以及下一次如何用起来”。
我们不把 Memory 理解成完整日志,也不保存所有聊天记录。真正值得沉淀的是经过整理、能够追溯来源,并且在相似任务中有复用价值的事实和经验。
5.1 短期记忆与长期记忆
短期记忆服务于当前任务,记录任务目标、执行进度、已经采集的数据引用、当前诊断假设、验证结果、已排除原因和待处理事项。它随着任务推进不断更新,与 LangGraph State 和 Checkpointer 配合,支撑当前工作流连续执行。
长期记忆面向不同任务之间的复用,保存历史故障案例及检修结果、设备异常特征、典型故障模式、经验证的诊断路径,以及专家规则和专业处置经验。
二者的边界很清楚:短期记忆跟着当前任务走,长期记忆能够被其他任务检索和复用。
5.2 Fact Memory 与 Experience Memory
长期记忆中,我们区分事实记忆和经验记忆:
| 类型 | 保存内容 | 示例 |
|---|---|---|
| Fact Memory | 已确认的客观事实 | 某次检修确认冷却风机故障 |
| Experience Memory | 场景、行动、结果和可复用经验 | 某类温升与振动组合出现时,优先检查冷却系统 |
经验记忆采用“场景—行动—结果—经验”的方式组织:
{
"memory_id": "MEM-001",
"type": "experience",
"scenario": "特定负荷下温升与振动同时异常",
"action": "检查冷却系统及相关告警",
"result": "检修确认冷却风机故障",
"lesson": "该类异常组合可作为冷却系统故障的排查线索",
"source_ids": ["EV-001", "WORKORDER-009"],
"confidence": 0.92,
"status": "Verified"
}每条记忆都是独立的原子单元,可以单独检索、更新、合并和失效。记忆保留 source_ids,让它始终能够关联到原始证据或检修记录。
5.3 记忆提取与验证
一条诊断任务完成后,Memory Extractor 从任务记录、诊断结论和检修结果中提取候选记忆。候选记忆进入 Memory Validator,结合数据、规则、历史案例和最终结果进行验证;无法自动确认的内容进入 Review Inbox,由专业人员补充证据或审核。
记忆在生命周期中有明确状态:
| 状态 | 含义 | 是否参与正常诊断检索 |
|---|---|---|
| Candidate | 刚提取出的候选记忆 | 否 |
| Pending | 等待验证或审核 | 默认否 |
| Verified | 已通过验证,可作为可信经验复用 | 是 |
| Rejected | 验证不通过或被审核拒绝 | 否 |
| Retired | 已过期、被新知识替代或不再适用 | 否 |
验证不是让提取记忆的 LLM 自己宣布“正确”。Memory Validator 会检查记忆是否有真实运行数据支撑、是否符合设备逻辑和专业规则、是否有相似案例,以及是否得到后续检修结果确认。每次验证都记录依据、规则版本、验证时间和验证结果。对于高风险知识,专业人员审核和权威业务结果是可信记忆的重要依据。
5.4 记忆怎么检索?
新任务到来时,Memory Manager 根据设备类型、设备 ID、故障类型、区域、运行工况和时间等元数据缩小范围,再结合关键词和向量相似度召回相关记忆。
排序时综合考虑语义相关性、证据完整度、验证状态和有效期。正常诊断上下文只注入 Verified 且仍然有效的记忆;Pending 内容保留在审核流程中,不与可信经验混用。
5.5 PowerContext 给我们的启发
PowerContext 的价值在于把 Agent 的上下文和记忆作为独立的工程对象来管理,而不是把它们混在对话历史里。结合电力诊断业务,我们重点吸收了这些设计思想:
| PowerContext 思想 | 在电力智能体中的对应设计 |
|---|---|
| Source 与 Memory 分离 | 原始运行数据、告警和检修记录作为来源;提炼后的记忆独立存储 |
| Atomic Memory | 每条记忆独立检索、更新、合并和失效 |
| Memory / Experience | 区分已确认事实与场景—行动—结果经验 |
| Review Inbox | 候选记忆经验证或人工审核后进入可信记忆库 |
| Prepared Context | 记忆召回后经过过滤、排序和预算控制,再交给模型 |
| Scope | 按全局、区域、变电站、设备等范围组织记忆 |
| Handoff | 保存跨班次、跨 Agent 的任务交接信息 |
其中,Scope 负责记忆的组织和检索范围,不代替系统本身的身份认证和权限控制。
06 Task Manager:让任务中断后还能接着跑
电力诊断不一定是一个短请求。比如“某变电站 110kV 母线出现电压异常,请分析故障原因并生成诊断报告”,执行过程可能包括数据采集、拓扑查询、告警关联、故障假设分析、补充数据等待、结果验证和报告生成,整个过程可能持续几分钟、几小时,甚至跨越多个班次。 因此,我们把任务管理独立出来,由 Task Manager 维护业务任务生命周期,并与 LangGraph 的工作流状态配合。
6.1 任务生命周期状态机
任务生命周期使用状态机描述:
这里区分两种状态:
