Saltar al contenido
ClickHouse Loom
Esc
↑↓navegar↵abrir⌘Jvista previa
En esta página

Sesiones de conversación de OpenAI Agents

Sesiones de conversación de OpenAI Agents

Esta página es una traducción automática de la página en inglés, que prevalece. Machine-translated from the English page, which is authoritative.

LoomSession implementa las interfaces de sesión nativas de Python y TypeScript sobre las memorias episódicas de Loom. Las herramientas existentes pueden conservar por separado hechos más allá de una conversación. Los paquetes de los frameworks siguen siendo dependencias opcionales.

Cada elemento es una llamada a memory.set con su JSON nativo, una clave formada por marca de tiempo y valor aleatorio, el usuario final y una sesión derivada del usuario y del id de sesión nativo. Las escrituras puntuales omiten la coalescencia del SDK, de modo que los elementos repetidos concurrentes permanecen separados. Las filas episódicas conservan los elementos repetidos sin extracción semántica ni fusión de duplicados. Python y TypeScript usan prefijos de sesión derivada distintos porque sus formatos de elementos nativos difieren.

Las lecturas paginan mediante memory.list, eliminan duplicados de claves superpuestas y completan los valores ausentes o truncados con memory.get. Los elementos se devuelven en orden de clave, y un límite solicitado conserva los elementos más recientes. Las lecturas con límite positivo también recorren todo el historial porque los tiempos de llegada al servidor no pueden acotar las claves generadas por el escritor. El adaptador de TypeScript toma una instantánea del usuario validado en la construcción. Sus cargas de bytes nativas de imagen y archivo usan arreglos JSON en el almacenamiento y se devuelven como Uint8Array; el JSON ordinario y la información de medios no cambian. La eliminación incluye el usuario y la sesión derivada: pop_item elimina el último elemento, y clear_session elimina el historial listado. Las adiciones o limpiezas concurrentes son operaciones individuales del servidor, no una transacción sobre la conversación. Si un elemento desaparece antes de completarse, la lectura falla en lugar de devolver un elemento nativo incompleto. Las claves usan relojes de los escritores; los escritores concurrentes no comparten una secuencia del servidor.

Ambas implementaciones conservan la familia de protección acotada ya existente de la aplicación desde la construcción y en cada callback. Python también conserva los contribuyentes activos en el contexto del callback. Volver a enlazar el cliente no puede quitar un contribuyente anterior. Los ids nativos de usuario y de sesión seleccionan el historial almacenado; no establecen una familia de protección. Usa una instancia de sesión por cada familia lógica de conversación y reabre la misma cápsula de protección propiedad de la aplicación al restaurar esa conversación.

Las lecturas y adiciones del historial nativo se ejecutan como trabajo automático bajo todos los contribuyentes conservados. Una respuesta marcada protege a todos los contribuyentes antes de devolver su valor. Una primera respuesta de historial marcada y completa aún puede devolver sus elementos; la paginación, la hidratación o las escrituras de elementos posteriores se suprimen. La escritura de un elemento marcado detiene un lote antes del siguiente elemento. Las operaciones explícitas de pop y clear siguen siendo utilizables tras la protección y continúan observando las respuestas bajo los contribuyentes conservados. Las herramientas seleccionadas por el modelo mantienen su semántica de operación explícita.

Puntos de entrada del código fuente

  • sdk/python/loom/integrations/openai_agents.py: LoomSession.
  • sdk/typescript/src/integrations/openai-agents.ts: LoomSession.

Invariantes

La organización, el espacio de nombres y el nombre del agente delimitan cada historial. Un usuario omitido escribe filas en el espacio de nombres compartido; un usuario explícito selecciona el historial de ese usuario. El servidor proporciona la procedencia del actor y de la fuente. Se aplican las reglas ordinarias de eliminación de memoria, borrado y actualización progresiva. No se añade ninguna base de datos ni esquema de historial local.

¿Te ha resultado útil esta página?