- 任务生命周期状态: CREATED、RUNNING、WAITING、COMPLETED、FAILED,描述整个业务任务处于什么阶段;
- 工作流执行状态: 当前运行到
collect_data、analyze_fault还是verify_hypothesis,描述 LangGraph 图执行到哪个节点。
一个任务处于 RUNNING,不代表它一定正在执行 LLM 节点,也可能正在等待外部数据接口返回。两类状态分别维护,避免业务状态和图执行状态混在一起。
6.2 LangGraph 负责工作流状态流转
LangGraph 的 State、Checkpointer、Interrupt 和 Conditional Edge 组成任务执行的核心机制:
- State: 在节点之间传递任务目标、当前阶段、诊断假设、证据引用和待执行事项;
- Checkpointer: 持久化工作流状态,通过
thread_id找回对应执行线程; - Interrupt: 在需要补充信息或人工审批时暂停工作流,条件满足后再恢复;
- Conditional Edge: 根据数据完整性、诊断结果和审批状态决定下一步执行路径。
task_id 和 thread_id 分别承担不同职责:task_id 标识业务层面的诊断任务,thread_id 标识 LangGraph 的工作流线程。两者建立映射,但不混为一个概念。
State 中保存当前流程真正需要的信息,例如任务目标、当前步骤、诊断假设、关键结果和证据 ID。大量原始电力数据与完整工具返回结果保存在外部存储中,避免 State 无限膨胀。
6.3 Checkpoint、Task Store、Evidence Store、Operation Store
工作流恢复不仅需要知道“执行到哪一步”,还需要知道“这一步具体产生了什么结果”。因此,任务相关的数据分开保存:
| 存储 | 保存内容 | 作用 |
|---|---|---|
| Checkpointer | LangGraph State 与节点执行位置 | 恢复工作流 |
| Task Store | 任务 ID、生命周期状态、进度、时间和异常信息 | 管理业务任务 |
| Evidence Store | 原始证据、采集结果及其元数据 | 还原任务依据 |
| Operation Store | 外部操作、执行状态、结果和幂等键 | 避免重复执行 |
例如,数据采集节点已经完成,但服务在后续分析时崩溃。恢复时不仅要知道“数据采集已完成”,还要知道采集结果对应哪个 evidence_id、数据时间范围是什么、来源是什么。
6.4 为什么还要 Operation Store?
这里有一个容易被忽略的问题:Checkpoint 和外部操作并不是天然一致的。
假设智能体调用外部系统发送告警,外部系统已经成功执行,但智能体还没来得及保存新的 Checkpoint,服务就崩溃了。恢复后,工作流可能再次执行发送告警节点,造成重复操作。
因此,对具有外部副作用的工具调用,我们通过 Operation Store 记录操作状态和幂等键。任务恢复时,先检查操作记录,再决定是否重试。涉及业务影响的操作同时经过权限校验和必要的人工审批,执行过程保留审计记录。
这套机制把工作流状态和外部操作结果关联起来,避免仅凭 Checkpoint 判断外部操作是否执行成功。
6.5 恢复时还要重新检查数据时效
电网运行数据会持续变化。假设智能体昨天查询到某条线路的电流数据,今天服务恢复后继续分析,昨天的数据可能已经不能代表当前运行状态。
所以任务恢复时,会重新检查原始数据是否仍然有效、设备状态是否变化、拓扑和运行方式是否改变,以及原来的诊断假设是否仍然成立。必要时重新采集数据,再继续后续分析。
任务恢复不只是恢复程序执行位置,还要恢复任务的业务语义和当前有效依据。
07 三个 Manager 如何在一次诊断中协同?
把前面的设计放到一次完整诊断里,整体流程如下:
一次诊断请求从 Task Manager 创建任务开始,LangGraph 根据业务类型路由到对应智能体图。每次进入模型节点前,Context Manager 组装当前任务上下文;节点通过 MCP 调用数据库、知识库和领域工具,产生的证据进入 Evidence Store。
当数据不足或需要人工介入时,Task Manager 将业务任务置为 WAITING,LangGraph 通过 Interrupt 暂停执行。条件满足后,任务恢复并重新校验关键证据,再继续分析。诊断完成后,系统生成报告,Memory Manager 从任务结果中提取候选记忆,经过验证或审核后保存到 Memory Store,Task Manager 最后完成任务归档。
这样,LangGraph 负责把流程串起来,三个 Manager 分别处理上下文、记忆和任务状态,底层技术服务继续提供模型、数据、知识和算法能力。
08 写在最后
本地部署环境下,性能评价也不只看 Token 数量。我们同时关注诊断准确性、证据覆盖率、记忆检索质量、检索延迟、端到端响应时间、模型推理效率和本地算力利用率。
面向电力系统的 Agent Memory,不是简单增加一个向量数据库,也不是把所有历史对话都保存下来。它需要把当前推理、跨任务经验和长周期任务执行组织成一套完整的运行机制。
我们希望电力智能体不只是完成一次诊断,而是能够在连续任务中积累经验、追溯依据、处理中断,并在运行数据变化时及时更新判断。这正是 Agent Memory 在垂直行业工程实践中的价值。

